ดอยช์แบงก์ระบุว่าค่าพรีเมียมของโมเดลแบบปิดนี้ยากที่จะอธิบายให้สมเหตุสมผลได้มากขึ้นเรื่อยๆ เนื่องจากโมเดลโอเพ่นราคาถูกมีการพัฒนาจนมีประสิทธิภาพเทียบเท่าโมเดลระดับแนวหน้าได้อย่างรวดเร็ว
สำหรับงานทั่วไป 90% Deutsche Bank พบว่าประสิทธิภาพของโมเดลแบบโอเพ่นนั้น เทียบเท่าได้ กับโมเดล AI ระบบปิด ส่วนต่างทางคุณภาพที่มีนัยสำคัญของโมเดลระบบปิดมีอยู่แค่ในงานที่ยากและซับซ้อนที่สุดในเบนช์มาร์กเท่านั้น — ไม่ใช่ในงานผลิตจริงส่วนใหญ่ในโลกแห่งความจริง ข้อมูลในอุตสาหกรรมที่กว้างขึ้นก็สนับสนุนข้อนี้: สำหรับงานผลิตที่เฉพาะเจาะจงอย่างการเขียนโค้ด ช่องว่างในเบนช์มาร์ก (10–15%) หดเหลือช่องว่างในงานผลิตจริงแค่ 2–5% สำหรับโมเดลแบบโอเพ่น
งานวิจัยของ Deutsche Bank สอดคล้องกับข้อค้นพบอื่นๆ ที่เป็นอิสระว่าช่องว่างด้านความสามารถของโมเดลแบบโอเพ่นที่ตามหลังโมเดลระบบปิดนั้นหดตัวอย่างมาก — จากที่เคยเป็นระยะเวลาหลายปี เหลือเพียงแค่ 3–4 เดือน ในช่วงกลางปี 2026 การวิเคราะห์ร่วมสมัยของ EpochAI ระบุว่าช่องว่างนี้อยู่ที่ประมาณ 3 เดือนในดัชนีความสามารถแบบองค์รวม โดยมีคะแนนเฉลี่ยต่างกันประมาณ 7 คะแนน การเปลี่ยนแปลงเฟสนี้ในความเร็วในการปล่อยโมเดล (จากรอบ 6 เดือนในปี 2024 เป็นรอบ 72 ชั่วโมงในไตรมาสแรกของปี 2026) หมายความว่าข้อได้เปรียบด้านประสิทธิภาพใดๆ ของระบบปิดนั้นอยู่ได้ไม่นาน
Deutsche Bank เน้นย้ำว่านี่ ไม่ใช่การแบ่งแยกตามภูมิศาสตร์ (เช่น สหรัฐฯ เทียบกับจีน) การบีบอัดด้านต้นทุนและประสิทธิภาพเป็น ปรากฏการณ์เชิงโครงสร้างระดับโลก ที่ขับเคลื่อนโดยการแพร่หลายของโมเดลแบบโอเพ่นในหลายภูมิภาค — รวมถึง DeepSeek และ Zhipu AI ของจีน, Meta (Llama) ของสหรัฐฯ และอื่นๆ แกนที่เกี่ยวข้องคือระบบเปิดเทียบกับระบบปิด ไม่ใช่ตะวันออกเทียบกับตะวันตก ดอยช์แบงก์เน้นเป็นพิเศษว่าความก้าวหน้าของ DeepSeek ในช่วงต้นปี 2025 เป็นจุดที่กรอบคิดแบบแบ่งตามภูมิศาสตร์เดิมเริ่มใช้ไม่ได้
Deutsche Bank เชื่อว่าพลวัตนี้สามารถ กระตุ้นให้เกิดการประเมินมูลค่า AI ในตลาดครั้งใหญ่ ผลกระทบที่สำคัญ:
ดอยช์แบงก์ระบุว่าค่าพรีเมียมของโมเดลแบบปิดนี้ยากที่จะอธิบายให้สมเหตุสมผลได้มากขึ้นเรื่อยๆ เนื่องจากโมเดลโอเพ่นราคาถูกมีการพัฒนาจนมีประสิทธิภาพเทียบเท่าโมเดลระดับแนวหน้าได้อย่างรวดเร็ว
สำหรับงานทั่วไป 90% Deutsche Bank พบว่าประสิทธิภาพของโมเดลแบบโอเพ่นนั้น เทียบเท่าได้ กับโมเดล AI ระบบปิด ส่วนต่างทางคุณภาพที่มีนัยสำคัญของโมเดลระบบปิดมีอยู่แค่ในงานที่ยากและซับซ้อนที่สุดในเบนช์มาร์กเท่านั้น — ไม่ใช่ในงานผลิตจริงส่วนใหญ่ในโลกแห่งความจริง ข้อมูลในอุตสาหกรรมที่กว้างขึ้นก็สนับสนุนข้อนี้: สำหรับงานผลิตที่เฉพาะเจาะจงอย่างการเขียนโค้ด ช่องว่างในเบนช์มาร์ก (10–15%) หดเหลือช่องว่างในงานผลิตจริงแค่ 2–5% สำหรับโมเดลแบบโอเพ่น
งานวิจัยของ Deutsche Bank สอดคล้องกับข้อค้นพบอื่นๆ ที่เป็นอิสระว่าช่องว่างด้านความสามารถของโมเดลแบบโอเพ่นที่ตามหลังโมเดลระบบปิดนั้นหดตัวอย่างมาก — จากที่เคยเป็นระยะเวลาหลายปี เหลือเพียงแค่ 3–4 เดือน ในช่วงกลางปี 2026 การวิเคราะห์ร่วมสมัยของ EpochAI ระบุว่าช่องว่างนี้อยู่ที่ประมาณ 3 เดือนในดัชนีความสามารถแบบองค์รวม โดยมีคะแนนเฉลี่ยต่างกันประมาณ 7 คะแนน การเปลี่ยนแปลงเฟสนี้ในความเร็วในการปล่อยโมเดล (จากรอบ 6 เดือนในปี 2024 เป็นรอบ 72 ชั่วโมงในไตรมาสแรกของปี 2026) หมายความว่าข้อได้เปรียบด้านประสิทธิภาพใดๆ ของระบบปิดนั้นอยู่ได้ไม่นาน
Deutsche Bank เน้นย้ำว่านี่ ไม่ใช่การแบ่งแยกตามภูมิศาสตร์ (เช่น สหรัฐฯ เทียบกับจีน) การบีบอัดด้านต้นทุนและประสิทธิภาพเป็น ปรากฏการณ์เชิงโครงสร้างระดับโลก ที่ขับเคลื่อนโดยการแพร่หลายของโมเดลแบบโอเพ่นในหลายภูมิภาค — รวมถึง DeepSeek และ Zhipu AI ของจีน, Meta (Llama) ของสหรัฐฯ และอื่นๆ แกนที่เกี่ยวข้องคือระบบเปิดเทียบกับระบบปิด ไม่ใช่ตะวันออกเทียบกับตะวันตก ดอยช์แบงก์เน้นเป็นพิเศษว่าความก้าวหน้าของ DeepSeek ในช่วงต้นปี 2025 เป็นจุดที่กรอบคิดแบบแบ่งตามภูมิศาสตร์เดิมเริ่มใช้ไม่ได้
Deutsche Bank เชื่อว่าพลวัตนี้สามารถ กระตุ้นให้เกิดการประเมินมูลค่า AI ในตลาดครั้งใหญ่ ผลกระทบที่สำคัญ: