הפער מול מודלי ה-AI הסגורים מצטמצם — ומה זה אומר לארגונים

המסר המרכזי מדוח State of Open Source AI של Mozilla הוא שהבחירה כבר אינה בהכרח בין מודל פתוח וזול אך חלש, לבין מודל קנייני ויקר אך מסוגל. מודלים מובילים עם משקלים פתוחים — כלומר, כאלה שאפשר להוריד, להריץ ולהתאים בסביבה עצמית — מתקרבים במהירות למודלי החזית הסגורים. לכן, ארגונים יכולים להעביר אליהם חלק גדול מהעומסים, ולהשאיר גישה לממשקי API של מודלי חזית רק במקרים שבהם יתרון איכותי משנה בפועל את התוצאה. 18

הפער מצטמצם, אבל לא נעלם

לפי הדיווחים על ממצאי Mozilla, הפער בביצועים בין מודלי החזית הסגורים מארה״ב לבין מודלי המשקלים הפתוחים הטובים ביותר מסין הצטמצם לכ־4.4 חודשי התקדמות. 18 זהו שינוי משמעותי עבור מנהלי טכנולוגיה: מודלים פתוחים אינם עוד קטגוריה שאינה מתאימה מעצם טבעה לעבודה בסביבת ייצור.

Kimi K3 של Moonshot AI הוא דוגמה טובה למגמה, אך לא להכרעה סופית. במדד Artificial Analysis Intelligence Index מספטמבר, הוא קיבל ציון 59.7, לעומת 65.7 למוביל הכללי — פער של שש נקודות, לעומת 13 נקודות שנה קודם לכן. 17 גרסאות שונות של דוחות וצילומי מצב שונים של בנצ'מרקים מגיעים להשוואות ולפערים אחרים. מה שחשוב יותר מנקודה בודדת הוא כיוון התנועה: הפער מצטמצם.

גם בנצ'מרק משולב אינו תחליף לבחינה אמיתית בארגון. הוא עשוי לחבר מטלות שונות מאוד זו מזו, בעוד שבפריסה מעשית נדרשים להביא בחשבון גם זמן תגובה, טיפול בהקשר ארוך, אמינות, בקרות אבטחה, מאמץ אינטגרציה, תמיכה ותנאים משפטיים.

הדרך הנכונה: לנתב עבודה לפי ההשלכות

פער מצטמצם אינו מחייב מעבר גורף ממודלים סגורים למודלים פתוחים. הוא מצדיק פורטפוליו מודלים:

• להעדיף מודלים עם משקלים פתוחים במשימות חוזרות, עתירות נפח, שבהן עלות, שליטה בנתונים, הרצה מקומית או התאמה אישית הם שיקולים מרכזיים.
• להחזיק מודלי חזית סגורים זמינים למשימות מורכבות שבהן שיפור מדיד באיכות משפיע על הכנסות, תפעול או בטיחות.
• לבחון את המערכת השלמה, ולא רק את מודל הבסיס: שכבת אחזור מידע, כלים, מגבלות בטיחות, הנחיות למודל ובקרה אנושית.
• לבצע בדיקות חוזרות באופן שוטף. שחרורי מודלים חדשים עשויים לשנות במהירות את נקודת האיזון בין עלות לביצועים.

במילים פשוטות: תשלום פרמיה על מודל סגור הגיוני כאשר הוא משפר באופן מוכח את התוצאה, לא רק משום שבעבר הוא היה האפשרות המעשית היחידה.

מדוע משקלים פתוחים הם עניין אסטרטגי, לא רק תמחורי

מודלים עם משקלים פתוחים מאפשרים לארגון להריץ ולהתאים את המודל בתשתיות שלו, במקום להסתמך לחלוטין על שירות שמופעל בידי ספק. לפי CSIS, מכון מחקר אמריקאי למדיניות אסטרטגית, האקוסיסטם הסיני המתרחב של מודלים כאלה מציב אתגר למובילות האמריקאית ב-AI: הוא משלב פיתוח יכולות מקומיות תחת מגבלות יצוא עם הפצה רחבה של מודלים שניתן להתאים. 5

הפצה רחבה יכולה ליצור אקוסיסטם שלם: מפתחים, משלבי מערכות, כלים, פריסות וסטנדרטים טכניים סביב משפחת מודלים מסוימת — גם אם חברה אחרת מובילה ברגע נתון במודל הסגור החזק ביותר. לכן, השאלה התחרותית אינה רק מי מוביל היום בטבלת הביצועים, אלא הטכנולוגיה של מי הופכת לשכבת פלטפורמה נפוצה.

