Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Chińskie modele open source mają większość tokenów na dwóch bramach dla deweloperów

Chińskie modele AI przeszły z mniejszości do większości tokenów na OpenRouterze i Vercelu w 2026 roku, wynika z danych o użyciu udostępnionych CNBC. Waszyngton wszczyna w tej sprawie śledztwa.

AI i modeleAnalizaMarta ZielińskaOpublikowano: 27 września 20265 min czytaniaŹródła 5
Chińskie modele open source mają większość tokenów na dwóch bramach dla deweloperów

Dwie bramy dla deweloperów, które kierują ruch do wielu dostawców modeli, wysyłają teraz większość swoich tokenów do chińskich laboratoriów. Na OpenRouterze chińskie modele odpowiadały za 57% do 67% tokenów w tygodniu 14 września, w porównaniu z 6% do 13% w lutym, wynika z danych o użyciu udostępnionych CNBC. W Vercelu udział wzrósł do 55% w sierpniu z 11% w styczniu. CNBC podało te liczby 26 września.

Dane opisują trasowanie ruchu, nie wyniki w rankingach. Mimo to są najwyraźniejszym sygnałem adopcji opublikowanym w tym kwartale.

Dane OpenRoutera obejmują firmy ze Stanów Zjednoczonych, Europy i z tego, co platforma określa jako "Globalne Południe", 82 kraje w Ameryce Środkowej i Południowej, Afryce i Azji. Vercel nie podał podziału geograficznego dla swojego wyniku. Około połowę tokenów na OpenRouterze zużywają firmy ze Stanów Zjednoczonych, więc ogólnej mieszanki platformy nie kształtuje jeden region.

Cena, potem zdolności

Peter Walker, szef działu analiz w OpenRouterze, powiedział CNBC, że chińskie modele open source wydane w tym roku "mogą wiarygodnie działać w zaawansowanych zastosowaniach agentowych, zwłaszcza w kodowaniu, czego w końcu 2025 roku po prostu nie było". Dodał, że są "niesamowicie opłacalne w porównaniu z większością modeli z amerykańskich laboratoriów". Harpreet Arora, szef infrastruktury agentowej w Vercelu, ujął to samo w kategoriach kolejności: "Chińskie modele stają się wystarczająco zdolne do coraz większej liczby zadań przy znacznie niższym koszcie. Gdy model spełnia próg jakości dla danego zadania, ta różnica w cenie staje się przekonująca". Arora powiedział też, że firmy nadal chcą czołowych amerykańskich modeli do niektórych trudniejszych zadań. To zastrzeżenie ma znaczenie. Raport CNBC odnotowuje, że czołowe amerykańskie modele wciąż przyciągają więcej ogólnych wydatków, nawet tam, gdzie udział tokenów się odwrócił. Liczba tokenów nagradza tanią pracę o dużej skali, taką jak generowanie kodu i pętle agentowe. Wydatki nagradzają drogie wywołania, które klienci rezerwują na zadania, w których nie mogą sobie pozwolić na błąd.

W grupie "Globalnego Południa", którą śledzi OpenRouter, ponad dwie trzecie tokenów, 67%, trafiło w ostatnich tygodniach do chińskich modeli. Daniel Remler, starszy analityk CNAS, powiedział CNBC, że szczególnie w Azji Południowo-Wschodniej może nastąpić znaczny wzrost użycia z powodu więzi gospodarczych i kulturowych z Chinami oraz rosnącej infrastruktury cyfrowej. "Wszędzie od Lagos po São Paulo i Dżakartę, gdzie przedsiębiorcy i rządy szukają tanich, otwartych modeli, najpierw spojrzą na chińską AI" - powiedział.

Anthropic i OpenAI ogłosiły tańsze modele wcześniej w tym samym tygodniu. Dianne Penn, która kieruje zarządzaniem produktem w dziale badań i laboratoriów Anthropic, powiedziała CNBC, że firma próbuje uczynić odpowiedzi "bardziej wydajnymi, tak by zużywały mniej tokenów w zależności od ustawienia wysiłku".

