Купон на скидку: 2026
В технологических кругах активно обсуждается вероятность того, что администрация Трампа может попытаться запретить открытые китайские модели искусственного интеллекта, хотя конкретных действий пока не последовало. Тем временем разработчики проприетарных решений, в частности OpenAI и Anthropic, выражают всё большую озабоченность по этому поводу. Модели с открытыми весами, такие как Kimi K3 от Moonshot AI или Qwen от Alibaba, обеспечивают инференс за малую долю стоимости токенов по сравнению с закрытыми системами американских лабораторий. Существует мнение, что подобные алгоритмы не только подрывают норму прибыли крупных вендоров, но и могут представлять некую угрозу безопасности.
Лукас Аткинс, технический директор компании Arcee, создающей открытые модели как американскую альтернативу китайским решениям, считает страхи относительно шпионажа необоснованными. Хотя его стартап мог бы выиграть от введения ограничений, Аткинс утверждает, что китайские опенсорсные модели опасны не более, чем любое другое открытое программное обеспечение, используемое корпорациями. Он пояснил фундаментальное отличие: если обычную программу могут создать с зашитыми злонамеренными инструкциями, то так обучение больших языковых моделей не работает. По его словам, разрабатывая продукт с открытыми весами, ни Arcee, ни Alibaba технически не имеют возможности получить доступ к окружению, где компания-клиент разворачивает эту модель в своей облачной инфраструктуре.
Несмотря на то что модели чаще всего распространяются по лицензии open weight (не являясь полностью открытыми из-за закрытости данных и методик обучения), их исходный код, скачанный с площадок вроде Hugging Face, подлежит полному аудиту. Крупные организации обычно пропускают ядро любой ИИ-модели через процедуры тестирования безопасности, дообучают его под свои специфические задачи и проверяют на наличие предвзятости, галлюцинаций и токсичности. Задолго до того, как пользователи начнут отправлять промпты, внутренние команды оптимизируют код и изучают его структуру. Аткинс допускает теоретическую возможность создания модели-кодера, которая при виде конкретного типа кодовой базы активирует скрытое вредоносное поведение, однако называет организацию такой скрытой тренировки акробатически сложной задачей без понятного механизма реализации на практике.
Более того, творческая природа LLM делает вероятность генерации вредоносного ПО в ответ на уникальное сочетание контекста и запроса крайне низкой, а шансы на то, что предприятие сразу применит получившийся код без проверки, стремятся к нулю. Хотя модели от Alibaba или Moonshot AI сегодня могут быть лучшими по соотношению цены и качества, корпоративная стратегия внедрения ИИ строится на модель-агностичном подходе с использованием сразу нескольких нейросетей, что исключает привязку к одному поставщику навсегда. Аткинс подчеркивает важность смещения фокуса с запретов на развитие здоровой открытой экосистемы в США, которая позволяет учиться на достижениях конкурентов, включая уважаемых независимых исследователей из Китая, и строить решения поверх удачных наработок.
Стартап Arcee, по признанию технического директора, напрямую выигрывает от качества опенсорсных китайских моделей: исследователи изучают их архитектуру, создают на их базе производные продукты, после чего уже китайские лаборатории могут анализировать доработки американских коллег. Единственным эффективным методом конкуренции, по мнению Аткинса, является не политическое введение барьеров, а создание более совершенной собственной модели, которая сможет по-настоящему удивить технологическое сообщество.