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
›

Otwarte wagi, zamknięte przepisy: co cztery raporty mówią o modelach, które naprawdę można pobrać

Modele językowe z otwartymi wagami odstają dziś od najlepszych modeli zamkniętych o około cztery miesiące w jednym z pomiarów możliwości, wynika z raportu Mozilli opublikowanego 15 września. To samo badanie pokazuje jednak, że luka gwałtownie rośnie, gdy próbujesz uruchomić taki model na własnym sprzęcie.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 28 września 20267 min czytaniaŹródła 5
Otwarte wagi, zamknięte przepisy: co cztery raporty mówią o modelach, które naprawdę można pobrać

Argument za otwartymi wagami zawsze opierał się na obietnicy: dostajesz plik, więc dostajesz kontrolę. Cztery dokumenty opublikowane między majem a wrześniem 2026 roku sprawdzają, ile z tej obietnicy wytrzymuje zderzenie z pomiarem. W niewielu sprawach się zgadzają. Zgadzają się co do tego, że słowo „otwarte” robi mniej, niż zakładają nagłówki.

Liczba czterech miesięcy i to, co ukrywa

Mozilla opublikowała 15 września wersję 1.1 raportu State of Open Source AI, opartą na danych aktualnych na 1 września, podaje Tom's Hardware. Główne ustalenie: najlepszy model otwarty tracił do zamkniętego lidera trzy punkty w Artificial Analysis Intelligence Index przy 60% ceny i plasował się dwa punkty za Claude Fable 5 przy 30% ceny. Dopasowanie Mozilli do danych METR o horyzoncie zadań daje lukę otwarte-zamknięte na poziomie około 4,4 miesiąca, zgodnie z czteromiesięcznym szacunkiem Epoch AI.

METR ocenia modele po długości zadania, mierzonej ludzkim czasem pracy, które kończą z powodzeniem w połowie przypadków. Według dopasowanego szacunku Mozilli modele zamknięte radzą sobie z zadaniami zajmującymi ekspertom od 8 do 12 godzin. Modele otwarte dochodzą do tego mniej więcej cztery miesiące później, a ich możliwości podwajają się co 3,9 miesiąca wobec 5,5 miesiąca w modelach zamkniętych, licząc według Mozilli. Tom's Hardware zwraca uwagę na zastrzeżenie, które sama Mozilla podnosi: liczba czterech miesięcy i cena 30% za token są mierzone API do API na hostowanych endpointach, według cennika katalogowego.

Wykres sprzętowy jest tym niewygodnym

Ten sam raport zawiera wykres, który nie pasuje do nagłówka. Najlepszy model otwarty mieszczący się na jednym serwerze ma wynik 52,6; najlepszy, który mieści się na jednej karcie GPU, ma 40. Spadek od szczytu wynosi odpowiednio 10 i 23 punkty, czyli więcej niż cztery miesiące postępu w możliwościach.

Natywny checkpoint MXFP4 modelu Kimi K3 zajmuje około 1,56 TB w 96 shardach, a konfiguracja serwowania Mozilli wymienia 64 lub więcej akceleratorów, podczas gdy vLLM wymaga co najmniej ośmiu GPU GB300, przy czym ruch produkcyjny rozkłada się na wiele węzłów. Sam raport ujmuje to tak, że model jest otwarty, ale nie do uruchomienia dla większości tych, którzy go mają. Tom's Hardware w lipcu oszacował zapotrzebowanie na pamięć na blisko 1,5 TB. Bywają wyjątki. Inkling-Small firmy Thinking Machines, na licencji Apache 2.0, ma wersję NVFP4, która mieści się na jednej B300 przy dolnej granicy 180 GB. To realny punkt odniesienia i to jeden model.

