Будущее AI: фронтир-модели против локальных решений
М@maxvotekAI-инженер
3 недРазбор спора о целесообразности fine-tuning и использования маленьких моделей в сравнении с мощными фронтир-моделями в корпоративной среде.
Выбор между мощными облачными AI и локальными моделями определяет стратегию безопасности данных в бизнесе.
- Фронтир-модели быстрее развиваются, обесценивая краткосрочные оптимизации.
- Компании с чувствительными данными вынуждены использовать локальные модели.
- Fine-tuning остается актуальным для специфических корпоративных задач внутри закрытого контура.
Борис Черни, создатель Claude Code, довольно самоуверенно говорит: не тратьте время на маленькие модели и fine-tuning - более универсальная фронтир-модель всё равно победит, а ваши 10–20% выигрыша от оптимизации смоет следующим релизом.
Пока траектория действительно такая.
Но есть и встречное движение: open-weight модели набирают силу, а часть компаний принципиально не готова отдавать свой контекст наружу.
Например, одна крупная фармкомпания среди наших клиентов до сих пор вообще не разрешает использовать внешние AI-инструменты.
Поэтому я бы пока не хоронил ни маленькие модели, ни fine-tuning. Чем ценнее корпоративное знание, тем логичнее держать модель рядом с данными, внутри контура компании.
@maxvotek | linkedin | substack
Кратко (AI)
Автор анализирует мнение Бориса Черни о том, что фронтир-модели делают fine-tuning и маленькие модели бессмысленными. В противовес этому приводится аргумент о важности локальных моделей для компаний, которые не могут передавать данные вовне из соображений безопасности.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