OpenAI ponownie opóźniło wydanie swojego otwartoźródłowego modelu AI, przesuwając premierę, która miała być pierwszym od czasów GPT-2 w 2019 roku modelem firmy dostępnym do swobodnego pobrania.
CEO Sam Altman ogłosił 12 lipca, że firma potrzebuje „czasu na przeprowadzenie dodatkowych testów bezpieczeństwa i przegląd obszarów wysokiego ryzyka” przed udostępnieniem modelu publicznie. To już drugie przesunięcie terminu po wcześniejszym opóźnieniu w czerwcu, kiedy Altman sugerował, że zespół osiągnął coś „nieoczekiwanego i naprawdę niesamowitego”, co „zdecydowanie będzie warte oczekiwania”.
Stawka tej premiery jest szczególnie wysoka, ponieważ modele z otwartymi wagami nie mogą być łatwo wycofane po ich publikacji. „Wierzymy, że społeczność stworzy z tym modelem wspaniałe rzeczy, ale gdy wagi zostaną udostępnione, nie można ich już cofnąć. To dla nas nowość i chcemy zrobić to dobrze” – wyjaśnił Altman w mediach społecznościowych.
Według branżowych raportów, otwarty model OpenAI ma oferować możliwości rozumowania podobne do modeli z serii o firmy i został zaprojektowany tak, by być najlepszym w swojej klasie w porównaniu z innymi otwartymi alternatywami. Firma planowała udostępnić go poprzez różne platformy chmurowe, w tym Azure i Hugging Face, umożliwiając deweloperom uruchamianie go lokalnie lub integrację z własnymi produktami.
Opóźnienie następuje w momencie nasilającej się konkurencji na rynku otwartoźródłowej sztucznej inteligencji. Zaledwie dzień przed ogłoszeniem OpenAI, chiński startup Moonshot AI zaprezentował Kimi K2 – otwarty model AI o bilionie parametrów, który według doniesień przewyższa GPT-4.1 OpenAI w wielu testach kodowania. Wcześniej w tym roku DeepSeek wstrząsnął branżą swoim modelem R1, który wykazał porównywalną wydajność do modeli zamkniętych przy ułamku kosztów rozwoju.
Dla OpenAI wydanie otwartego modelu oznacza strategiczny zwrot. Mimo nazwy, firma w ostatnich latach koncentrowała się głównie na modelach zamkniętych. Analitycy branżowi sugerują, że przejście w stronę otwartoźródłowych rozwiązań jest częściowo odpowiedzią na rosnące zapotrzebowanie przedsiębiorstw na elastyczne systemy AI, które można uruchamiać na różnych platformach i w różnych środowiskach.