Model AI Terbuka Kian Menghampiri Frontier: Bila Perlu Terus Membayar Premium?

Pilihan pembeli AI kini bukan lagi semata-mata antara “model terbuka murah” dan “model proprietari yang berkeupayaan tinggi”. Analisis State of Open Source AI oleh Mozilla berhujah bahawa model berwajaran terbuka terkemuka semakin pantas menghampiri model frontier tertutup. Ini membolehkan organisasi menggunakan model terbuka untuk banyak beban kerja, sambil mengekalkan API frontier premium bagi tugasan yang benar-benar memerlukan kelebihan kualiti. 18

Model berwajaran terbuka merujuk model yang wajaran parameternya boleh diperoleh dan dijalankan atau diubah suai dalam persekitaran sendiri. Ia tidak semestinya bermakna setiap bahagian—seperti data latihan—dibuka sepenuhnya.

Jurang mengecil, tetapi bukan bermakna semuanya setara

Laporan mengenai dapatan Mozilla meletakkan model berwajaran terbuka terbaik dari China kira-kira 4.4 bulan di belakang model frontier tertutup dari segi prestasi. 18 Ini jauh berbeza daripada keadaan apabila model terbuka dianggap tidak mampu digunakan untuk kerja pengeluaran.

Kimi K3 ialah contoh berguna, namun bukan keputusan muktamad. Dalam satu gambaran indeks Artificial Analysis pada September, Kimi K3 mencatat 59.7, iaitu enam mata di belakang peneraju keseluruhan pada 65.7. Jurang itu dilaporkan telah mengecil daripada 13 mata setahun sebelumnya. 17 Versi laporan dan gambaran penanda aras lain menggunakan perbandingan model serta anggaran jurang yang berbeza. Isyarat utamanya ialah arah perubahan, bukannya satu perbezaan mata tertentu.

Penanda aras komposit sesuai sebagai alat saringan awal, tetapi bukan bukti bahawa sesuatu model akan menjadi yang terbaik dalam persekitaran sesebuah syarikat. Ia boleh menggabungkan penilaian yang sangat berbeza. Dalam pelaksanaan sebenar, organisasi juga perlu menilai kependaman, pengendalian konteks, kebolehpercayaan, kawalan keselamatan, usaha integrasi, sokongan serta syarat undang-undang.

Untuk perusahaan: agihkan tugasan mengikut akibatnya

Jurang yang semakin kecil tidak menuntut perpindahan menyeluruh daripada sistem tertutup. Sebaliknya, ia menyokong pendekatan portfolio model:

• Utamakan model berwajaran terbuka untuk tugasan berulang dan berjumlah besar, khususnya apabila kos, kawalan data, pelaksanaan setempat atau penyesuaian penting.
• Kekalkan API frontier untuk tugasan sukar apabila peningkatan kualiti yang diukur membawa kesan kewangan, operasi atau keselamatan yang nyata.
• Nilai keseluruhan sistem, termasuk carian berasaskan dokumen, alat, pagar pengawal (guardrails), arahan dan semakan manusia—bukan model asas sahaja.
• Uji semula beban kerja secara berterusan. Keluaran model baharu boleh mengubah nisbah kos-prestasi dengan pantas.

Inilah implikasi praktikal penumpuan prestasi: premium bagi model tertutup wajar dibayar apabila ia terbukti meningkatkan hasil, bukan hanya kerana dahulu ia satu-satunya pilihan yang boleh digunakan.

Isu strategik yang lebih besar daripada harga

Model berwajaran terbuka memberi organisasi pilihan untuk menjalankan dan menyesuaikan model dalam persekitaran sendiri, berbanding bergantung sepenuhnya pada perkhidmatan yang dikendalikan pembekal. CSIS menilai ekosistem model terbuka China yang berkembang sebagai cabaran kepada kepimpinan AI Amerika Syarikat, kerana ia menggabungkan usaha membina keupayaan teknologi tempatan di bawah kawalan eksport dengan strategi mengedarkan model yang mudah disesuaikan secara meluas. 5

Penyebaran sedemikian boleh membina ekosistem tersendiri: pembangun, penyepadu, alat, pelaksanaan dan norma teknikal boleh berkembang di sekeliling satu keluarga model, walaupun syarikat lain mendahului dalam model tertutup paling canggih. Maka, soalan persaingan bukan hanya siapa mendahului carta penanda aras hari ini, tetapi teknologi siapa menjadi lapisan platform yang paling banyak digunakan.

