Az utóbbi időben egymás után jelennek meg az új, nyílt forráskódú mesterséges intelligencia modellek, mint például a Kimmy GLM vagy a DeepSeek. Ezek a modellek ígéretes benchmarkeredményeikkel sokakban keltenek reményt, hogy hamarosan elérhetjük azt a pontot, ahol a nyílt forráskódú modellek le tudják váltani a piacvezető zárt AI modelleket, mint az OpenAI vagy az Anthropic termékei.
A felvetett kérdések közé tartozik, hogy vajon miért tűnik úgy, hogy az új nyílt AI modellek a benchmarkokban jól teljesítenek, a valós, üzleti vagy fejlesztési gyakorlatban mégsem hozzák ugyanazt a szintet, mint a zárt, prémium modellek. Külön figyelmet érdemel, hogy rövidebb, kevésbé komplex feladatok esetén a nyílt modellek már versenyképesek, jelentősen alacsonyabb költség mellett, például vállalati munkafolyamatokban vagy egyszerűbb automatizálásoknál.
A videó bemutatja, hogy amikor hosszabb, összetettebb, több lépcsős fejlesztési folyamatba kezd egy AI modellel, mint például egy komplett szoftverkomponens vagy játék fejlesztése, ott jelentősen érezhető a különbség: a nyílt modellek kevésbé képesek a szabályok, a kontextus és a hosszabb munkafolyamatok következetes kezelésére. Ezt konkrét példák, mérések és saját tapasztalatok is megerősítik.
Felmerül az is, hogyan lehet kihasználni a nyílt modellek előnyeit – például ha okosan kombináljuk őket zárt modellekkel, optimalizálva ezzel a költségeket és a megbízhatóságot bizonyos feladattípusoknál. A videó bemutatja, milyen stratégiák működhetnek a jelenlegi AI fejlesztési gyakorlatban, és milyen irányokat látnak ígéretesnek a közeljövőben.
