Rywalizacja Anthropic i OpenAI przesuwa się od lepszych modeli ku lepszym danym
Anthropic i OpenAI stają przed nowym sprawdzianem konkurencyjności po doniesieniach łączących Anthropic z przejęciem Decart, startupu zajmującego się infrastrukturą AI i modelami świata. Rozmowy pozostają niepotwierdzone, ale wyostrzają szerszy konflikt. Czołowe laboratoria mogą nadal tworzyć lepsze modele, jednak efektywne wdrażanie tych systemów stało się odrębnym problemem.
Według doniesień transakcja dałaby Anthropic technologię zaprojektowaną tak, by zadania związane z trenowaniem i inferencją efektywniej wykorzystywały sprzęt obliczeniowy. Inferencja to proces uruchamiania wytrenowanego modelu w celu udzielania odpowiedzi na zapytania. Wraz ze wzrostem wykorzystania zużywa ona coraz więcej zasobów, nawet gdy kosztowny początkowy proces trenowania został już zakończony.
Założycielka Glasswing Ventures, Rudina Seseri, opisała to napięcie w wywiadzie dla Bloomberg dotyczącym zgłaszanych rozmów. Argumentowała, że sukces firm takich jak Anthropic i OpenAI ujawnia również ich ograniczenie: nie są wystarczająco efektywne. Jej szersza teza nie polegała na tym, że badania nad modelami przestały mieć znaczenie. Chodziło o to, że lepsze dane, infrastruktura i optymalizacja obciążeń decydują dziś o tym, czy inteligencja modelu staje się ekonomicznym produktem.
To rozróżnienie zmienia sposób, w jaki inwestorzy, deweloperzy i nabywcy korporacyjni powinni interpretować rywalizację Anthropic i OpenAI. Widoczny wyścig dotyczy wyników benchmarków, umiejętności programowania, agentów i rozumowania. Mniej widoczny wyścig dotyczy tego, ile użytecznej pracy każda firma potrafi wydobyć z każdego układu, zbioru danych i interakcji z klientem.
Doniesienia o rozmowach z Decart stawiają efektywność w centrum uwagi
Doniesienia dotyczące Decart są istotne, ponieważ Anthropic wydaje się zainteresowany przejęciem większej części systemu działającego pod Claude, a nie wyłącznie ulepszaniem samego modelu.
Według pierwotnego raportu o przejęciu, Anthropic rozmawiało o nabyciu Decart. Gdy raport się ukazał, żadna z firm nie potwierdziła publicznie zawarcia umowy. Negocjacje należy więc traktować jako bieżące doniesienie, a nie sfinalizowaną transakcję.
Decart opisuje swoją działalność w dwóch powiązanych obszarach. Pierwszy obejmuje modele świata działające w czasie rzeczywistym, które uczą się wzorców reprezentujących środowiska i ich zmiany. Drugi dotyczy oprogramowania optymalizującego sposób, w jaki trenowanie i inferencja AI działają na sprzęcie obliczeniowym.
W kontekście zgłaszanej transakcji bardziej strategicznie istotny jest stos infrastruktury firmy. Decart twierdzi, że pomaga on modelom rozumującym i agentom działać szybciej, jednocześnie efektywniej wykorzystując dostępne procesory. Firma buduje też systemy wideo czasu rzeczywistego oraz systemy dla świata fizycznego na tym fundamencie.
To połączenie daje Anthropic kilka potencjalnych korzyści. Mogłoby poprawić efektywność obciążeń Claude, zmniejszyć zależność od domyślnych warstw oprogramowania i przyspieszyć eksperymenty na różnych procesorach. Mogłoby również zbliżyć Anthropic do decyzji na poziomie sprzętu, które twórcy modeli zwykle pozostawiają producentom układów i dostawcom chmury.
