Разрыв в производительности между передовыми моделями ИИ от американских технологических компаний и лучшими моделями с открытым весом от китайских компаний сократился до 4,4 месяца, согласно отчету Mozilla. Это объясняет, почему многие компании переходят на значительно более дешевые открытые модели для рутинной работы, и помогает выявить узкий спектр задач, для которых передовые модели стоят своих денег.
Большинство организаций в идеале должны использовать открытые модели по умолчанию для большинства своих задач, согласно последнему отчету State of Open Source AI от Mozilla, опубликованному 15 сентября и предоставленному Ars до публикации. Отчет подчеркивает, как ведущая открытая модель Kimi K3 от Moonshot AI достигает общего балла производительности ИИ в Artificial Analysis Intelligence Index, который всего на три пункта отстает от закрытой передовой модели Fable 5 от Anthropic, при этом стоимость ее использования составляет всего 30 процентов от последней.
«Закрытые модели оправдывают свою премиальную цену в нескольких областях: экспертная профессиональная работа, интенсивный поиск информации и работа с большим контекстом», — сказал Раффи Крикорян, технический директор Mozilla, в электронном письме Ars. «Мы рассматриваем решение платить за закрытые модели как зависящее от конкретной рабочей нагрузки, а не от организации».
Модели ИИ с открытым весом позволяют любому загрузить основные компоненты модели и запускать их на собственных компьютерах, но разработчики обычно скрывают важную информацию, такую как обучающие данные, конвейер данных и код обучения. В отличие от них, американские технологические компании, такие как Anthropic и OpenAI, в основном предлагают закрытые передовые модели, которые сохраняют все в своей собственности, требуя от клиентов большей платы за доступ.
Организации по-прежнему платят за закрытые передовые модели, потому что они работают «из коробки» и поставляются с «пакетом соответствия, поддержкой и подотчетностью», в то время как многие организации не имеют достаточного количества персонала для эффективной работы с моделями с открытым весом, пояснил Крикорян.
,
Однако неуклонно сокращающийся разрыв в производительности между открытыми и закрытыми передовыми моделями в сочетании с экономической эффективностью открытых моделей теперь широко признан многими компаниями. Например, компания по доставке DoorDash использует Kimi для рутинной работы, оставляя Fable для более сложных задач, которые обычно требуют больше времени у экспертов-людей.
Неудивительно, что это ускорило использование открытых моделей с момента публикации первого отчета Mozilla State of Open Source AI 14 июля.
Оценка разрыва в производительности
Сокращающийся разрыв в производительности измеряется несколькими способами. Например, некоммерческая исследовательская организация METR определяет «временной горизонт» модели ИИ как продолжительность задач — измеряемую по времени, которое требуется экспертам-людям для их выполнения — которые могут быть выполнены моделями ИИ с «надежным» 50-процентным уровнем успеха. Этот временной горизонт удваивается с определенной периодичностью, которая со временем ускоряется.
Лучшая закрытая модель в настоящее время может выполнить задачу, которая в 1,7 раза длиннее самой длинной задачи, которую лучшая открытая модель может надежно завершить.
«Если открытый фронт может справиться с семичасовой задачей, то закрытый фронт может справиться с двенадцатичасовой», — сказал Крикорян Ars. «Через четыре месяца открытая модель справится с двенадцатичасовой задачей, а закрытая — примерно с двадцатичасовой».
Задачи, требующие от восьми до двенадцати часов, как правило, являются теми, которые может выполнить закрытая передовая модель, а открытые модели пока не справляются, сказал Крикорян. Ни одна модель, как правило, не способна надежно выполнять задачи продолжительностью более двенадцати часов, в то время как задачи продолжительностью менее восьми часов могут быть выполнены любым типом модели и могут быть переданы более дешевым открытым моделям.
Существует множество нюансов и оговорок для таких сравнений. Например, закрытые передовые модели часто поставляются с собственным инструментарием — программным уровнем, который помогает моделям получать доступ к различным инструментам и памяти для выполнения действий, подобных действиям агента. Инструментарий, созданный ИИ-лабораториями для их моделей, иногда может повысить производительность в различных задачах, в то время как модели могут работать хуже со сторонним инструментарием.
