AI Open-Weight Kian Hampir ke Model Frontier, Ubah Kiraan Kos Syarikat

Model AI open-weight—iaitu model yang pemberatnya boleh diperoleh untuk dijalankan atau disesuaikan oleh organisasi—bukan lagi pilihan murah semata-mata untuk tugasan ringkas. Model teratas kini cukup hampir dengan sistem proprietari paling canggih sehingga syarikat boleh memilih berdasarkan jenis kerja, kos dan keperluan kawalan, bukan menghantar semua permintaan kepada satu API premium.

Jurang penanda aras mengecil, tetapi angka perlu dibaca dengan cermat

Satu snapshot Artificial Analysis yang dilaporkan pada September 2026 meletakkan Kimi K3 daripada Moonshot AI pada 59.7, manakala Claude Fable 5.1 daripada Anthropic pada 65.7—jurang 6 mata, berbanding 13 mata setahun sebelumnya. 3 Pengecilan ini memang ketara.

Namun, angka itu bukan ukuran kekal yang boleh dibandingkan tanpa konteks. Perbandingan semasa Artificial Analysis, yang menggunakan metodologi v4.2, menyenaraikan Kimi K3 (max) pada 50 dan Claude Fable 5.1 pada 56. 52 Halaman Kimi K3 turut menyatakan indeks v4.2 merangkumi 10 penilaian, menunjukkan skor boleh berubah apabila set ujian, konfigurasi atau kaedah pemarkahan berubah. 1

Kesimpulan yang lebih kukuh ialah arah alirannya: model open-weight terbaik kini jauh lebih hampir kepada model proprietari terbaik dalam indeks keupayaan menyeluruh. Itu bukan bermakna prestasi mereka setara bagi setiap tugasan. Kedudukan agregat tidak membuktikan kesetaraan dari segi kebolehpercayaan, keselamatan, penggunaan alat, kependaman, tugasan multimodal atau aliran kerja khusus sesebuah organisasi.

Apabila jurang kecil, cara membeli AI turut berubah

Bagi pasukan yang menjalankan AI dalam persekitaran sebenar, soalan utamanya jarang berbunyi, “Model mana paling tinggi skornya?” Soalan yang lebih berguna ialah: model manakah memberi hasil yang memadai untuk tugasan ini pada jumlah kos terendah dan risiko yang boleh diterima?

Jika model lebih murah sudah mencapai paras kualiti diperlukan untuk merumus dokumen, mengekstrak maklumat, carian dalaman, bantuan pengekodan rutin atau pengelasan, menggunakan model frontier paling mahal bagi setiap permintaan menjadi sukar dipertahankan. Kelebihan model proprietari mungkin masih berbaloi untuk penaakulan rumit, keputusan berimpak tinggi, ejen AI kompleks, atau kerja yang peningkatan kecilnya memberi kesan nyata kepada hasil, keselamatan atau pematuhan.

Harga membantu menjelaskan perubahan ini. Perbandingan semasa Artificial Analysis menyenaraikan Kimi K3 (max) pada AS$2.31 bagi sejuta token, berbanding AS$7.17 bagi Claude Fable 5.1; dalam perbandingan yang sama, Claude masih mendahului dari segi Intelligence Index dan kelajuan output. 52 Harga token bukan keseluruhan kos, tetapi cukup untuk menjadikan pemilihan model satu masalah pengoptimuman operasi.

AT&T: contoh penghalaan mengikut tugasan

AT&T menunjukkan bagaimana strategi berbilang model boleh berfungsi. Syarikat itu berkata model terbuka meningkat daripada 20% penggunaan AInya pada Mei kepada 40%, dan boleh mencapai 60% dalam beberapa bulan; ia juga melaporkan penjimatan kos AI sehingga 80% berbanding awal tahun. 26

Pelaporan lebih awal menyatakan AT&T mahu model terbuka akhirnya menyokong 70% hingga 80% daripada keseluruhan penggunaan AInya, sambil mengekalkan model proprietari dalam campuran teknologinya. 17 Ini bukan dakwaan bahawa model terbuka terbaik untuk semua perkara. Sebaliknya, ia ialah strategi penghalaan:

• Tugasan rutin dan bervolum tinggi dihantar kepada model kos lebih rendah.
• Model premium digunakan apabila kelebihan keupayaannya benar-benar diperlukan.
• Kualiti, kelajuan dan kos dinilai pada tahap beban kerja, bukan berdasarkan satu papan pendahulu sahaja.

