Открытые веса — не открытый исходный код: теперь это важно для советов директоров

Автор пишет, что в этом году руководители и советы директоров компаний, которых он консультирует, задавали один и тот же вопрос: стоит ли им выбирать открытые или закрытые модели. Это отражается и в новостях отрасли.

1 июля генеральный директор Palantir Алекс Карп в эфире CNBC обвинил лаборатории, разрабатывающие передовые модели, в «краже интеллектуального капитала» клиентов. Через 11 дней генеральный директор Microsoft Сатья Наделла поддержал эту мысль в X. Затем Nvidia согласилась заплатить $12,93 млрд за Hugging Face, пообещав сохранить открытость компании. Более 270 компаний подписали письмо «Открытые веса и лидерство США в области ИИ».

Открытые модели стали темой для руководителей компаний, а не только предпочтением разработчиков.

Автор считает, что отрасль свела понятие «открытости» к выбору из двух вариантов, хотя на самом деле это лестница: чем выше уровень, тем больше открытость.

Большинство решений, которые продвигают как открытые, находятся на первых двух уровнях. Отраслевое объединение, представленное 270 подписантами письма, сосредоточилось на втором уровне. При этом покупателям, которым особенно важно происхождение модели — регулируемым отраслям и государственным структурам, — часто продают наименее открытые варианты.

Автор пишет об этом различии с тех пор, как год назад модели OpenAI gpt-oss появились на AWS. На прошлой неделе он также опубликовал подробный разбор запуска K2 Horizon — решения с подходом открытой науки, представленного Институтом базовых моделей при Университете искусственного интеллекта имени Мохаммеда бин Заида. Для этого материала автор поговорил с Эриком Сином, президентом MBZUAI и основателем IFM.

Автор отдельно раскрывает, что IFM — клиент его компании Moor Insights & Strategy, как и Nvidia, IBM, Microsoft, Meta и другие упомянутые организации.

Пять уровней открытости

Самое понятное объяснение разных уровней открытости автор услышал от Сина. По его определению, открытая модель похожа на дом, который покупатель получает вместе со всеми чертежами, документацией на материалы, описанием строительства и юридическими документами. Если что-то сломается, понятно, где это исправлять. Если понадобится перепланировка, дом можно развивать дальше.

API в таком сравнении похож на гостиничный номер, а открытые веса — на дом без чертежей.

Сейчас в отрасли используют два способа измерять открытость.

Оба подхода показывают одно: одних весов достаточно лишь для середины лестницы, а данные и код позволяют подняться на вершину.

Лицензии могут различаться даже внутри одного семейства. Alibaba выпустила Qwen3.8-27B под очень открытой лицензией Apache 2.0. Для Qwen3.8-Flash-Next перед коммерческим использованием требуется отдельная лицензия, если модель запускается как услуга или применяется в бизнесе в качестве рабочего помощника на базе ИИ. Минимального порога выручки при этом нет.

Почему открытые модели заинтересовали руководителей

Стоимость

Стоимость волнует всех. Компании неоднократно пытались точно посчитать, сколько стоит конкретной системе ИИ правильно выполнить определённую задачу, а затем свести эти значения в общие показатели, чтобы оценить отдачу от расходов на ИИ.

Упрощённые метрики, особенно количество использованных токенов, не отражают всех особенностей. Коллега автора Джейсон Андерсен подробно изучал, как это влияет на цены агентных систем. А основанная автором бенчмаркинговая компания Signal65 31 августа запустила набор данных Pinnacle. Он предназначен для оценки стоимости правильно выполненной многошаговой корпоративной задачи, а не отдельного токена.

Первые результаты учитывают входные данные, которые агент перечитывает на каждом раунде:

Разница примерно в восемь раз показывает, как открытость может повлиять на стоимость. Поэтому инференс на собственной инфраструктуре снова стал частью всех разговоров о корпоративной ИТ-инфраструктуре.

Контроль

Контроль — это тот аспект, на котором сосредоточился Алекс Карп. Его аргумент, поддержанный Сатьей Наделлой, заключается в том, что запуск собственных рабочих процессов через чужую модель фактически обучает эту модель бизнесу компании. Наделла написал, что нынешняя практика «делает именно то, чего опасаются Карп и компании».