Decart twierdzi, że jego infrastruktura AI obsługuje zarówno zoptymalizowane obciążenia, jak i generatywne systemy działające w czasie rzeczywistym. Twierdzenia te nie zostały jeszcze w pełni niezależnie zweryfikowane w wdrożeniach na skalę Anthropic. Mimo to kierunek rozwoju produktu wyjaśnia, dlaczego firma tworząca czołowe modele badałaby tę działalność.
Modele świata przyciągają uwagę, ponieważ rozszerzają generatywną AI poza tekst. Model świata próbuje reprezentować sposób działania środowiska, umożliwiając systemowi przewidywanie lub generowanie jego kolejnego stanu. Potencjalne zastosowania obejmują robotykę, media interaktywne, symulacje i generowanie wideo.
Anthropic nie musi jednak stać się firmą wideo, aby Decart miał znaczenie. Ta sama inżynieria, która służy generowaniu zmieniających się środowisk w czasie rzeczywistym, może wymagać ścisłej kontroli pamięci, opóźnień i wykorzystania procesorów. Te możliwości mają znaczenie również wtedy, gdy miliony użytkowników korzystają z modeli językowych.
Zgłaszane rozmowy uruchamiają więc centralne napięcie artykułu. Anthropic zbudował swoją pozycję dzięki badaniom nad czołowymi modelami i adopcji Claude. Ten sukces zwiększa wymagania infrastrukturalne, przez co efektywność staje się warunkiem dalszego wzrostu, a nie drugorzędnym celem inżynieryjnym.
Podobny wniosek przedstawiła niezależna analiza transakcji. Zasugerowano w niej, że Decart mógłby pomóc Anthropic kontrolować koszty obliczeniowe i zbliżyć się do obszaru technicznego zajmowanego przez głównych dostawców układów.
Wynik pozostaje niepewny. Anthropic może sfinalizować transakcję, nawiązać partnerstwo lub z niej zrezygnować. Jednak już samo zgłaszane zainteresowanie pokazuje, co firma uznaje za strategicznie deficytowe: wiedzę infrastrukturalną, która zamienia kosztowną inteligencję w użyteczną moc.
Konkurencja Anthropic i OpenAI zeszła poniżej poziomu modelu
Konkurencja Anthropic i OpenAI obejmuje dziś nie tylko jakość modeli, lecz także potoki danych, ekonomię inferencji, wykorzystanie sprzętu oraz pętle informacji zwrotnej produktu.
Firmy tworzące czołową AI kiedyś komunikowały postęp głównie poprzez większe procesy trenowania i lepsze wyniki benchmarków. Te wskaźniki nadal są ważne. Nie opisują już jednak całego systemu konkurencyjnego.
Model może prowadzić w ocenie, a jednocześnie być trudny do rentownego wdrożenia. Może też dobrze radzić sobie w publicznych testach, lecz mieć problemy z zaszumionymi informacjami przedsiębiorstwa, długimi procesami pracy lub nieznanymi zapytaniami użytkowników. Lepsze wagi modelu nie rozwiązują automatycznie tych problemów.
Presja wynika z wykorzystania. Proces trenowania odbywa się podczas rozwoju modelu, ale inferencja zachodzi za każdym razem, gdy klient wysyła prompt lub agent wykonuje działanie. Większa adopcja tworzy zatem większe, powtarzające się zapotrzebowanie na procesory, pamięć, sieci i energię elektryczną.
Modele rozumujące nasilają to wyzwanie, ponieważ mogą wygenerować wiele tokenów pośrednich przed udzieleniem końcowej odpowiedzi. Produkty agentowe dodają wywołania narzędzi, ponowne próby, wyszukiwanie dokumentów i kroki weryfikacyjne. Jedno widoczne żądanie może uruchomić znacznie większe, ukryte obciążenie.
To sprawia, że ekonomika jednostkowa staje się centralna dla rywalizacji Anthropic i OpenAI. Ekonomika jednostkowa mierzy przychód i koszt związane z obsługą jednostki popytu. Dla firm AI taką jednostką może być token, ukończone zadanie, sesja programowania lub proces pracy klienta.
