Analiza / Opinia
Otwarte modele kodują już jak zamknięte. Zatrzymuje je droga na produkcję.
Doroczny raport Mozilli o otwartym AI pokazuje, że różnica w jakości między najlepszymi otwartymi a zamkniętymi modelami skurczyła się średnio do 3,3%, a na samym kodowaniu modele się zrównały. Cała gra przenosi się teraz do harnessu, czyli warstwy dookoła modelu: na Terminal-Benchu te same wagi Anthropica dawały 79,8% z niezależnym harnessem i tylko 58% w firmowym Claude Code. Otwarte wagi tną też koszty, bo Stripe przeniósł 50 milionów dziennych wywołań na własną infrastrukturę i ściął rachunek o 73%.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Analiza / Opinia · 4 min ·
Mozilla wypuściła doroczny raport o stanie otwartego AI, a jej dyrektor techniczny Raffi Krikorian już we wstępie zastrzega: raport, który ukrywa swoje słabe punkty, jest reklamą, nie analizą. To rzadka szczerość jak na dokument, który w całości broni modeli z otwartymi wagami, więc czytałem go z ołówkiem w ręku. Najważniejsza teza dotyczy wprost tego, co robisz w edytorze: różnica w jakości między najlepszymi otwartymi a zamkniętymi modelami skurczyła się do 3,3% średnio, a na samym kodowaniu otwarte modele zrównały się z zamkniętymi. W tym samym czasie koszt uruchomienia modelu klasy GPT-4 spadł w trzy lata pięćdziesięciokrotnie, z 20 do 0,40 dolara za milion tokenów.
Te 3,3% to średnia po nierównym froncie: na kodowaniu, wykonywaniu poleceń i wiedzy ogólnej jest parytet, a cała różnica zbiera się w rozumowaniu, długim kontekście i zadaniach agentowych.
Otwarte modele łatwo odpalić, trudno wdrożyć
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