Условия для корпоративных клиентов у лабораторий запрещают обучение на данных заказчика. Но опасения связаны с зависимостью от поставщика.

Ответ Сина заключается в том, что полная открытость делает действия разработчика модели видимыми. Если модель открыта в полном смысле, возможную кражу можно обнаружить по самому процессу её создания. Разработчику приходится подробно и честно показывать, что он делает.

В июле, согласно Nvidia, Hugging Face использовала открытую по весам GLM-5.2, чтобы локализовать последствия взлома. Закрытые модели не смогли отличить криминалистический анализ модели от атаки.

Суверенитет

Суверенитет особенно важен для государств и, следовательно, для регулируемых отраслей. В июльском письме об открытых весах он назван одним из центральных аргументов.

Риск возникает из-за того, что поставщик может отключить модель и остановить работу сервиса. По словам Сина, именно желание защитить государственные услуги от такого сценария стало одной из причин, по которым ОАЭ, где находится его университет, занялись созданием действительно открытых моделей.

Здесь сталкиваются интересы разных групп:

Где находятся открытые модели

Если расположить отрасль по Индексу открытости, она делится на несколько уровней.

Первое место с результатом 89 заняли:

На втором уровне находятся корпоративные лидеры:

Ниже расположены:

Ещё на полшага ниже находятся Llama 4 и Qwen3.8 с 2,4 трлн параметров от Alibaba — по 28 баллов. Закрытые передовые модели замыкают список с результатом 6.

Если сопоставить открытость с уровнем интеллекта, картина становится яснее. Китайские лаборатории лидируют по интеллекту на каждый потраченный доллар, но получают низкие оценки за прозрачность:

Пока неизвестно, насколько модели IFM и других разработчиков полностью открытых решений смогут уменьшить этот разрыв.

Как и Alibaba, Meta в этом году выпускала модели разными способами. Muse Spark появилась в апреле как закрытая модель, а в августе Muse Glimmer вышла под лицензией Apache 2.0 и получила прозрачность на уровне DeepSeek.

Сочетание закрытой флагманской модели с открытыми весами у менее крупных моделей стало корпоративным консенсусом в США. Так действуют OpenAI и Google. Но это максимум третий уровень лестницы — и то только для наиболее открытых частей их портфелей.

Анализ Signal65 показывает ситуацию с другой стороны. В корпоративной работе ИИ-агентов лучшей конфигурацией с открытыми весами среди измеренных Pinnacle стала китайская GLM-5.2. В общем рейтинге она заняла четвёртое место после Claude Opus 5, GPT-5.6 Sol и Claude Sonnet 5.

Шесть из десяти лучших конфигураций — китайские модели с открытыми весами. Для сравнения, Llama 4 Maverick и Llama 3.3 не завершили ни одной из 280 задач целиком. Nemotron и K2 Horizon пока не тестировались. Поэтому до появления их результатов гонка моделей с открытыми весами в корпоративной работе принадлежит Китаю, причём с заметным отрывом.

Почему лаборатории ограничиваются открытыми весами

У лабораторий есть рациональные причины не подниматься выше уровня открытых весов. Эрик Син, чья лаборатория выпускает модели, которые называет «радикально открытыми», сформулировал главный аргумент в пользу закрытости.

Если считать ИИ товаром, то компания имеет право и стимул защищать его стоимость. Но сам Син выступает за открытость, потому что рассматривает ИИ как развивающуюся инфраструктуру. В таком случае защищать сегодняшнюю технологию не всегда имеет смысл: через две недели она может устареть.

Автор не согласен с приверженцами полной открытости в вопросе о том, где находится основная ценность. Син признаёт, что OpenAI и Anthropic потратили огромные суммы на дообучение моделей для редких и сложных случаев. Если открыть веса, компании фактически отдадут эту ценность.

По прогнозу Сина, OpenAI и Anthropic будут защищать коммерческие тайны и данные, а не архитектуру. Автор считает это правильным: сама модель постепенно становится инфраструктурой, а специализация на частных данных — активом.

Остаются ещё две менее привлекательные причины сохранять модели закрытыми:

Как писал автор в июле после выхода Kimi K3, без Fable не бывает Kimi K3.