Efektywny dostawca może obsłużyć więcej pracy przy obecnej przepustowości. Może również oferować szybsze odpowiedzi, wspierać dłuższe zadania lub rezerwować kosztowne modele dla zapytań, które ich wymagają. Te wybory produktowe wpływają na doświadczenie użytkownika równie bezpośrednio jak poprawa wyników benchmarków.
OpenAI publicznie opisywało efektywność jako problem na poziomie całego systemu. Jego niedawna strategia infrastrukturalna wskazuje, że ekonomia zależy od czegoś więcej niż dodatkowe centra danych lub konstrukcja modeli. Sprzęt, wykorzystanie zasobów, routing i decyzje produktowe również kształtują zwrot z zasobów obliczeniowych.
Anthropic stoi przed tym samym równaniem. Siła Claude w programowaniu i procesach pracy przedsiębiorstw może przyciągać wymagających użytkowników, których sesje obejmują duże repozytoria, długie konteksty i powtarzające się wywołania narzędzi. Tacy klienci zapewniają cenny popyt, ale tworzą też złożone obciążenia infrastrukturalne.
To wyjaśnia obserwację Seseri, że sukces staje się ograniczeniem. Popularna firma tworząca modele nie może traktować efektywności jako optymalizacji laboratoryjnej. Musi obsługiwać rosnący popyt, utrzymując jakość odpowiedzi, niezawodność, bezpieczeństwo i akceptowalne opóźnienia.
Wymuszoną odpowiedzią jest integracja pionowa. To określenie opisuje sytuację, w której firma przejmuje kontrolę nad większą liczbą warstw swojego łańcucha dostaw. W tym przypadku warstwy obejmują badania nad modelami, dane treningowe, oprogramowanie inferencyjne, pojemność chmurową i potencjalnie projektowanie procesorów.
OpenAI realizuje szerokie partnerstwa infrastrukturalne i coraz częściej przedstawia się jako platforma obejmująca modele, produkty i moc obliczeniową. Anthropic ma głębokie relacje z dużymi dostawcami chmury, jednocześnie rozwijając własne warstwy modeli i produktów.
Transakcja z Decart nie usunęłaby zależności Anthropic od zewnętrznej infrastruktury. Trenowanie czołowych modeli i inferencja na dużą skalę nadal wymagają rozległych obiektów, procesorów i energii. Dałaby jednak Anthropic kolejny sposób na optymalizację tego, co dzieje się po otrzymaniu tej mocy.
To rozróżnienie ma znaczenie dla nabywców korporacyjnych. Nie powinni zakładać, że dostawca z największym modelem lub najnowszą premierą zawsze zapewni najlepszy wynik operacyjny. Niezawodność, opóźnienia, osadzenie w danych i całkowity koszt procesu pracy mogą być ważniejsze niż niewielka przewaga w benchmarkach.
Deweloperzy już spotykają się z tym kompromisem przy wyborze modeli do aplikacji. Najsilniejszy model może być niepotrzebny do klasyfikacji, ekstrakcji lub rutynowych zapytań wsparcia. Kierowanie prostych zadań do mniejszych systemów może zwiększyć szybkość i ograniczyć zużycie zasobów bez pogarszania wyników.
Wiodące laboratoria stoją więc pod presją z dwóch stron. Muszą nadal rozwijać czołowe możliwości, a jednocześnie dorównywać tańszym systemom pod względem praktycznej efektywności. Pozostanie w tyle po którejkolwiek ze stron może osłabić cały produkt.
Lepsze dane mogą pokonać kolejną rundę skalowania
Centralny zwrot polega na tym, że większa moc obliczeniowa przynosi malejącą wartość biznesową, gdy dane treningowe i dane do wyszukiwania dostarczają słabych sygnałów.
