Открытые модели ИИ перестали быть ниишевым инструментом. Стартапы, крупные компании и госструктуры активно переходят на них, привлекаемые перспективой снизить затраты, получить больше контроля над функциональностью и избежать зависимости от закрытых экосистем вроде OpenAI. Но за этой позитивной нарративом скрывается куда более сложная реальность, которую редко обсуждают честно.
Irene Solaiman, главный специалист по политике и вице-президент стратегии в Hugging Face, в беседе с TechCrunch поднимает вопросы, которые обычно остаются за кадром маркетинговых презентаций: как на самом деле захватывать ценность, если модель открыта и любой может её скачать? Как выбирать между той или иной архитектурой, инфраструктурой, лицензией, когда каждый выбор — это компромисс? И почему китайские игроки, похоже, начинают выигрывать в гонке на открытом фронте?
Суть здесь в том, что открытость модели вовсе не означает отсутствие затрат. Напротив: можно потратить огромные ресурсы на тонкую настройку, адаптацию под задачу, масштабирование инфраструктуры — и в итоге обнаружить, что конкурент проделал то же самое быстрее или дешевле. Выбор стека (какая база данных, какой фреймворк, какое облако) кажется технической деталью, но на деле это стратегическое решение о том, сколько вы будете платить за вычисления, сколько контроля получите, насколько легко масштабировать. И для стартапа ошибка на этом этапе может быть критичной.
Китайские компании вроде Alibaba, ByteDance и других активно выпускают собственные открытые модели, часто вполне конкурентоспособные по качеству. Они работают с собственной инфраструктурой, своими операционными издержками и экосистемой, что даёт им асимметричное преимущество. Американские и европейские игроки, включая Hugging Face, действуют в более сложной среде: нужно одновременно поддерживать стандарты, обеспечивать безопасность, гибкость, конкурировать на цене — и при этом оставаться прибыльной компанией. Это намного сложнее, чем просто выложить код на GitHub.
Для российских компаний, которые рассматривают открытые модели как способ снизить издержки на ИИ-функциональность, важно понимать: бесплатная модель — это только фундамент. Реальные затраты кроются в адаптации, тестировании, поддержке и вычислительных ресурсах. Практически любой сценарий использования — от рекомендательных систем до автоматизации обработки текстов — требует доработки под собственные данные и задачи. Инструменты вроде Hugging Face Hub и облачные платформы помогают ускорить процесс, но не отменяют необходимость компетенций внутри команды. Компании, которые планируют встроить ИИ в продукт или процесс, должны заложить в бюджет как минимум этап экспериментирования и выбора подходящей архитектуры.
Сама Hugging Face в этой истории занимает амбивалентную позицию. Компания развивает инфраструктуру и экосистему для работы с открытыми моделями, то есть заинтересована в их распространении. Но она также выступает в роли платформы, на которой остаются вопросы безопасности, авторского права и воспроизводимости. Когда модель открыта, её может использовать кто угодно — в том числе в целях, которые создатель не одобрит. Это не новая проблема, но масштаб её растёт по мере того, как модели становятся мощнее и доступнее.
Алексей Мартыненко
Главный редактор SPV News
Открытые модели часто позиционируют как дешёвую альтернативу закрытым, но это полуправда. Реальная экономика определяется не лицензией, а способностью встроить решение в собственный стек без переделок. Если вы выбрали неправильный фреймворк или хостинг — потом будет дорого менять. Для стартапа важно потратить время на выбор инструментов в начале, а не пилить в спешке на OpenAI, а потом переходить обратно на открытое.