Kinesiske KI-selskaper med modeller som kan lastes ned og kjøres på egen infrastruktur, er i ferd med å redusere avstanden til de mest avanserte modellene fra Silicon Valley, ifølge en gjennomgang publisert av Ars Technica.
Utviklingen gjelder særlig såkalte modeller med åpne vekter. Det betyr at modellens trente parametere er tilgjengelige for nedlasting, slik at utviklere og virksomheter i større grad kan teste, tilpasse og drifte teknologien selv. Dette skiller dem fra de mest kjente proprietære modellene, som vanligvis brukes gjennom skytjenester og API-er kontrollert av selskapene bak.
Modeller fra blant andre DeepSeek og Alibabas Qwen-familie har de siste årene fått økt oppmerksomhet for resultater innen matematikk, programmering, flerspråklige oppgaver og resonnering. Flere målinger tyder på at enkelte åpne modeller nå kan konkurrere med langt dyrere, lukkede alternativer på avgrensede oppgaver.
Det betyr ikke nødvendigvis at de kinesiske modellene er best på alle områder. De største amerikanske modellene har fortsatt sterke posisjoner innen blant annet pålitelig bruk av verktøy, avansert multimodalitet, sikkerhetstesting, integrasjon med bedriftsprogramvare og stabil ytelse i komplekse arbeidsflyter. Likevel blir avstanden mindre på flere sentrale tester.
For utviklere kan framveksten av sterke åpne modeller få stor betydning. En modell som kan kjøres lokalt eller i en selvvalgt skyplattform, kan gi bedre kontroll over sensitive data, kostnader og tilpasninger. Dette er særlig relevant for virksomheter som ikke ønsker å sende interne dokumenter eller kundedata til eksterne KI-tjenester.
Samtidig er begrepet «åpen» ikke entydig. En modell med åpne vekter er ikke nødvendigvis fullstendig åpen kildekode. Treningsdata, treningsmetoder, sikkerhetsprosedyrer og deler av den underliggende programvaren kan fortsatt være utilgjengelige. Derfor er det viktig å skille mellom modeller som er tilgjengelige for bruk, og modeller som kan granskes og reproduseres fullt ut.
Konkurransen dreier seg heller ikke bare om kvaliteten på selve modellene. Tilgang på avanserte grafikkprosessorer, energikapasitet, datasentre og treningsdata er avgjørende for hvem som kan utvikle neste generasjon KI. USA har innført eksportrestriksjoner for enkelte avanserte KI-brikker til Kina, mens president Donald Trumps administrasjon samtidig står overfor spørsmål om hvordan amerikansk teknologiledelse kan sikres uten å bremse innovasjon hjemme.
Kinesiske aktører har på sin side vist at effektivisering kan kompensere for deler av maskinvarebegrensningene. Bedre modellarkitekturer, mer målrettet trening og teknikker for å redusere beregningsbehovet kan gjøre det mulig å oppnå høy ytelse med mindre datakraft enn tidligere.
Stanford Universitys AI Index har tidligere pekt på at forskjellen mellom de fremste modellene fra USA og Kina har blitt mindre på flere standardiserte målinger. Slike sammenligninger bør likevel tolkes med varsomhet: Benchmark-tester kan belønne modeller som er optimalisert for bestemte oppgaver, uten at det automatisk gir samme kvalitet i reelle arbeidsprosesser.
For markedet kan den viktigste konsekvensen være et bredere utvalg. Når flere aktører tilbyr sterke modeller med åpne vekter, øker presset på både priser, innovasjonstakt og tilgjengelighet. Bedrifter får flere muligheter til å velge mellom lukkede skytjenester, lokale installasjoner og hybridløsninger.
Utviklingen gjør KI-kappløpet mindre ensidig. Silicon Valley beholder betydelige fordeler, men kinesiske åpne modeller kan bli et stadig viktigere alternativ for utviklere over hele verden.