„Lepsze dane” nie oznaczają po prostu gromadzenia większej liczby dokumentów. Oznaczają wybór informacji, które uczą użytecznych zachowań, obejmują trudne przypadki i odzwierciedlają zadania, które system będzie faktycznie wykonywać. Oznaczają też usuwanie duplikatów, błędów, spamu i mylących wzorców.
Dane treningowe kształtują model przed wdrożeniem. Dane po trenowaniu uczą następnie model, jak stosować się do instrukcji, uwzględniać preferencje, korzystać z narzędzi i unikać niebezpiecznych zachowań. Dane ewaluacyjne pomagają deweloperom ustalić, czy te interwencje działają poza wąskim benchmarkiem.
OpenAI podaje, że jego modele podstawowe wykorzystują publicznie dostępne informacje, materiały licencjonowane lub pochodzące od partnerów oraz informacje tworzone przez użytkowników, trenerów i badaczy. Jego podsumowanie danych treningowych wskazuje również dane syntetyczne jako element rozwoju modeli.
Dane syntetyczne to informacje generowane przez inny model lub symulację, a nie pozyskiwane bezpośrednio od ludzi lub ze świata fizycznego. Mogą dostarczać ukierunkowanych przykładów dla rzadkich zadań, przypadków bezpieczeństwa lub ustrukturyzowanego rozumowania. Mogą też powielać ukryte błędy, jeśli deweloperom brakuje silnych filtrów i ocen.
Anthropic również opiera się na szeroko zakrojonych badaniach nad trenowaniem po wdrożeniu i bezpieczeństwem. Jego wyzwanie konkurencyjne nie polega jedynie na pozyskaniu większego korpusu niż OpenAI. Firma potrzebuje danych, które poprawiają wyniki Claude w wartościowych procesach pracy, nie wprowadzając przy tym kruchego zachowania ani nadmiernych kosztów obsługi.
To zmienia znaczenie skali. Tradycyjne prawa skalowania łączyły lepsze wyniki z większą ilością danych, większą liczbą parametrów modelu i większą mocą obliczeniową. Następna faza pyta, czy laboratoria potrafią uzyskać więcej nauki z każdego przykładu i więcej użytecznej pracy z każdego wygenerowanego tokenu.
Jakość danych staje się szczególnie ważna, gdy modele zbliżają się do nasycenia w znanych publicznych benchmarkach. Dodatkowe przykłady z tego samego rozkładu mogą przynosić mniejszą poprawę. Starannie zaprojektowane zadania, opinie ekspertów i przypadki adwersarialne mogą ujawnić słabości, których sama skala nie pokazuje.
Aplikacje korporacyjne konkretnie pokazują ten problem. Model ogólnego przeznaczenia może znać standardową terminologię księgową, ale nie mieć dostępu do aktualnych umów i wewnętrznych polityk firmy. Połączenie takiego modelu z zaufanymi informacjami, do których dostęp jest kontrolowany uprawnieniami, często poprawia odpowiedzi bardziej niż zastąpienie go nieznacznie nowszym modelem.
Generowanie wspomagane wyszukiwaniem rozwiązuje tę lukę, umieszczając odpowiednie dokumenty w kontekście modelu podczas realizacji zapytania. Model nie musi zapamiętywać każdego zmieniającego się faktu na etapie trenowania. Zamiast tego otrzymuje wybrane dowody podczas tworzenia odpowiedzi.
Takie podejście wprowadza własny problem danych. Słabe wyszukiwanie może ujawnić nieaktualne, zduplikowane lub nieistotne fragmenty. Zdolny model może następnie stworzyć pewną siebie odpowiedź na podstawie słabych dowodów.
Organizacje potrzebują więc czystych systemów informacyjnych obok zdolnych modeli. Przeszukiwalna baza wiedzy AI może pomóc pracownikom uporządkować materiały źródłowe, zanim wykorzysta je asystent. Model pozostaje ważny, lecz jakość informacji wyznacza górną granicę pracy opartej na faktach.