Waszyngton otwiera akta

Dwie komisje Izby Reprezentantów Stanów Zjednoczonych badają wpływ rosnącej adopcji chińskich modeli, wynika z tego samego raportu. Deklarowane obawy dotyczą konkurencji technologicznej, bezpieczeństwa i globalnych wpływów Pekinu. Stany Zjednoczone próbowały chronić swoją przewagę, ograniczając chińskim firmom AI zakup najbardziej zaawansowanych chipów przez kontrolę eksportu. Waszyngton niepokoi się też zdalnym dostępem do chipów Nvidii przez zagraniczne centra danych oraz "destylacją", w której nowe modele uczy się naśladować starsze, ugruntowane. Remler ujął ryzyko w kategoriach zgodności, a nie samej wydajności. Chińska AI oznacza "realne ryzyko gospodarcze i bezpieczeństwa dla Stanów Zjednoczonych" - powiedział CNBC - a "największa obawa polega na tym, że integracja chińskich modeli AI wciąga kraje w chińską strefę wpływów technologicznych, która twardnieje w geopolityczne przyporządkowanie". AI była głównym tematem, gdy prezydent Stanów Zjednoczonych Donald Trump i prezydent Chin Xi Jinping spotkali się w tym tygodniu, podało CNBC.

Dane o adopcji towarzyszą osobnemu zestawowi twierdzeń o świeżości modeli, który trudniej zweryfikować i łatwiej pomylić. Strona Show HN opublikowana 16 września, stale.jock.pl, wymienia daty wydania i granice danych treningowych dla 20 modeli z 8 laboratoriów i liczy w górę od każdej daty na żywo. Podaje, że 10 z 20 modeli ma granicę, którą laboratorium faktycznie publikuje, a 5 z 8 laboratoriów, Anthropic, Google DeepMind, Meta, OpenAI i xAI, opublikowało granicę dla co najmniej jednego modelu z listy. Strona zaznacza, że puste pole oznacza, iż sprawdzone źródła dostawcy nie ustaliły granicy, a nie dowód, że żadna nie istnieje.

Jej własny przykład najczysto pokazuje tę lukę. GPT-6 Astra, według tej strony, ukazał się 3 września 2026 roku z danymi treningowymi sięgającymi 30 kwietnia 2026 roku, czyli około czterech miesięcy w tyle w dniu premiery. Ta sama strona opisuje test, w którym 16 modeli otrzymało narzędzie wyszukiwania w sieci przy ponad 2 000 wywołań: czołowe modele decydowały poprawnie niemal za każdym razem, a słabsze podawały ustalone fakty, które się zmieniły, bez sprawdzenia, i szukały w sieci rzeczy takich jak temperatura wrzenia wody.

To zastrzeżenie dla każdego, kto czyta liczby adopcji jako wyrok o jakości. Udział tokenów mierzy, dokąd deweloperzy kierują ruch. Nie mierzy, czy model wie, jaki jest dzień.

Trzy inne premiery w tym miesiącu wskazują w różnych kierunkach. Cactus Compute opublikował Needle 3 18 września, rodzinę modeli, którą opisuje jako produkującą binaria CQ2-bitowe o rozmiarze od 9 do 29 MB, z czterowarstwową podsiecią, która według firmy dorównuje DeepSeek V4 Flash po dostrojeniu na zadaniach downstream przez jedną epokę; firma podaje, że trenowała na 360 000 000 000 tokenów własnego uporządkowanego zbioru danych i raportuje dekodowanie na poziomie od 400 do 4 000 tokenów/s na Raspberry Pi 5. Cua opublikowała CUA-S1 19 września, na licencji MIT, wyłącznie źródłowe wydanie badawcze małych modeli do decyzji o używaniu komputera, z wagami udostępnionymi osobno na Hugging Face. A 21 września projekt o nazwie mini-AGI pokazał model bajtowy uczący się ciągle na jednym GPU z 8 GB VRAM, z wagami jeszcze nieopublikowanymi i przebiegiem 7,14% przez korpus.

Żaden z tych trzech nie zmienia liczb OpenRoutera ani Vercelu. Pokazują jednak, dokąd pcha mniejszy koniec rynku: wnioskowanie lokalne na urządzeniu, decyzje w ograniczonym zakresie i treningi, które mieszczą się na sprzęcie jednego dewelopera. Czy to zmieni mieszankę tokenów, to pytanie do następnego zestawu danych z bram, nie do tego.

Komentarze 0

Źródła

5
  1. 01Chinese AI models surge in global popularity, and Washington is worriedEN
  2. 02How stale is your AI? Release age and training cutoff for 20 modelsEN
  3. 03Needle 3: 8-29 MB foundation model for tiny devicesEN
  4. 04CUA-S1: A System One Model for Computer UseEN
  5. 05mini-AGI: continual learning model trained on 8GB VRAMEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.