Kiinalaiset avoimen lähdekoodin tekoälymallit haastavat Piilaakson lähestymistavan

Kiinalaiset tekoälylaboratoriot ovat viime aikoina julkaisseet sarjan lähes huipputason avoimen lähdekoodin malleja, kuten Z.ai:n GLM 5.2 kesäkuussa, Moonshot AI:n Kimi K3 viime viikolla ja Alibaban Qwen 3.8 tänä maanantaina. Nämä mallit suoriutuvat kolmannen osapuolen vertailuissa lähes yhtä hyvin kuin parhaat länsimaiset mallit, ja ne on optimoitu agenttipohjaisiin koodaustehtäviin, joka on tekoälyn kuumin osa-alue. Erityisesti Kimi K3:n julkaisu on herättänyt huomiota Piilaaksossa ja Washingtonissa; riskipääomasijoittaja David Sacks kutsui sen suorituskykyä 'huolestuttavaksi' ja kauppaministeri Scott Bessent ehdotti mahdollisia pakotteita. Valkoisen talon tiede- ja teknologiapolitiikan toimiston johtaja Michael Kratsios väitti, että Moonshot AI tislasi Anthropicin Fable-mallin K3:ksi, syyttäen yritystä Yhdysvaltojen teknologian varastamisesta. Moonshot AI ei vastannut kommenttipyyntöihin. Mallit julkaistaan avoimilla painoilla, mikä tekee niistä saavutettavia ja läpinäkyviä, toisin kuin länsimaiset laboratoriot, kuten Anthropic ja OpenAI, jotka ovat rajoittaneet pääsyä uusimpiin malleihinsa turvallisuussyistä. Anthropicin Mythos-malli poistettiin väliaikaisesti käytöstä vientirajoitusten jälkeen, ja OpenAI viivästytti GPT 5.6:n julkaisua Valkoisen talon pyynnöstä. Kiinalaiset laboratoriot ovat omaksuneet avoimen lähdekoodin houkutellakseen käyttäjiä ja yhteistyökumppaneita, ja niiden malleja pidetään nyt laajalti parhaina avoimen lähdekoodin vaihtoehtoina. Arena AI rankkaa K3:n parhaaksi malliksi verkkokehityksessä ja neljänneksi agenttipohjaisissa tehtävissä, kun taas Artificial Analysis sijoittaa sen kolmanneksi. K3:n suosio on ylikuormittanut Moonshotin palvelimet, mikä on johtanut väliaikaisiin rekisteröintirajoituksiin. Jotkut länsimaiset käyttäjät kyseenalaistavat OpenAI:n ja Anthropicin maksullisten tarjousten arvon, sillä kiinalaiset mallit tarjoavat kilpailukykyistä suorituskykyä halvemmalla, vaikka ne saattavatkin vaatia enemmän tokeneita. Avoin paino -lähestymistapa haastaa oletuksen, jonka mukaan tekoälyn edistymiseen tarvitaan valtavia rahoituksia; Dean Ball huomauttaa, että avoimet painot vähentävät tekoälyn pääomasijoitusten tarvetta.