Lepsze dane obejmują także informacje zwrotne z rzeczywistego użycia. Gdy użytkownicy odrzucają odpowiedzi, poprawiają wygenerowany kod lub porzucają agenta w połowie zadania, wyniki te ujawniają słabości produktu. Laboratoria mogą przekształcić te dowody w ewaluacje i przykłady do przyszłego trenowania.
Ta pętla informacji zwrotnej sprzyja dużym dostawcom, ponieważ obsługują oni wiele interakcji. Może jednak stać się również ograniczeniem. Surowa aktywność użytkowników nie jest automatycznie wysokiej jakości materiałem treningowym, a mechanizmy ochrony prywatności ograniczają sposób, w jaki dostawcy mogą ją wykorzystywać.
Dostawca musi odróżniać udane wyniki od tych jedynie powierzchownie wiarygodnych. Agent programistyczny, który tworzy zaakceptowany tekst, może nadal wprowadzić ukrytą wadę. Asystent wsparcia może zadowolić użytkownika, jednocześnie po cichu naruszając politykę.
Dane wysokiej jakości wymagają zatem osądu, etykietowania i infrastruktury ewaluacyjnej. Nie można ich sprowadzić do zbierania większej liczby promptów. Najsilniejszy proces łączy rzeczywiste porażki z reprezentatywnymi testami, a następnie wykorzystuje te testy do kierowania treningiem i zmianami produktu.
Mechanizm ten wyjaśnia, dlaczego dane i efektywność wzmacniają się nawzajem. Lepsze przykłady mogą pomóc mniejszym modelom obsługiwać rutynowe zadania. Lepsze trasowanie może kierować tylko trudne zapytania do kosztownych systemów frontierowych. Lepsze ewaluacje mogą zapobiec wydawaniu mocy obliczeniowej na zmiany, które poprawiają wynik nagłówkowy, lecz nie poprawiają rezultatów dla klientów.
Wyjaśnia to również, dlaczego infrastruktura Decart mogłaby uzupełniać badania Anthropic nad modelami. Szybsze eksperymenty pozwalają badaczom wcześniej testować mieszanki danych i interwencje treningowe. Bardziej efektywne wnioskowanie zapewnia większą pojemność dla ewaluacji, agentów i długotrwałych zadań.
Przewaga konkurencyjna nie wynikałaby wyłącznie z danych. Wynikałaby z zamkniętej pętli łączącej wybór danych, zachowanie modelu, ewaluację, optymalizację obciążeń i wyniki użytkowników. Zarówno Anthropic, jak i OpenAI pracują nad własnymi wersjami tej pętli.
Tańsza AI nie potwierdza tezy o danych
Efektywność szybko się poprawia, lecz publicznie dostępne dowody nie pozwalają jeszcze wyodrębnić, jaka część postępu wynika z lepszych danych, mniejszych modeli, sprzętu, oprogramowania czy niższych marż.
Najmocniejsze poparcie dla zmiany w efektywności widać w spadających kosztach wnioskowania. AI Index Stanforda z 2025 r. wykazał, że koszt osiągnięcia wydajności na poziomie GPT-3.5 w jednym benchmarku spadł ponad 280-krotnie między końcem 2022 r. a końcem 2024 r.
Ta sama analiza kosztów AI wykazała, że znacznie mniejsze modele osiągały progi wydajności wcześniej kojarzone z ogromnie większymi systemami. Wyniki te pokazują, że użyteczne możliwości mogą z czasem stawać się tańsze i bardziej kompaktowe.
Nie dowodzą jednak, że poprawę spowodowały lepsze dane treningowe. Nowe generacje procesorów, kwantyzacja, zmiany architektury modeli, destylacja, konkurencja i niższe marże dostawców mogą obniżać ceny. Publiczne ujawnienia rzadko pokazują dokładny wkład każdego z tych czynników.
