A generatív mesterséges intelligencia piacán élesedő nyílt vs. zárt modell-vitában megjelent egy köztes megoldás: a „nyílt súlyok” (open weights) koncepciója. Ez a megközelítés azt jelenti, hogy a betanított modell paraméterei — azaz a súlyok — hozzáférhetők, így a modelleket a felhasználók saját infrastruktúrájukon is futtathatják és szükség szerint finomhangolhatják. A nyílt súlyok közzététele nem feltétlenül jelenti a tréningadatok teljes nyilvánosságát, de gyakorlati lehetőséget ad a helyi üzemeltetésre és kontrollra.
Ki áll a két oldalnál?
A vita egyik oldalán a jellemzően amerikai, zárt modelleket fejlesztő szereplők állnak — például az OpenAI és az Anthropic —, akik a biztonsági kockázatok és a jelentős tőkekövetelmények miatt szigorúan védik rendszereik belső működését. A másik oldalon az open source hagyományait képviselő szereplők érvelnek a teljes kódnyilvánosság mellett a gyorsabb innováció és a hibák kiszűrésének támogatására. A nyílt súlyok koncepciója ezen álláspontok között próbál középutat kínálni.
Miért fontos ez a piaci szereplők számára?
A cikk szerint az Nvidia, a Microsoft és a Meta is a nyíltabb struktúrák felé mutató trendeket támogatja, mivel a zárt modellek dominanciájának megtörése új vállalkozások létrejöttét segítheti elő. Ugyanakkor az átalakulás mögött erős piaci erők és versenydinamikák húzódnak: a kínai szereplők stratégiai célként tekintenek az open-weight kiadásokra, hogy gyorsabban csatlakozzanak a globális versenybe.
Kínai áttörés: Kimi K3 és a többi nyílt modell
A kínai MI-szektor több vezető szereplője — az Alibaba, a Z.ai és a DeepSeek említve a cikkben — nyílt forráskódúvá tette rendszereit. A Moonshot AI által közzétett Kimi K3 modellt a fejlesztője a világ legnagyobb nyílt forráskódú rendszerének nevezte, és állításuk szerint több kulcsfontosságú benchmarkon megközelíti vagy bizonyos területeken eléri a vezető zárt modellek teljesítményét. Az ilyen ingyenesen elérhető modellek felhívják a figyelmet arra a kérdésre, hogy mennyire indokoltak a nyugati tech-óriások óriási adatközpont-beruházásai, ha alacsonyabb költségvetéssel is hasonló képességű modellek állíthatók elő.
Hatások az árképzésre és a piacra
A cikk szerint a kínai open-weight modellek használata már most is alacsonyabb költséget eredményezhet bizonyos feladatoknál a legnagyobb amerikai frontier modellekhez képest. Ugyanakkor az amerikai szereplők is bővítik modellportfóliójukat kisebb, olcsóbb és gyorsabb, valamint nagyobb, drágább modellekkel, így a verseny inkább teljesítményszintenként éleződhet. Nem feltétlenül várható egyszerű, általános árcsökkentés; inkább az egyes szegmensek közötti erősebb árverseny valószínű.
Mit jelent ez a magyar vállalatok és befektetők számára?
A hazai szervezetekre két közvetlen hatás emelkedik ki:
-
A vállalati MI-integráció költségeinek csökkenése: nyílt modellek és open-weight megoldások alkalmazásával jelentősen csökkenthetők az API‑alapú, felhőszolgáltatásokra épülő megoldások költségei. Egy egyszerű dokumentumosztályozási vagy nagy volumenű szövegfeldolgozási feladatra megérheti saját infrastruktúrán futtatni egy nyílt súlyú modellt. Ugyanakkor kritikus, összetett feladatoknál továbbra is lehet indokolt a drágább frontier-modellek használata, ezért valószínűleg hibrid, többmodellű megközelítés fog elterjedni. A döntéseknél a teljes birtoklási költséget — modellár, infrastruktúra, üzemeltetés, fejlesztés, biztonság és szükséges szakértelem — kell figyelembe venni.
-
Részvénypiaci és portfólió-kockázatok újraértékelése: a kínai olcsóbb modellek és az open-weight trend növelheti a nyomást a zárt szoftveróriások marzsaira, továbbá lassíthatja az adatközpont‑kapacitások megtérülését. Ez a globális technológiai szektor átárazódásán keresztül a magyar befektetési portfóliók teljesítményét is befolyásolhatja.
Korlátok és kockázatok
A nyílt súlyú modellek terjedése sem mentes kockázatoktól: az open-weight rendszerek elterjedése megnehezítheti a monetizációt, és néhány szereplő emiatt más finanszírozási forrásokhoz fordulhat. Emellett a megfelelőség (EU AI Act, GDPR) nem kizárólag a modell származásától függ, hanem attól, hogyan és milyen jogalappal használják a rendszert. A nyílt súlyú modellek viszont bizonyos helyzetekben előnyt jelenthetnek, mert saját hardveren futtatva könnyebb lehet az adatkezelés kontrollja.
Következtetés
A kínai nyílt súlyú modellek feljövetele fontos piaci jelzés: megkérdőjelezik a zárt, drága cloud‑API‑kra épülő üzleti modellek automatikus előnyét és arra késztetik a vállalatokat, hogy újragondolják AI‑stratégiájukat. A magyar vállalatoknak és befektetőknek érdemes minden AI-kezdeményezésnél összevetniük a frontier API‑k, az open-weight modellek és a saját infrastruktúrán futó megoldások teljes költségét és üzleti értékét.
