Otwarte wagi to nie open source, a dystans do modeli zamkniętych i tak maleje

Dwa dokumenty opublikowane w odstępie czterech dni we wrześniu opisują ten sam rynek z dwóch skrajnych perspektyw. Raport Mozilla mierzy, jak blisko zamkniętych modeli znalazły się te z otwartymi wagami. Open Source Initiative bada, co właściwie można zrobić z tymi wagami.

Liczby z raportu Mozilla są bardziej cytowalne. Wersja 1.1 dokumentu „State of Open Source AI”, opublikowana 15 września z danymi aktualnymi na 1 września, wykazała, że najlepszy otwarty model ustępuje zamkniętemu liderowi o trzy punkty w Artificial Analysis Intelligence Index przy 60% ceny, według Tom's Hardware. W przypadku Claude Fable 5 różnica wynosiła dwa punkty przy 30% ceny. Szacunki Mozilla na podstawie danych METR o horyzoncie zadań wskazują na opóźnienie otwartych modeli o około 4,4 miesiąca, co zgadza się z szacunkiem czwartego miesiąca od Epoch AI.

Czym faktycznie mierzy się ta cztero-miesięczna różnica

METR ocenia model na podstawie długości zadania, wyrażonej w ludzkim czasie pracy, które model kończy z prawdopodobieństwem 50%. Według oszacowań dopasowanych przez Mozilla, modele zamknięte radzą sobie z zadaniami zajmującymi ekspertom 8 do 12 godzin, a modele otwarte osiągają ten poziom około cztery miesiące później. W obliczeniach Mozilla, zdolności otwartych modeli podwajają się co 3,9 miesiąca, wobec 5,5 miesiąca dla modeli zamkniętych.

Mozilla to organizacja non-profit stojąca za Firefoksem i zwolenniczka modeli otwartych. Jej raport opiera się na ankiecie Mozilla/SlashData wśród około 1400 developerów, danych o ruchu z OpenRouter i zewnętrznych indeksach benchmarków. Tom's Hardware zauważył, że TIME 14 lipca poinformował, że CTO Mozilla, Raffi Krikorian, opisał raport jako częściowo działający na rzecz adwokacji. Raport liczy 16 znaczących otwartych wydań, ale żadne z nich nie dostarcza receptury danych wymaganej przez definicję Open Source Initiative.

„Postrzegamy decyzję o płaceniu za zamknięte [modele] jako zależną od obciążenia, a nie od organizacji” – powiedział Krikorian w e-mailu do Ars Technica.

Istnieje drugie zastrzeżenie ukryte w wykresie sprzętowym samego raportu. Najlepszy otwarty model mieszczący się na jednym serwerze uzyskuje wynik 52,6, a najlepszy na jednej karcie GPU 40, co oznacza spadek o 10 i 23 punkty w stosunku do czołówki. To szersza luka niż cztery miesiące. Natywny checkpoint Kimi K3 w formacie MXFP4 zajmuje około 1,56 TB rozłożone na 96 fragmentów, a konfiguracja serwowania Mozilla wymienia 64 lub więcej akceleratorów, przy czym vLLM wymaga co najmniej ośmiu GPU GB300. Raport opisuje to jako otwarte, ale nie uruchamialne przez większość posiadaczy. Inkling-Small od Thinking Machines, pod licencją Apache 2.0, mieści się na jednej karcie B300 przy minimalnym zużyciu 180 GB.

Dane Mozilla kończą się 1 września, a tabele na żywo się zmieniły. Artificial Analysis zmienił swój indeks na v4.3 z innym zestawem oceniającym, gdzie Claude Fable 5.1 osiąga 53 przy najwyższym poziomie wysiłku, wobec 44 dla Kimi K3. Tablica Terminal-Bench 2.1 na vals.ai, zaktualizowana 11 września, jest prowadzona przez GPT-6 Astra z wynikiem 87,27%. Podpis pod własnym wykresem Mozilla brzmi: „luka resetuje się przy każdym cyklu wydania”.

K3 niesie ze sobą również oskarżenie opisane w wspólnym komunikacie NSA/CISA/FBI z 8 września, AA26-251A. Twierdzenie, które raport Mozilla przedstawia jako „asserted, and unshown” (stwierdzone, ale nieudowodnione), dotyczy tego, że Moonshot wyodrębnił dane Claude Fable 5, aby przeszkolić K3 przez destylację, czyli praktykę trenowania jednego modelu na wyjściach innego.

Argument licencyjny pod spodem

Post Open Source Initiative z 19 września idzie w przeciwnym kierunku. Otwarte wagi, argumentują, pozwalają wykonywać część czterech wolności programistycznych: używania, studiowania, modyfikowania i udostępniania, ale nie wszystkie i tylko w ograniczonym stopniu.

Model AI składa się z trzech elementów: danych treningowych, wag i parametrów oraz kodu do przygotowania danych i treningu. Wydania z otwartymi wagami publikują tylko środkowy element. Pozwala to uruchomić model lokalnie, zapłacić stronie trzeciej za hostowanie lub dobrać go na własnych danych. Nie pozwala to jednak w pełni modyfikować ani studium modelu, ponieważ kod i dane treningowe, lub szczegółowy opis sposobu ich budowy, pozostają prywatne.

OSI wskazuje na Olmo od Ai2 jako przeciwprzykład. Ponieważ Olmo dostarcza pełny zestaw danych treningowych i checkpointy modelu, badacze mogli wstrzykiwać nowe informacje do danych treningowych i obserwować, jak model je zapamiętywał lub zapomniał. Tego typu badania są możliwe tylko przy pełnym wydaniu open source, argumentuje OSI.

Te rozróżnienie nie jest akademickie. Mozilla zidentyfikowało osiem z dziesięciu największych modeli pod względem wolumenu tokenów na OpenRouter do sierpnia jako modele z otwartymi wagami, z czego siedem zostało zbudowanych w Chinach. Zamknięcy dostawcy wciąż zdobywali 96% przychodów z warstwy modelowej na OpenRouter od maja do września 2025 roku, według Linux Foundation, co sugeruje, że kupujący ważą obciążenia, a nie ideologię.

Żaden z dokumentów nie rozstrzyga pytania, które jego autorzy postawili. Cztero-miesięczna liczba Mozilla jest mierzona API do API na hostowanych endpointach po cenie katalogowej, a jej własny podpis przyznaje, że luka resetuje się przy każdym wydaniu. Argument OSI dotyczy tego, co pozwala licencja, a nie czego potrzebuje kupujący. Obie strony jasno pokazują, że „otwarte” obejmuje teraz zakres ustaleń, a sama etykieta mówi bardzo niewiele o modelu pod spodem.