Kwantyzacja zmniejsza precyzję numeryczną stosowaną do przechowywania lub uruchamiania modelu. Destylacja uczy mniejszy model odtwarzania wybranego zachowania większego systemu. Oba rozwiązania mogą obniżać wymagania zasobowe bez zmiany bazowego korpusu treningowego.
Benchmarki tworzą kolejną niepewność. System może się poprawiać, ponieważ deweloperzy trenowali go bezpośrednio lub pośrednio na podobnych przykładach. Może następnie mieć trudności, gdy klienci przedstawią nieznane zadania, chaotyczne dokumenty lub zmieniające się warunki.
Dlatego twierdzenia o lepszych danych wymagają ostrożnego traktowania. Anthropic i OpenAI ujawniają kategorie informacji treningowych, ale żadne z nich nie publikuje pełnej receptury modeli frontierowych. Osoby z zewnątrz nie mogą bezpośrednio porównać jakości zbiorów danych, filtrowania, metod danych syntetycznych ani zakresu ewaluacji.
Raport Decart ma podobną lukę weryfikacyjną. Decart opisuje oprogramowanie, które wydobywa większą wydajność ze sprzętu obliczeniowego. Publiczne demonstracje generowanych w czasie rzeczywistym środowisk pokazują ambicje niskiego opóźnienia, lecz nie potwierdzają wyników w produkcyjnym stosie Anthropic.
Ryzyko integracyjne pozostałoby nawet po sfinalizowaniu przejęcia. Oprogramowanie infrastrukturalne współdziała ze sterownikami sprzętu, architekturami modeli, harmonogramami chmurowymi i systemami niezawodności. Optymalizacja działająca dla jednego obciążenia może zachowywać się inaczej w innej skali.
Modele świata dodają strategicznej niejednoznaczności. Mogą stać się ważne dla robotyki, symulacji i mediów interaktywnych. Mogą też odciągać Anthropic od najsilniejszego rynku Claude’a, jeśli firma potraktuje je jako odrębny wyścig modeli.
Bardziej spójna interpretacja koncentruje się na infrastrukturze. Optymalizacja obciążeń Decart jest bezpośrednio związana z ograniczeniami obsługi Anthropic. Produkty firmy oparte na modelach świata pokazują, co może wspierać ta infrastruktura, ale nie powinny zastępować tezy artykułu dotyczącej efektywności.
Istnieje też problem reakcji konkurencji. OpenAI, Google, Meta, dostawcy chmury i firmy produkujące układy nie stoją w miejscu. Każda z nich może usprawniać kompilatory, trasowanie, mniejsze modele, własne procesory lub potoki danych.
Google ma szczególnie silną pozycję w obszarze modeli, własnych układów, infrastruktury chmurowej, danych wyszukiwania i produktów konsumenckich. OpenAI dysponuje informacjami zwrotnymi z produktów na dużą skalę oraz rozległymi partnerstwami infrastrukturalnymi. Meta może wykorzystywać otwarte modele i swoje platformy konsumenckie do szerokiego rozpowszechniania ulepszeń.
Anthropic nadal musiałby wykazać, że głębsza własność infrastruktury przynosi mierzalne korzyści. Istotne wskaźniki obejmują opóźnienia, dostępność modelu, użyteczny wynik na jednostkę mocy obliczeniowej oraz jakość agentów wykonujących długie zadania.
Kupujący powinni również unikać utożsamiania niższych cen modeli z niższymi kosztami przepływu pracy. Niedrogi model wymagający powtarzanych poprawek może kosztować więcej niż zdolny model, który kończy zadanie za pierwszym razem. Czas ludzkiej weryfikacji należy uwzględnić w kalkulacji.
Ta sama ostrożność dotyczy danych. Duży prywatny korpus może być wartościowy, ale tylko wtedy, gdy jest aktualny, dozwolony, przeszukiwalny i istotny. Większa ilość zastrzeżonych informacji nie oznacza automatycznie lepszych informacji.
