Öppna AI-modeller närmar sig toppskiktet – och ändrar kalkylen för företag

Mozillas analys State of Open Source AI ger AI-ansvariga ett viktigt besked: valet står inte längre enkelt mellan ”billiga öppna modeller” och ”kompetenta proprietära modeller”. De främsta modellerna med öppna vikter närmar sig snabbt de slutna frontmodellerna. Det gör det möjligt att använda dem för många arbetsuppgifter, samtidigt som man behåller premium-API:er för fall där den extra kvaliteten faktiskt påverkar resultatet. 18

Ett krympande gap – men inte likvärdighet överallt

I rapporteringen om Mozillas resultat bedöms de bästa kinesiska modellerna med öppna vikter ligga omkring 4,4 månader efter den slutna fronten i det aktuella prestationsmåttet. 18 Det är en helt annan inköpssituation än när öppna modeller i praktiken inte kunde användas i produktion.

Moonshot AI:s Kimi K3 är ett talande exempel, men inte ett slutgiltigt facit. I en septembermätning i Artificial Analysis Intelligence Index fick Kimi K3 59,7 poäng, sex poäng efter ledaren på 65,7. Samma källa uppgav att avståndet hade minskat från 13 poäng ett år tidigare. 17 Andra versioner av rapporter och benchmarks jämför andra modeller och visar andra avstånd. Det viktiga är alltså utvecklingsriktningen, inte en enskild siffra.

Sammansatta benchmark är bra för att sålla kandidater, men de bevisar inte vilken modell som fungerar bäst i en viss organisation. I skarp drift spelar även svarstid, hantering av långa kontexter, driftsäkerhet, säkerhetskontroller, integrationsarbete samt support- och avtalsvillkor stor roll.

Låt konsekvensen styra modellvalet

Ett mindre prestandagap innebär inte att företag bör överge slutna modeller helt. Det talar snarare för en portföljstrategi:

• Välj modeller med öppna vikter för stora, repetitiva volymer där kostnad, datakontroll, lokal drift eller anpassning är viktigast.
• Behåll frontmodellernas API:er för svåra uppgifter där en uppmätt kvalitetsvinst får ekonomiska, operativa eller säkerhetsmässiga följder.
• Utvärdera hela systemet: sökning i egna data, verktyg, skyddsräcken, promptar och mänsklig granskning – inte bara basmodellen.
• Testa arbetsflöden på nytt löpande. Nya modellsläpp kan snabbt förändra gränsen mellan kostnad och prestanda.

Den praktiska slutsatsen är att premien för en sluten modell är rimlig när den bevisligen förbättrar utfallet – inte bara för att den tidigare var det enda realistiska valet.

Öppna vikter är också en strategisk fråga

Modeller med öppna vikter kan köras och anpassas i organisationens egen miljö, i stället för att helt vara beroende av en leverantörs molntjänst. Tankesmedjan CSIS bedömer att Kinas växande ekosystem för öppna vikter utmanar USA:s AI-ledarskap: det kombinerar inhemsk teknikutveckling under amerikanska exportkontroller med en medveten satsning på att sprida modeller som kan anpassas brett. 5

En sådan spridning kan bygga ett ekosystem av utvecklare, integratörer, verktyg, installationer och tekniska standarder kring en viss modellfamilj – även om ett annat företag för tillfället leder bland de mest avancerade slutna modellerna. Den strategiska frågan är därför inte bara vem som leder ett benchmark i dag, utan vems teknik som blir det mest använda plattformslagret.

Exportkontroller är en del av bakgrunden. Forskning i det tillgängliga underlaget beskriver hur Kinas satsning på öppen AI ökade efter USA:s exportkontroller för avancerade chip. Det visar hur restriktioner också kan driva fram inhemska alternativ och utveckling av öppna ekosystem. 11

Anklagelser om destillering kräver försiktighet

I en rådgivning i september uppgav USA:s NSA, FBI och CISA att Kina-baserade AI-företag drev industriella kampanjer för att extrahera begränsade, proprietära funktioner från amerikanska frontmodeller för träningsändamål. 1 Rapportering om rådgivningen identifierade Moonshot AI som ett av bolagen som nämndes av de amerikanska myndigheterna. 3

Det rör sig om myndighetsanklagelser, inte om ett offentligt avgjort rättsfall. Kinas utrikesdepartement avvisade anklagelserna som ogrundade. 4 Det är också viktigt att skilja på påstådd otillåten extraktion och det bredare tekniska begreppet destillering: att en mindre modell tränas med hjälp av en starkare modells svar. CSIS beskriver destillering som en vanlig träningsmetod med betydande strategiska konsekvenser. 12

Ett alternativ byggs av mer än en modell

Mozillas teknikchef Raffi Krikorians jämförelse med Android handlar om ekosystem. En modell som är brett tillgänglig och möjlig att anpassa kan locka utvecklare och kompletterande infrastruktur, ungefär som ett operativsystem kan skapa värde långt bortom sin ursprungliga skapare.

Mozillas tidigare rapportering betonar att öppen AI behöver långsiktig infrastruktur, inte bara nya modellanseringar. Rapporten lyfte bland annat fram ett schweiziskt offentligt konsortium som använde offentliga superdatorer och släppte sina vikter, data och träningskod. 11 Policylinjen är att investera i offentlig beräkningskapacitet, neutrala institutioner, tillförlitliga data och utvärdering samt verktyg för utvecklare – inte enbart finansiera ännu en sluten modellkonkurrent.

Kan öppenhet och säkerhet gå hand i hand?

Open Secure AI Alliance erbjuder ett möjligt svar. Nvidia startade sammanslutningen i juli tillsammans med teknik- och säkerhetspartners för att utveckla och dela verktyg för AI-säkerhet och cybersäkerhet, särskilt kring programvara och AI-agenter. Initiativet bygger på tanken att granskningsbara och delade säkerhetsverktyg kan vara en del av svaret på AI-risker.

Det undanröjer inte riskerna med modeller som finns brett tillgängliga. Öppen distribution kan göra det svårare att förebygga och kontrollera missbruk. Men vägvalet är inte bara öppet eller säkert, slutet eller säkert. Frågan är vilka skyddsåtgärder, åtkomstkontroller, utvärderingar och ansvarsformer som följer med respektive driftsättningsmodell.

Frågan för inköpare och beslutsfattare

För företag är kärnfrågan tydlig: När motiverar en proprietär modells marginella kvalitetsvinst dess högre kostnad och leverantörsberoende? Svaret varierar mellan uppgifter. Organisationer som kan mäta modellval, testa på representativa arbetsflöden och behålla möjligheten att byta leverantör står starkare än de som låser sig vid en modelltyp.

För beslutsfattare är avvägningen svårare. Ledarskap i frontmodeller, säkerhet och skydd mot missbruk spelar roll, men det gör också robusta öppna ekosystem och global spridning av tillförlitlig AI-infrastruktur. CSIS varnar för att en strategi som ensidigt fokuserar på proprietärt ledarskap i frontmodeller kan tappa mark till billigare öppna alternativ. 15

När modellgapet minskar blir debatten mer akut. AI-konkurrensen avgörs i allt högre grad inte bara av den bästa modellen i ett laboratorium, utan av vem som erbjuder det mest användbara, anpassningsbara och pålitliga ekosystemet runt den.