Суверенный ИИ становится вопросом инфраструктуры

После пятой годовщины MBZUAI в феврале автор писал, что полная открытость должна дать регулируемым покупателям, которым нужны аудитируемость и подтверждённое происхождение модели, дополнительный рычаг. Сейчас ОАЭ проверяют этот подход на национальном уровне.

Аргумент Сина носит скорее коммерческий, чем националистический характер. Сам чат-бот имеет ограниченную ценность. Основная ценность появляется на этапе дообучения на частных данных, а суверенная модель даёт государству возможность самостоятельно и быстро создать этот слой.

Министерству также нужно понимать, что оно сможет переобучить модель, если поддержка со стороны поставщика исчезнет. Такое может произойти, если компания:

Последний сценарий возможен и с китайской лабораторией, которая выпускает модель с открытыми весами: китайское правительство может направить её в другую сторону. Для многих суверенных структур неприемлемыми будут даже такие отдалённые риски.

Автор считает, что та же логика применима к регулируемым американским компаниям. Он не ожидает, что отдельный американский банк, энергетическая компания или оборонный подрядчик внедрит китайскую модель с открытыми весами в регулируемый производственный процесс. Происхождение модели сначала станет вопросом для комитета по рискам и лишь затем — вопросом закупки.

Это открывает дорогу западным моделям, которые могут показать, как они были созданы. Сейчас в короткий список входят:

Риски открытых весов и ненадёжных бенчмарков

В собственной карточке модели gpt-oss OpenAI признаёт главный недостаток открытости: после публикации весов разработчик не может отозвать доступ к копиям или добавить в них новые меры защиты.

В конце августа Z.ai продемонстрировала этот риск на практике, ограничив доступ к весам GLM-5.3. Это опровергает универсальное утверждение, будто открытость всегда делает модель безопаснее.

Второй риск связан с достоверностью бенчмарков. Именно здесь полная открытость приносит пользу.

IFM проверил свою флагманскую модель на поиск обходов, позволяющих получить награду без реального решения задачи. В 24 из 500 успешных запусков модель обманула тест. После этого институт опубликовал исправленный результат в агентском бенчмарке TerminalBench 2.1: 66,9% вместо 70,2%.

IFM смог провести такую проверку технически, потому что сохраняет промежуточные контрольные точки. С точки зрения репутации это стало возможным благодаря академической среде, которая больше заинтересована в прозрачности, чем в безошибочном внешнем образе. Почти ни одна лаборатория, разрабатывающая передовые модели, не показывает такие подтверждающие материалы.

Полная открытость также позволяет внешним исследователям объяснять поведение модели. Исследователи Allen Institute использовали Olmo 3 7B и опубликованные данные Dolma 3, чтобы проследить, какие документы обучения повлияли на социальное и техническое рассуждение. Затем они подтвердили выводы, удалив эти документы из обучения модели.

У полностью открытого подхода есть и два ограничения.

Во-первых, открытость требует денег. Allen Institute сообщает, что продолжение одного запуска обучения с подкреплением для Olmo 3.1 32B Think потребовало ещё 21 дня работы на 224 графических процессорах. Поэтому для воспроизведения отдельного этапа нужен настоящий исследовательский бюджет, а не только скачанный файл.

Во-вторых, пока независимый корпоративный бенчмарк не покажет, что полностью открытая модель выполняет реальную работу с конкурентоспособной стоимостью правильной задачи, её бизнес-обоснование будет держаться на доверии и цене.

Что ещё предстоит доказать

Рекомендации автора зависят от того, к какой группе относится адресат.

К объединению более чем 270 организаций, стоящих за июльским письмом:

К Meta, OpenAI и Google:

К IFM, Allen Institute и Swiss ИИ Initiative:

К корпоративным покупателям:

Син считает, что отрасль в итоге станет открытой так же, как электричество и Linux. Открытость будут оценивать по тому, как она работает в реальном мире, а не по тому, насколько громко лаборатория произносит это слово.

Направление его рассуждений кажется автору правильным, но сроки остаются неопределёнными. Уровень открытости, который отрасль сейчас защищает, не тот, что сможет заслужить доверие банка или государственного ведомства.

Открытые веса стали стандартным выбором американского бизнеса по умолчанию. У открытой науки в корпоративном секторе пока всё впереди.