Bezpieczeństwo i zarządzanie dodatkowo komplikują strategię. Trenowanie na wrażliwych danych lub ich wyszukiwanie tworzy obowiązki dotyczące zgody, kontroli dostępu, usuwania i audytowalności. Wysokiej jakości zbiór danych, którego nie można wykorzystywać legalnie lub bezpiecznie, ma ograniczoną wartość operacyjną.
Dane syntetyczne niosą inne ryzyko. Gdy wygenerowane przykłady dominują w potoku, modele mogą wzmacniać własne nawyki stylistyczne i błędy. Deweloperzy potrzebują niezależnych ewaluacji i dowodów z rzeczywistego świata, aby wykryć tę pętlę informacji zwrotnej.
Te ograniczenia nie unieważniają argumentu Seseri. Precyzują go. Lepsze dane i infrastruktura mają znaczenie, ponieważ sama surowa skala jest niewystarczająca, a nie dlatego, że badania nad modelami lub moc obliczeniowa stały się zbędne.
Rozstrzygające dowody muszą pochodzić z wydajności wdrożonych systemów. Jeśli Anthropic będzie obsługiwać bardziej wymagające obciążenia Claude’a z niższymi opóźnieniami i mniejszą liczbą awarii, strategia efektywności zyska wiarygodność. Jeśli korzyści pozostaną ograniczone do demonstracji lub wewnętrznych twierdzeń, teza osłabnie.
Trzy sygnały sprawdzą strategię lepszych danych
Kolejny etap rywalizacji Anthropic i OpenAI będzie oceniany na podstawie dowodów operacyjnych, a nie kolejnej rundy promocyjnych wykresów benchmarków.
Pierwszym sygnałem będzie status i deklarowany cel zgłaszanej transakcji Decart. Sfinalizowane porozumienie potwierdziłoby, że Anthropic chce bezpośrednio posiadać technologię optymalizacji. Partnerstwo mogłoby wskazywać na zainteresowanie bez ryzyk pełnej integracji.
Najważniejszym szczegółem byłoby to, jak Anthropic wykorzysta inżynierów i oprogramowanie Decart. Umieszczenie ich blisko wnioskowania Claude’a, systemów treningowych lub strategii sprzętowej wzmocniłoby interpretację efektywnościową. Skupienie na niezależnych produktach medialnych osłabiłoby ją.
Czytelnicy powinni szukać mierzalnych zmian po każdym porozumieniu. Szybsze odpowiedzi Claude’a, wyższa dostępność podczas skoków popytu lub bardziej zdolni agenci działający przy podobnych limitach zasobów połączyłyby strategię korporacyjną z wynikami produktu.
Drugim sygnałem jest efektywność na poziomie produktu w Anthropic i OpenAI. Nowe modele należy oceniać przy stałym poziomie możliwości, a nie wyłącznie względem najsilniejszego dostępnego benchmarku. Pytanie brzmi, jak tanio i niezawodnie każdy dostawca wykonuje porównywalną pracę.
Trasowanie modeli będzie częścią tych dowodów. Dostawca może obniżać koszty, przypisując rutynowe zapytania mniejszym systemom i eskalując trudne zadania. Skuteczne trasowanie musi zachowywać dokładność, unikając jednocześnie niepotrzebnych wywołań modeli frontierowych.
Długotrwałe agenty stanowią wymagający test. Łączą rozumowanie, wyszukiwanie, korzystanie z narzędzi i wielokrotną weryfikację. Niewielkie nieefektywności kumulują się na każdym etapie, przez co wskaźniki ukończenia zadań przez agenty są bardziej informacyjne niż pojedyncze odpowiedzi czatu.
Deweloperzy powinni obserwować opóźnienia i niezawodność obok jakości modeli. System programistyczny, który dobrze rozumuje, ale wielokrotnie przekracza limit czasu, nie tworzy efektywnego przepływu pracy. Szybszy model, który wprowadza więcej wad, również nie zdaje testu.
