Исследовательская организация Epoch AI опубликовала данные, согласно которым открытые модели с открытыми весами в 2026 году отстают от передовых проприетарных систем примерно на четыре месяца. Выводы вызвали дискуссию о роли дистилляции, устойчивости бизнес-моделей лидеров рынка и реальной конкурентоспособности open-source-решений.
Исследователи из Epoch AI провели повторный анализ разрыва в возможностях между открытыми и проприетарными моделями искусственного интеллекта. По их оценкам, с начала 2026 года открытые модели с открытыми весами отстают от передовых коммерческих систем на четыре месяца. Данные основаны на бенчмарках, однако эксперты расходятся во мнениях относительно того, насколько эта метрика отражает реальную разницу в производительности.
Результаты исследования вызвали активное обсуждение в профессиональном сообществе. Майлз Брандейдж (Miles Brundage), бывший сотрудник OpenAI и нынешний директор по политике в компании Conjecture, отметил, что влияние дистилляции — процесса обучения открытых моделей на данных, сгенерированных проприетарными системами, — на сокращение разрыва остаётся малоизученным. «Люди придерживаются разных взглядов на этот вопрос, но редко подкрепляют их количественными данными», — написал Брандейдж в комментарии к публикации Epoch AI.
Гэри Маркус (Gary Marcus), почётный профессор Нью-Йоркского университета и известный критик современных подходов к ИИ, усомнился в устойчивости бизнес-моделей компаний, полагающихся на четырёхмесячное технологическое преимущество. «Может ли такой отрыв оправдать многомиллиардные инвестиции?» — задал он вопрос в своём посте. Другие участники дискуссии обратили внимание на то, что бенчмарки не всегда отражают реальную разницу в возможностях моделей, особенно за пределами стандартных тестов.
Так, Итан Моллик (Ethan Mollick), профессор Уортонской школы бизнеса, высказал мнение, что открытые модели «гораздо более хрупкие» в нестандартных сценариях, чем показывают бенчмарки. По его словам, субъективно разрыв кажется больше, чем три-четыре месяца. Пользователь под ником Teortaxes, активный сторонник китайских разработок в области ИИ, указал, что ближайшее сближение открытых и проприетарных моделей наблюдалось на уровне L3-405B, однако и тогда открытые решения не достигали уровня Sonnet 3.5 от Anthropic. «Для выполнения некоторых задач открытым моделям потребовалось ещё полгода», — уточнил он.
Вопрос о том, насколько открытые модели зависят от дистилляции данных проприетарных систем, остаётся открытым. Симо Рю (Simo Ryu), исследователь из компании Mistral AI, предположил, что без этого преимущества отставание могло бы быть ещё больше. В то же время некоторые эксперты отмечают, что для многих практических применений абсолютный пик возможностей не критичен, и разрыв в четыре месяца может не иметь решающего значения.