1. Китайські моделі зі змінною вагою дешеві: Вплив на рішення Вашингтона 2. Вашингтон оцінює наслідки дешевизни китайських моделей зі змінною вагою

Майбутнє китайських відкритих моделей: що чекає нас попереду?

Останнім часом технологічний світ активно обговорює використання китайських відкритих моделей, таких як Kimi K3 від Moonshot AI. Цей модель, що була представлена 16 липня, викликала хвилю дискусій у Вашингтоні, яке здавалося, стало на паузу на рік. Питання, яке цікавить багатьох підприємств, полягає не тільки в продуктивності моделей, а й у тому, чи будуть вони зручні для використання через рік.

Результат цих дискусій вплине на рішення щодо закупівель далеко за межами Сполучених Штатів, оскільки федеральні правила закупівель, експортні списки та рекомендації з безпеки поширюються через ті самі хмарні провайдери, які обслуговують більшість світу. Відправною точкою стала публікація Діна В.Болла, директора з стратегічних прогнозів OpenAI, який раніше займав посаду старшого радника з питань штучного інтелекту в Білому домі під час адміністрації Трампа.

Його оцінка моделі Kimi K3 була здебільшого позитивною: дуже гарна модель, чиї результати, на його думку, не можна пояснити лише дистиляцією. Також він зазначив, що це модель «дуже Споживає токени» і що використовувати її насправді недешево, оскільки K3 працює з максимальною інтенсивністю міркувань і коштує $15 за мільйон токенів.

Загострені обговорення в США стосуються не тільки комерційних, а й безпекових аспектів використання китайських моделей. Закриті лабораторії покладаються на дохід з токенів, намагаючись виправдати свої інвестиції в дата-центри, а відкриті моделі знижують цей дохід. Хоча дані вже показують тренд на зростання використання відкритих моделей, питання, чи буде ваш хмарний провайдер підтримувати певну модель через рік, залишаються актуальними.

Серед побоювань існує загроза можливої присутності “задніх дверей” в китайських відкритих моделях. Хоча дані NIST виявляли уразливості в відкритих моделях DeepSeek, під питанням залишаються і тренінгові дані, що використовуються для навчання моделей. Ці питання загострюються в регульованих індустріях незалежно від місця їх розробки.

Для компаній, які планують використовувати такі моделі, необхідність проведення ретельного належного аудиту є першочерговим завданням. Питання полягає не в тому, чи є китайські відкриті моделі безпечними, а в тому, чи залишиться конкретна модель у каталозі вашого провайдера через рік і скільки це буде коштувати, якщо її доведеться змінити. Це питання, яке можна вирішити вже зараз.