Kawalan eksport juga sebahagian daripada konteks ini. Penyelidikan yang dirujuk dalam rekod sedia ada menyatakan bahawa kawalan eksport cip AS beriringan dengan lonjakan penggunaan AI terbuka di China, menunjukkan sekatan juga boleh menggalakkan alternatif domestik dan pembangunan ekosistem terbuka. 11

Dakwaan tentang distilasi perlu dihuraikan dengan cermat

Pada September, Agensi Keselamatan Negara AS (NSA), FBI dan Agensi Keselamatan Siber dan Infrastruktur (CISA) menyatakan dalam satu nasihat bahawa syarikat AI berasaskan China menjalankan kempen berskala industri untuk mengekstrak keupayaan proprietari yang terhad daripada model frontier AS bagi tujuan latihan. 1 Laporan mengenai nasihat itu mengenal pasti Moonshot AI sebagai antara syarikat yang dinamakan oleh agensi AS. 3

Ini ialah dakwaan kerajaan AS, bukannya keputusan awam yang telah diputuskan secara muktamad. Kementerian Luar China menolak tuduhan tersebut sebagai tidak berasas. 4

Penting juga untuk membezakan dakwaan pengekstrakan tanpa kebenaran daripada konsep teknikal umum distilasi. Dalam distilasi, model yang lebih kecil belajar daripada output model yang lebih kuat. CSIS menerangkan amalan ini sebagai kaedah latihan lazim yang mempunyai implikasi strategik penting. 12

Membina alternatif memerlukan lebih daripada sebuah model

Perbandingan Ketua Pegawai Teknologi Mozilla, Raffi Krikorian, dengan Android sebenarnya ialah hujah tentang ekosistem. Model yang diedarkan secara meluas dan boleh disesuaikan boleh menarik pembangun hiliran serta infrastruktur pelengkap, seperti platform sistem pengendalian yang mencipta nilai melebihi pencipta asalnya.

Pelaporan Mozilla sendiri menekankan bahawa AI terbuka memerlukan infrastruktur yang tahan lama, bukan sekadar keluaran model baharu. Laporan terdahulunya menonjolkan sebuah konsortium awam Switzerland yang menggunakan superkomputer awam dan menerbitkan wajaran, data serta kod latihan. 11 Idea dasarnya ialah pelaburan dalam pengkomputeran awam, institusi berkecuali, data dan penilaian yang boleh dipercayai, serta alat untuk pembangun—bukan hanya membiayai satu lagi pesaing model tertutup.

Bolehkah keterbukaan dan keselamatan bergerak seiring?

Open Secure AI Alliance menawarkan satu jawapan. Nvidia melancarkan gabungan itu pada Julai bersama rakan teknologi dan keselamatan untuk membangunkan serta berkongsi alat keselamatan AI dan keselamatan siber, khususnya berkaitan perisian dan ejen AI. Inisiatif itu mencerminkan pandangan bahawa alat keselamatan yang boleh diperiksa dan dikongsi boleh menjadi sebahagian daripada tindak balas terhadap risiko AI.

Ini tidak menghapuskan risiko sebenar model yang tersedia secara meluas. Pengedaran terbuka boleh menyukarkan pencegahan penyalahgunaan dan kawalan. Namun pilihan dasarnya bukan sekadar terbuka lawan selamat, atau tertutup lawan selamat. Persoalannya ialah perlindungan, kawalan akses, penilaian dan mekanisme kebertanggungjawaban yang mengiringi setiap model pelaksanaan.

Keputusan untuk pembeli dan pembuat dasar

Bagi perusahaan, soalan segera adalah mudah: bilakah peningkatan kualiti marginal model proprietari membenarkan kos marginal serta kebergantungan kepada pembekal? Jawapannya berbeza mengikut tugasan. Organisasi yang merekod dan mengukur pilihan model, menjalankan penilaian yang mewakili kerja sebenar, serta mengekalkan keupayaan bertukar pembekal akan berada dalam kedudukan lebih baik berbanding organisasi yang menyeragamkan satu kategori model sahaja.

Bagi pembuat dasar, pertukarannya lebih rumit. Kepimpinan model frontier, keselamatan dan pengurangan risiko penyalahgunaan tetap penting, namun ekosistem terbuka yang berdaya tahan serta penggunaan global infrastruktur AI yang dipercayai juga penting. CSIS memberi amaran bahawa strategi yang hanya menumpukan kepimpinan frontier proprietari boleh kehilangan kedudukan kepada alternatif terbuka yang lebih murah. 15

Jurang model yang semakin mengecil menjadikan perdebatan ini lebih mendesak. Apabila model berwajaran terbuka semakin berupaya, persaingan AI akan semakin ditentukan bukan hanya oleh model terbaik di dalam makmal, tetapi oleh pihak yang menyediakan ekosistem paling berguna, mudah disesuaikan dan boleh dipercayai di sekelilingnya.