Deutsche Banks forskning överensstämmer med oberoende resultat som visar att kapacitetsfördröjningen för öppna vikt-modeller bakom proprietära frontlinje-modeller har komprimerats dramatiskt – från ett gap på flera år till bara 3–4 månader i mitten av 2026 . EpochAIs samtida analys placerar fördröjningen på cirka 3 månader på deras holistiska Capabilities Index, med ett genomsnittligt poänggap på cirka 7 poäng
. Denna "fasförändring" i lanseringshastighet (från en 6-månaders kadens 2024 till en 72-timmars kadens under Q1 2026) innebär att alla proprietära prestandafördelar är kortlivade
.
Deutsche Bank betonar att detta inte är en geografisk klyfta (t.ex. USA vs. Kina). Kostnads- och prestandakompressionen är ett strukturellt, globalt fenomen som drivs av spridningen av öppna vikt-modeller från flera regioner – inklusive Kinas DeepSeek och Zhipu AI, USA:s Meta (Llama) och andra . Den relevanta axeln är öppet vs. stängt, inte öst vs. väst. Banken lyfter särskilt fram att DeepSeek:s genombrott i början av 2025 markerade den tidpunkt då den gamla geografiska inramningen bröts sönder
.
Deutsche Bank menar att denna dynamik kan utlösa en marknadsomvärdering av AI . Viktiga konsekvenser:
Comments
0 comments