Otwarte wagi to nie otwarte źródła, a różnica ma znaczenie

Open Source Initiative jasno rozdzieliła te pojęcia w tekście z 19 września. Modele AI mają trzy główne składniki: dane treningowe, wagi i parametry oraz kod służący do przygotowania danych i treningu. Wydania z otwartymi wagami publikują wagi. Reszty nie publikują.

Otwarte wagi pozwalają korzystać z części swobód, ale nie ze wszystkich i tylko do pewnego stopnia. Prawdziwie otwartoźródłowy model AI pozwala korzystać ze wszystkich czterech bez ograniczeń.

Te cztery swobody to używanie, badanie, modyfikowanie i udostępnianie bez pytania właściciela praw o zgodę. OSI wycenia wartość popytową ekosystemu otwartych źródeł na 8,8 bln dolarów i przekonuje, że modele z otwartymi wagami ograniczają modyfikację i uniemożliwiają pełne zbadanie, bo bez kodu i danych treningowych nie sprawdzisz, dlaczego model dał taki wynik. Raport Mozilli, według Tom's Hardware, liczy 16 godnych uwagi wydań otwartych i żadne nie dostarcza przepisu na dane wymaganego przez definicję Open Source Initiative.

Co badania nad zapamiętywaniem wnoszą do sporów o prawa autorskie

Praca na arXiv, po raz pierwszy złożona 18 maja 2025 roku i poprawiana do 20 lipca 2026 roku, mierzy, ile z 200 książek faktycznie zapamiętuje 14 modeli LLM z otwartymi wagami. Autorzy to A. Feder Cooper, Mark A. Lemley, Allison Casasola, Ahmed Ahmed, Aaron Gokaslan, Amy B. Cyphert, Christopher De Sa, Daniel E. Ho i Percy Liang.

Ich ujęcie jest ostre: powodowie i pozwani w sprawach o prawa autorskie dotyczących generatywnej AI formułują skrajne, przeciwstawne twierdzenia o zapamiętywaniu, a oba stanowiska, piszą autorzy, mocno upraszczają związek między zapamiętywaniem a prawem autorskim. W ponad 3 000 eksperymentów autorzy stwierdzają, że większość modeli nie zapamiętuje większości książek, ani w całości, ani we fragmentach. Ale wyjątki się liczą. Llama 3.1 70B zapamiętuje w całości niektóre książki, w tym Harry'ego Pottera i Kamień Filozoficzny, podaje praca. Zapamiętywanie jest tam tak rozległe, że całą książkę można odtworzyć deterministycznie niemal słowo w słowo, podając jako prompt jej pierwsze kilka słów. Autorzy piszą, że wyniki mają istotne znaczenie dla spraw o prawa autorskie, choć nie takie, które jednoznacznie sprzyjałoby którejkolwiek stronie.

Mniejsze, dziwniejsze wdrożenia

Nie każde wydanie z otwartymi wagami goni za czołówką. Superwhisper opublikował S1-mini, normalizator tekstu z 600 000 000 parametrów dostrojony z Qwen/Qwen3-0.6B, na licencji Apache 2.0 z dodatkową klauzulą o nazwie. Robi jedną rzecz: przepisuje surowy wynik rozpoznawania mowy na czysty tekst pisany. Na wydzielonym zbiorze 7 519 angielskich przypadków osiąga 94,8% dokładności tokenowej, a skwantyzowana wersja to plik 462 MiB, który działa na procesorze laptopa. Karta modelu mówi wprost, że to nie jest model konwersacyjny i nie będzie wykonywać ogólnych poleceń.

Karta modelu opisuje też osobliwość w liczeniu na Hubie: panel boczny podaje 800 000 000 parametrów, bo embedding o 155 600 000 parametrów jest liczony dwa razy, co daje 751 600 000 elementów tensorów wobec 596 000 000 unikalnych parametrów. Układ odziedziczono po Qwen3-0.6B, który z tego samego powodu pokazuje na Hubie 0.8B.

