Mi történt
Az AI-alkalmazások induló vállalkozásai egyre gyakrabban alkalmaznak nyitott súlyú modelleket, hogy csökkentsék a OpenAI és Anthropic növekvő API-költségeit. A Harvey, a legális mesterséges intelligencia egyszarvú, a bruttó árrés -50%-ra esett júniusban a OpenAI GPT-4 magas használatának köszönhetően. Válaszul Harvey kiadott egy saját tulajdonú modellt, amelyet a Moonshot AI Kimi K3 támogat, amely visszaállította a pozitív árrést. Más cégek, köztük az Abridge, a Decagon és a Ramp szintén fejlesztik vagy testreszabják saját modelleiket, és egyesek a forgalom akár 80%-át is saját tulajdonú rendszerekre költöztetik. Ezt az elmozdulást a modellszolgáltatók agresszív árképzési stratégiái és a nyílt forráskódú alternatívák teljesítményének javulása okozzák.
A Harvey, a 15,6 milliárd dollár értékű legális mesterségesintelligencia-vállalkozás júniusban a bruttó árrés jelentősen, 50%-ról -50%-ra csökkent a OpenAI GPT-4 magas API-költségei miatt. Ennek megoldására a Harvey augusztusban kiadott egy saját tulajdonú modellt, amelyet a Moonshot AI Kimi K3 támogat, amely a Anthropic legjobb termékeihez közeli teljesítményt kínál a költségek töredékéért, visszaállítva a pozitív árrést.
A tendencia több iparágra is kiterjed. Az Abridge a klinikai forgatókönyvek alapmodelljét építi a NVIDIA nyílt forráskódú modelljét használva, míg a Decagon lekérdezési kérelmei 80%-át saját tulajdonú modelljével dolgozza fel. A fintech területén a Ramp és a Rogo az önképzést vizsgálja, a programozási eszközök terén pedig a Cursor és a Cognition személyre szabott modelleket adott ki.
A OpenAI és a Anthropic áttértek arra, hogy a vállalati felhasználóktól különdíjat számítsanak fel a modellhasználatért, büntetve a nagy volumenű „token-maximalizáló” mintákat. Ezenkívül mindkét vállalat tehetségeket toboroz az induló alappályákon, és iparág-specifikus bővítményeket vezet be, közvetlen versenyt teremtve ügyfeleikkel. A hozzáférés felfüggesztésének kockázata, amint azt a Cursor esetében a SpaceX felvásárlása után láthattuk, tovább ösztönzi a startupokat a modellfüggetlenségre.
Az elmozdulás ellenére a legtöbb induló vállalkozás nem várja el teljesen a OpenAI és a Anthropic modelleket. Harvey továbbra is a Anthropic Claude Opus-ára támaszkodik az összetett feladatokhoz, ami vegyes felhasználási stratégiát jelez. A kihívások továbbra is fennállnak, beleértve a finomhangoló mérnökök magas tehetségköltségeit, a védett adatok iránti igényt és a nyitott súlyú modellek kezeléséhez szükséges jelentős infrastrukturális kiadásokat.
Forrás részletei: eu.36kr.com ↗
Miért számít
Ez a tendencia szerkezeti elmozdulást jelez az AI-ipar költségdinamikájában, mivel az alkalmazásszintű vállalatok igyekeznek csökkenteni a drága szabadalmaztatott API-któl való függőséget. Az IPO-ra készülő OpenAI és Anthropic esetében a vállalati ügyfelek nyitott súlyú modellek felé történő kiáramlása erodálhatja elsődleges bevételi forrásaikat. A lépés emellett rávilágít a nyílt forráskódú modellek növekvő életképességére, mint költséghatékony alternatívára, ami potenciálisan átalakítja a versenykörnyezetet, és arra kényszeríti a modellszolgáltatókat, hogy módosítsák árazási és üzleti stratégiáikat a vállalati ügyfelek megtartása érdekében.
A nyitott súlyú modellek elfogadása a nagy MI startupoknál jelentős költségmegtakarítási intézkedést jelent, amely megváltoztathatja a OpenAI és Anthropic bevételi dinamikáját, különösen az IPO-kra való felkészülés során. Ez az elmozdulás arra kényszerítheti a modellszolgáltatókat, hogy újragondolják árképzési stratégiájukat és vállalati ajánlataikat az ügyfelek hűségének megőrzése érdekében.
A nyílt forráskódú modellek, például a Moonshot AI Kimi K3 teljesítményének javulása számos felhasználási esetben életképes alternatívává teszi őket a szabadalmaztatott API-kkal szemben. Ez a fejlemény felgyorsíthatja a mesterséges intelligencia képességeinek demokratizálódását, és csökkentheti az új mesterségesintelligencia-alkalmazások piacra lépésének akadályait, elősegítve az innovációt az olyan ágazatokban, mint a jogi, az egészségügy és a pénzügy.
A tendencia rávilágít az adatok és az infrastruktúra növekvő fontosságára is a mesterséges intelligencia fejlesztésében. Az induló vállalkozásoknak saját tulajdonú adatokba és számítási erőforrásokba kell befektetniük a hatékony modellek képzéséhez, ami új lehetőségeket teremthet az adatszolgáltatók és a felhő infrastruktúrával foglalkozó vállalatok számára, miközben kihívásokat jelent a korlátozott erőforrásokkal rendelkező kisebb cégek számára.
Interaktív mechanizmus: Hogyan működik valójában
Fedezze fel interaktívan a fejlesztés mögött meghúzódó technológiát.
In AI, what are a model's "parameters"?
Mit nézzünk ezután
Kövesse nyomon a OpenAI és a Anthropic pénzügyi teljesítményét, ahogy közelednek IPO-jukhoz, különösen az API-árazásban vagy a vállalatmegtartási stratégiákban bekövetkezett változásokat. Kövesse nyomon a nyílt súlyú modellek elfogadási arányát a nagy mesterségesintelligencia-alkalmazások indulói körében, valamint az új, saját tulajdonú modellek fejlesztését olyan ágazatokban, mint az egészségügy, a pénzügy és a jogi szolgáltatások. Figyelje meg a tehetségek és az infrastrukturális költségek hatását a kisebb induló vállalkozások önképzési modelljeinek megvalósíthatóságára.
Figyelje meg a OpenAI és Anthropic API-árazásában vagy a vállalati szerződésekben bekövetkezett változásokat a nyitott súlyú modellek növekvő elterjedése miatt. A vállalati ügyfelek megtartására való képességük kulcsfontosságú lesz IPO-értékeléseik és hosszú távú fenntarthatóságuk szempontjából.
Kövesse nyomon az olyan induló vállalkozások, mint a Harvey, az Abridge és a Decagon új saját tulajdonú modelljeinek teljesítményét és bevezetését. Az ezeken a területeken elért siker igazolhatja a nyílt forráskódú megközelítést, és ösztönözheti a szabadalmaztatott API-któl való további migrációt.
Figyelje meg a tehetség és az infrastruktúra költségeinek hatását az önképzési modellek megvalósíthatóságára. Ha ezek az akadályok továbbra is magasak maradnak, a kisebb startupok továbbra is a nyílt és a zárt forráskódú modellek keverékére hagyatkozhatnak, míg a nagyobb cégek teljes mértékben elkötelezhetik magukat a saját tulajdonú megoldások mellett.