,
Чтобы выровнять условия игры, компания по тестированию производительности Vals AI оценивает различные открытые и закрытые модели, используя свой собственный нейтральный инструментарий. Когда каждая модель работала на одном и том же инструментарии в оценке Terminal-Bench 2.1, открытая модель GLM 5.2 от китайской компании Z.ai (Zhipu AI) набрала балл в пределах одного пункта от Claude Opus 4.7 и 4.8 от Anthropic, при этом стоимость ее использования была примерно в пять раз ниже за завершенную задачу.
Другими словами, плата за закрытые передовые модели дает примерно четырехмесячное преимущество при пятикратной стоимости за задачу — но только при рассмотрении задач продолжительностью от восьми до двенадцати часов.
«Платите, когда это преимущество того стоит, например, если срок выполнения задачи наступает раньше, чем открытый фронт догонит», — сказал Крикорян Ars. «Рутинная работа, которую вы будете выполнять и в следующем квартале, не стоит этого, потому что скоро вы сможете делать ее за пятую часть стоимости, и модель в любом случае не будет узким местом».
Концентрация власти
Растущая популярность моделей с открытым весом видна на OpenRouter — шлюзе и торговой площадке ИИ, которая предоставляет разработчикам доступ к сотням различных моделей от множества поставщиков. В отчете Mozilla отмечается, что восемь из десяти лучших моделей по объему токенов в августе 2026 года имеют открытый вес.
Однако открытые модели по-прежнему отстают от закрытых передовых моделей по доходам. В статье Фрэнка Нагла и Дэниела Юэ для Linux Foundation говорится, что открытые модели принесли всего 4 процента от общего дохода, в то время как закрытые модели получили 96 процентов дохода — хотя они рассматривали данные за период с мая по сентябрь 2025 года.
«За последний год открытые модели взорвались, поэтому мы ожидаем, что доходы сместились», — сказал Крикорян.
,
Текущая реальность такова, что «большинство открытых моделей, на которых работает мир, — китайские», сказал Крикорян. «Китайские лаборатории используют ту же стратегию, что и американцы с Android — отдают бесплатно, но владеют экосистемой вокруг этого», — пояснил он.
Но Крикорян обеспокоен не столько «китайскими моделями», сколько риском концентрации. В настоящее время лучшие открытые модели сосредоточены в Китае, в то время как лучшие закрытые передовые модели поступают от американских компаний. Он призвал американские и европейские лаборатории начать конкурировать в «той же открытой нише, чтобы ни одна страна не устанавливала мировые стандарты».
«Неудобная правда заключается в том, что плюралистическая экосистема вокруг ИИ с открытым весом в настоящее время в значительной степени финансируется китайским капиталом», — сказал Крикорян. «Это плюрализм и концентрация одновременно».
История развития программного обеспечения с открытым исходным кодом, такого как Linux, может дать некоторые уроки о том, как может сформироваться «альтернативная коалиция», сказал Крикорян. Такая инфраструктура программного обеспечения с открытым исходным кодом финансировалась коалицией организаций, которые «каждая нуждалась в существовании базового слоя», включая нейтральные фонды.
Любая коалиция по созданию более открытых моделей ИИ, вероятно, будет состоять из «учреждений с миссией, а не с рынком», в отличие от передовых ИИ-лабораторий, сказал Крикорян. Он описал это следующим образом:
Нам нужны программы общественного вычислительного обеспечения, финансирующие полностью открытые эталонные модели. Швейцарский национальный вычислительный центр Apertus является примером. Фонды должны занимать ту же нейтральную позицию, которую они занимали в отношении открытых протоколов Интернета, распространив ее на модели, инструментарий и стандарты агентов. Компании, которые выигрывают от базовых моделей, должны участвовать. А филантропия должна покрывать то, что никто другой не сможет — особенно инфраструктуру оценки и аудита.
Крикорян также призвал альтернативную коалицию пойти еще дальше, чем модели с открытым весом, приняв более широкий подход к открытому исходному коду. «Трудно полностью доверять модели при принятии решений, если вы не можете сказать, как она была обучена или против чего она оценивалась», — сказал он.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jeremy Hsu