Rozumowanie jednego kupującego i jego granice

Opis wdrożenia autorstwa Jamesa Cruce'a, opublikowany 22 września, przedstawia wybór Laya, modelu decyzyjnego z otwartymi wagami o 421 000 000 parametrów, z enkoderem ModernBERT-large i limitem 1 024 tokenów, zamiast hostowanej usługi Jev firmy TypeSafe. Wydawca Laya wytrenował model na czterech syntetycznych procesach: obserwowalności agentów, obsłudze klienta, przetwarzaniu faktur i incydentach bezpieczeństwa.

Cruce jasno mówi, co ten wybór dowodzi. TypeSafe podaje cenę Jev na 0,042 dolara za milion tokenów wejściowych, bez opłaty za tokeny wyjściowe i z wyborem do 255 opcji. Laya działa przez API dostępne tylko na pętli zwrotnej na jego Mac Studio z M3 Ultra i 256 GB pamięci zunifikowanej, więc rutynowe decyzje nigdy nie opuszczają komputera. Pisze wprost, że decydujące były prywatność i kontrola, a koszt był skutkiem ubocznym, bez liczby oszczędności do podania. Nie sprawdzał, czy Laya ogólnie bije Jev.

Zwraca też uwagę, że karta modelu ostrzega, iż Laya jest nadmiernie pewna siebie i wymaga kalibracji na konkretnej dziedzinie, a odpowiedź zgodna z typem może być poprawna formalnie i błędna faktycznie. Jego wniosek jest wąski: traktować model jako rekomender wewnątrz programu, nigdy jako źródło zgody albo prawdy.

Co się broni

Cztery dokumenty wskazują ten sam kierunek, choć nie mówią tego samego. Dane Mozilli mówią, że otwarte wagi są blisko pod względem możliwości i znacznie tańsze w hostowanym cenniku katalogowym, a jednocześnie jej własny wykres sprzętowy mówi, że modeli z czołówki większość ludzi nie uruchomi. OSI mówi, że etykieta jest rozciągana poza swoje znaczenie. Praca o zapamiętywaniu mówi, że sądowe argumenty obu stron są zbyt szerokie wobec tego, co pokazują eksperymenty. Relacja Cruce'a mówi, że decydującym powodem wyboru otwartych wag może być kontrola nad tym, gdzie trafiają dane, a nie pozycja w rankingu.

Podpis pod wykresem Mozilli brzmi: „luka resetuje się w każdym cyklu wydawniczym”. Jej dane kończą się 1 września, a publiczne rankingi od tego czasu się zmieniły. Artificial Analysis przeszło na index v4.3 z innym zestawem ewaluacyjnym; w publicznym rankingu Claude Fable 5.1 ma 53 przy najwyższym ustawieniu wysiłku, a Kimi K3 ma 44. Ranking Terminal-Bench 2.1 serwisu vals.ai, zaktualizowany 11 września, prowadzi GPT-6 Astra z wynikiem 87,27%, a Fable 5.1 ma 85,02%.

W materiale pozostaje jeszcze jedna nierozstrzygnięta sprawa. Z K3 wiąże się zarzut opisany w zbiorowym ostrzeżeniu NSA/CISA/FBI AA26-251A z 8 września, który raport Mozilli przytacza jako „twierdzony, a nieudowodniony”: że Moonshot wyodrębnił dane Claude Fable 5, żeby trenować K3 przez destylację. 17 lipca Artificial Analysis dawało K3 wynik 57 wobec 60 u Fable 5. 1 września Mozilla miała K3 dwa punkty z tyłu. Czy to zbliżenie wynikało z niezależnego treningu, czy z zarzucanego wyodrębnienia danych, tego żaden z czterech dokumentów nie rozstrzyga.

Komentarze 0

Źródła

5
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN
  3. 03Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
  4. 04S1-mini, Superwhisper's first open-weights language modelEN
  5. 05Does an open-weight decision model beat a hosted one? Jev vs. LayaEN

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.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

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