AI modeli postaju sve skuplji za razvoj i korištenje, a Meta smatra da odgovor ne mora uvijek biti veći i snažniji sustav. Kompanija je predstavila Muse Glimmer, novi open-weight model za agentske zadatke koji može raditi na Macu ili osobnom računalu s jednom grafičkom karticom.
To je odmak od utrke u kojoj su veći modeli tražili sve više čipova, energije i podatkovnih centara. Meta sada pokušava dokazati da dio AI zadataka može obavljati manji model koji je jeftiniji, prilagodljiviji i može raditi izravno na uređaju korisnika.
Iza tog zaokreta stoji još jedan razlog. Mark Zuckerberg upozorava da američke kompanije zaostaju za kineskim konkurentima upravo u razvoju otvorenijih modela.
Više nije presudno tko ima najveći model
Posljednjih nekoliko godina AI industrija gotovo se natjecala u veličini. Veći modeli donosili su bolje mogućnosti, ali i sve veće troškove.
Kompanije koje koriste zatvorene modele OpenAI-ja, Anthropica ili Googlea uglavnom plaćaju pristup putem clouda i API-jaAPI je skraćenica od Application Programming Interface i pr.... Što ih više koriste, račun postaje veći.
Open-weight pristup nudi drukčiju računicu.
Kompanija može model preuzeti, prilagoditi vlastitim potrebama i pokretati na svojoj infrastrukturi. Podaci pritom ne moraju stalno napuštati njezine sustave.
Niži trošak i veća kontrola zato open-weight AI modele pretvaraju iz tehnološke alternative u poslovno pitanje.
Muse Glimmer upravo cilja na taj prostor.
Kina je pronašla svoju prednost
Zuckerbergova zabrinutost nije samo regulatorna rasprava.
Kineski laboratoriji posljednjih su godina izgradili snažan open-weight ekosustav. Alibaba razvija Qwen, DeepSeek svoje modele V4, a Moonshot kroz Kimi cilja agentske zadatke i programiranje.
Njihova prednost nije samo u performansama. Modeli se mogu lokalno koristiti i prilagođavati, što ih čini zanimljivima kompanijama koje žele smanjiti troškove i ovisnost o jednom dobavljaču.
Kina nije preuzela vodstvo u cijeloj AI industriji, ali je postala ozbiljan konkurent u segmentu otvorenih i troškovno učinkovitih modela.
Zuckerberg zato od Washingtona traži promjenu pristupa.
Smatra da američki laboratoriji imaju dodatna ograničenja, posebno kod podataka za treniranje, te da SAD mora smanjiti regulatorno opterećenje želi li konkurirati kineskim modelima.
Pritom se protivi jednostavnom blokiranju stranih open-weight modela. Njegova poruka je da Amerika treba graditi bolje modele, a ne zatvarati tržište.
Otvoreni modeli donose i novi sigurnosni problem
Veća sloboda ima cijenu.
Kada se weights modela jednom javno objave, teško ih je ponovno staviti pod kontrolu. Ako se naknadno otkrije ozbiljna sigurnosna slabost, nije moguće jednostavno povući sve kopije modela.
Ali ni zatvoreni sustavi nisu bez problema.
To je pokazao nedavni sigurnosni incident u Hugging Faceu. Tijekom analize napada autonomnog AI agenta, sigurnosna ograničenja pojedinih zatvorenih modela otežavala su istraživanje. Kompanija je na kraju koristila kineski open-weight model.
Primjer pokazuje zašto rasprava nije jednostavna. Otvoreniji model može povećati rizik od zloupotrebe, ali stručnjacima istodobno daje veću slobodu za analizu i obranu.
Meta zato najavljuje da će neovisni direktori dobiti ovlast odobravati sigurnosne kriterije za javnu objavu budućih modela.
Veliki modeli mogli bi trenirati male
Još važnija promjena mogla bi doći kroz distilaciju.
Princip je jednostavan: veliki i vrlo sposoban model koristi se kako bi pomogao trenirati manji model za konkretne zadatke.
Time se mijenja ekonomika umjetne inteligencije.
Najveći modeli mogli bi razvijati nove sposobnosti, dok bi manji AI modeli obavljali velik dio svakodnevnog posla na računalima, telefonima i poslovnim serverima.
Za kompanije je računica jasna. Nema potrebe svaki jednostavan zadatak slati najskupljem modelu u cloudu ako ga manji model može riješiti lokalno i jeftinije.
Meta se kladi da će cijena postati presudna
Muse Glimmer zato je zanimljiviji kao poslovni signal nego kao još jedno predstavljanje AI modela.
Meta neće prestati razvijati velike sustave. No istodobno se priprema za tržište na kojem će kompanije sve češće pitati ne samo koji je model najbolji, nego koliko košta, gdje se može pokretati i koliko ga mogu kontrolirati.
U toj računici najveći model ne mora uvijek biti najbolji izbor.
Ako manji AI modeli mogu ponuditi dovoljno dobre rezultate uz nižu cijenu i veću kontrolu, sljedeća velika promjena u umjetnoj inteligenciji možda neće biti još moćniji model.
Mogao bi to biti trenutak kada AI postane dovoljno jeftin da ga kompanije mogu koristiti za mnogo više svakodnevnih poslova.