פיקוח היצוא הוא חלק מהתמונה. מחקר שמצוטט ברשומות הזמינות מצא שמגבלות היצוא האמריקאיות על שבבים מתקדמים עלו בקנה אחד עם אימוץ מואץ של AI פתוח בסין. הממצא מדגיש שמגבלות עשויות גם לעודד חלופות מקומיות ובניית אקוסיסטם פתוח. 11

טענות על זיקוק מודלים דורשות ניסוח זהיר

בספטמבר פרסמו הסוכנות לביטחון לאומי של ארה״ב (NSA), ה-FBI וסוכנות הסייבר והתשתיות CISA התרעה שלפיה חברות AI הפועלות מסין מנהלות קמפיינים בהיקף תעשייתי לחילוץ יכולות קנייניות מוגבלות ממודלי חזית אמריקאיים לצורכי אימון. 1 בדיווח על ההתרעה הוזכרה Moonshot AI בין החברות שנקבו בהן הרשויות האמריקאיות. 3

אלו טענות של ממשלת ארה״ב, ולא הכרעה פומבית סופית. משרד החוץ הסיני דחה את ההאשמות וכינה אותן חסרות בסיס. 4 חשוב גם להבחין בין הטענה לחילוץ לא מורשה של יכולות לבין המושג הטכני הרחב של זיקוק (distillation): תהליך שבו מודל קטן יותר לומד מתשובותיו של מודל חזק יותר. CSIS מתאר את הזיקוק כשיטת אימון נפוצה בעלת משמעויות אסטרטגיות. 12

חלופה אמיתית דורשת יותר ממודל

ההשוואה של ראפי קריקוריאן, סמנכ״ל הטכנולוגיה של Mozilla, לאנדרואיד היא טענה על אקוסיסטם. מודל שמופץ באופן רחב וניתן להתאמה עשוי למשוך מפתחים ותשתיות משלימות, בדומה לאופן שבו פלטפורמת מערכת הפעלה יוצרת ערך שחורג מהחברה שפיתחה אותה.

הדיווחים של Mozilla מדגישים ש-AI פתוח זקוק לתשתית יציבה מעבר לשחרור מודלים. בדוח קודם הודגש קונסורציום ציבורי בשווייץ שהשתמש במחשבי-על ציבוריים ושחרר את המשקלים, הנתונים וקוד האימון. 11 הרעיון המדיני העומד מאחורי הדוגמה הוא השקעה במחשוב ציבורי, במוסדות ניטרליים, בנתונים ובהערכה אמינים ובכלים למפתחים — ולא רק מימון של עוד מתחרה סגור.

האם פתיחות ואבטחה יכולות להתקדם יחד?

Open Secure AI Alliance מציעה תשובה אפשרית. Nvidia השיקה ביולי את הקואליציה עם שותפות מתחומי הטכנולוגיה והאבטחה, כדי לפתח ולשתף כלים לבטיחות AI ולאבטחת סייבר, במיוחד סביב תוכנה וסוכני AI. היוזמה משקפת גישה שלפיה כלי אבטחה שניתן לבדוק ולשתף יכולים להיות חלק מהתמודדות עם סיכוני AI.

אין בכך כדי לבטל את הסיכונים הממשיים בהפצה רחבה של מודלים. זמינות פתוחה עלולה להקשות על מניעת שימוש לרעה ועל בקרה. אבל בחירת המדיניות אינה רק ״פתוח או בטוח״, ואף לא ״סגור או בטוח״. השאלה היא אילו מנגנוני הגנה, בקרות גישה, הערכות ומסגרות אחריות מלווים כל צורת פריסה.

ההחלטה של ארגונים ושל קובעי מדיניות

עבור ארגונים, השאלה המעשית פשוטה: מתי איכות שולית גבוהה יותר של מודל קנייני מצדיקה את העלות השולית ואת התלות בספק? התשובה משתנה ממשימה למשימה. מי שימדדו את ביצועי המודלים על משימות מייצגות וישמרו יכולת לעבור בין ספקים יהיו בעמדה טובה יותר ממי שינעלו את עצמם מראש על קטגוריית מודלים אחת.

עבור קובעי מדיניות, הפשרה מורכבת יותר. הובלה במודלי חזית, ביטחון וצמצום שימוש לרעה חשובים; אך חשובים גם אקוסיסטמים פתוחים ועמידים ואימוץ עולמי של תשתית AI אמינה. CSIS מזהיר כי אסטרטגיה שממוקדת רק במובילות במודלי חזית קנייניים עלולה לאבד קרקע לחלופות פתוחות וזולות יותר. 15

ככל שפער היכולות מצטמצם, הוויכוח נעשה דחוף יותר. התחרות ב-AI תוכרע פחות רק לפי המודל הטוב ביותר במעבדה, ויותר לפי השאלה מי יספק את האקוסיסטם השימושי, הגמיש והאמין ביותר סביבו.