Apabila kualiti model semakin menghampiri antara satu sama lain, kelebihan kompetitif beralih kepada keupayaan menilai model, menghala permintaan, memantau prestasi dan bertukar penyedia tanpa mengganggu aplikasi.

Open-weight memberi kawalan, bukan penjimatan automatik

Model open-weight menarik kerana organisasi mungkin boleh menjalankannya dalam persekitaran sendiri, menalanya untuk kegunaan tertentu dan mengurangkan kebergantungan kepada satu vendor API. Tetapi “terbuka” tidak secara automatik bermaksud lebih peribadi, lebih murah atau kurang berisiko.

Menjalankan sendiri model memindahkan tanggungjawab kepada pengguna. Pelaksanaan yang serius perlu mengambil kira infrastruktur, pengoptimuman inferens, masa kejuruteraan, tampalan keselamatan, pemantauan, kawalan akses, lesen model dan tindak balas insiden. Organisasi yang mengendalikan maklumat sensitif juga perlu menyemak asal-usul model, rantaian bekalan perisian, residensi data, kewajipan kawalan eksport dan keselamatan setiap perkhidmatan di sekelilingnya.

Justeru, perbandingan yang tepat bukanlah harga API berbanding sifar. Ukuran yang lebih bermakna ialah jumlah kos bagi setiap tugasan perniagaan yang berjaya diselesaikan, termasuk kos jawapan salah, pemilikan operasi dan langkah perlindungan yang diperlukan.

Persaingan China dan isu tadbir urus

Kimi K3 ialah model Moonshot AI, dan laporan mengenai kedudukan terkini menonjolkan kekuatan makmal AI China dalam bidang open-weight. 3 Ini meluaskan pilihan model berkeupayaan tinggi serta memberi tekanan persaingan kepada penyedia proprietari.

Bagi pembeli perusahaan, negara asal tidak patut dijadikan label pemasaran atau pengganti proses semakan wajar. Pendekatan yang lebih sesuai ialah semakan konsisten terhadap vendor dan model: sahkan terma lesen, pemberat serta kebergantungan; nilai amalan keselamatan; uji prestasi menggunakan data dalaman; dan pastikan seni bina pelaksanaan memenuhi kewajipan privasi serta peraturan yang berkenaan.

Pembelian Hugging Face oleh Nvidia menandakan nilai strategik ekosistem terbuka

Nvidia bersetuju mengambil alih Hugging Face dalam urus niaga bernilai kira-kira AS$12.9 bilion, menurut laporan dan kenyataan syarikat susulan. 3436 Hugging Face ialah platform utama untuk pembangun dan penyelidik mencari, berkongsi serta menguji model dan alat AI. Urus niaga itu menandakan bahawa pengedaran model dan aliran kerja pembangun kini menjadi infrastruktur strategik, bukan sekadar ekosistem sampingan untuk penyelidik.

Perjanjian ini tidak menentukan masa depan AI terbuka secara muktamad. Namun, ia menunjukkan nilai besar pada ekosistem yang mengelilingi model terbuka—repositori, alat pembangunan, sokongan perkakasan dan komuniti pembangun—selain nilai model itu sendiri.

Hasil yang paling mungkin: AI hibrid, dipilih mengikut kerja

Jurang penanda aras yang mengecil menjadikan seni bina hibrid semakin munasabah:

• Model proprietari frontier untuk tugasan paling sukar, perkhidmatan terurus dan kes yang memerlukan keupayaan tertinggi atau sokongan vendor.
• Model open-weight untuk kerja volum tinggi, boleh suai, sensitif kos atau memerlukan kawalan persekitaran yang ketat, selagi mencapai tahap kualiti diperlukan.
• Lapisan penghalaan dan penilaian untuk memeriksa kualiti, kependaman, kos dan pematuhan dasar secara berterusan.

Intinya bukan model open-weight telah menjadikan model proprietari usang. Sebaliknya, jurang prestasi kini cukup kecil dalam lebih banyak keadaan untuk membolehkan organisasi membuat pilihan ekonomi yang sebenar. Strategi yang menang bukan kesetiaan kepada model terbuka atau tertutup, tetapi pengukuran teliti tentang model yang menyelesaikan setiap tugasan perniagaan dengan selamat, boleh dipercayai dan pada jumlah kos yang wajar.