Wdrażanie w przedsiębiorstwach dostarcza kolejnego użytecznego sygnału. Kupujący będą rozszerzać wykorzystanie, gdy systemy AI zapewnią przewidywalną wartość w ramach ograniczeń dotyczących zarządzania i budżetu. Ogłoszenia pilotażowe mają mniejsze znaczenie niż powtarzalne użycie w rzeczywistych procesach biznesowych.
Trzecim sygnałem będzie większa jawność dotycząca danych treningowych i ewaluacji. Pełna przejrzystość jest mało prawdopodobna, ponieważ laboratoria traktują mieszanki danych i metody optymalizacji jako aktywa konkurencyjne. Bardziej szczegółowe raportowanie mogłoby jednak poprawić ocenę zewnętrzną.
Użyteczne ujawnienia opisywałyby, jak firmy testują dane syntetyczne, zapobiegają zanieczyszczeniu benchmarków i oceniają nieznane zadania. Raporty powinny także rozróżniać korzyści wynikające ze zmian modeli, systemów wyszukiwania i trasowania na warstwie produktu.
OpenAI i Anthropic mają powody, by zachować te szczegóły w tajemnicy. Ujawnienie wartościowej receptury danych mogłoby pomóc konkurentom ją odtworzyć. Jednak niejasne twierdzenia utrudniają klientom ocenę niezawodności i ryzyka.
Niezależne ewaluacje mogą zawęzić tę lukę. Powinny wykorzystywać prywatne zestawy testowe, realistyczne przepływy pracy i miary oparte na wynikach. Powinny też raportować zmienność, zamiast przedstawiać jeden średni wynik jako pełną ocenę.
Te trzy sygnały układają się w jasną kolejność. Najpierw należy obserwować, czy Anthropic przekształca zgłaszane zainteresowanie w zobowiązanie infrastrukturalne. Następnie sprawdzić, czy to zobowiązanie zmienia ekonomikę produktu i niezawodność. Na końcu domagać się dowodów wyjaśniających, skąd pochodziły zyski.
Sfinalizowana transakcja bez poprawy produktu osłabiłaby strategię. Lepsza ekonomika Claude’a bez transakcji pokazałaby, że Anthropic znalazł inną drogę. Mocne ujawnienia dotyczące danych i ewaluacji ułatwiłyby interpretację każdego z tych wyników.
Dla deweloperów praktyczną odpowiedzią jest porównywanie procesów pracy, a nie marek. Testuj reprezentatywne zadania, mierz liczbę ponownych prób i uwzględniaj czas potrzebny na weryfikację. Dbaj o jakość źródeł do wyszukiwania informacji i dokumentuj miejsca, w których generowane odpowiedzi zawodzą.
Klienci korporacyjni powinni pytać dostawców, jak modele wykorzystują informacje firmowe, jak często aktualizowane są indeksy wyszukiwania oraz jak stosowane są mechanizmy kontroli dostępu. Powinni też porównywać całkowite koszty realizacji zadań, a nie tylko publikowane stawki za tokeny.
Pracownicy umysłowi stoją przed podobnym wyborem. Nowszy model może pomóc, lecz jakość dostarczonych mu dokumentów często decyduje o odpowiedzi. Porządkowanie zaufanego kontekstu pozostaje wartościowe, nawet gdy modele z czołówki stają się coraz lepsze.
Anthropic i OpenAI będą nadal wypuszczać lepsze modele. Ważniejsza rywalizacja dotyczy jednak teraz tego, która firma przełoży inteligencję na niezawodną, przystępną cenowo pracę. Warto obserwować rozmowy z Decart, efektywność wdrożeń oraz ujawniane informacje o danych. Łącznie te sygnały pokażą, czy lepsze dane i infrastruktura rzeczywiście przeważają nad kolejnym cyklem skalowania.
