У важливий момент для лідера індустрії штучного інтелекту OpenAI перша за багато років відкрита модель компанії вийде пізніше, ніж очікувалося. 10 червня генеральний директор Сем Альтман повідомив про перенесення релізу на період після червня, пояснивши це тим, що команда дослідників досягла «чогось неочікуваного й справді вражаючого», що «варте очікування».
Затримка відбувається у вирішальний для OpenAI момент: на початку року компанія визнала, що перебуває «на неправильному боці історії» щодо відкритої розробки AI. Від часу переходу від некомерційної моделі до більш закритого, пропрієтарного підходу у 2019 році, компанія стикається з дедалі більшим тиском з боку відкритих альтернатив.
Особливо потужним гравцем стала китайська AI-стартап DeepSeek, чия модель R1 продемонструвала можливості, співставні з продуктами OpenAI, але при значно менших витратах на розробку. До січня 2025 року DeepSeek випередила ChatGPT і стала найзавантажуванішим безкоштовним додатком в App Store США, що спричинило резонанс у Кремнієвій долині та змусило всю галузь переглянути свої стратегії.
Meta також досягла значних успіхів зі своєю лінійкою відкритих моделей Llama, які у березні 2025 року перетнули позначку в мільярд завантажень. Генеральний директор Марк Цукерберг позиціонує Meta як «флагмана відкритого AI» та планує інвестувати понад $60 млрд у розвиток штучного інтелекту лише цього року.
Для корпоративних клієнтів привабливість відкритих моделей виходить за межі економії коштів. Можливість запускати моделі локально вирішує постійні питання суверенітету даних, залежності від постачальника та відповідності регуляторним вимогам — особливо у сферах охорони здоров’я, фінансів та державного управління, де вимоги до приватності обмежують використання хмарних AI-рішень.
Із стрімким розвитком AI-технологій дискусія виходить за рамки технічних можливостей і охоплює питання відповідального розвитку, доступності та сталості. З огляду на те, що OpenAI витрачає щороку $7–8 млрд на операційну діяльність і прогнозує збитки у $5 млрд цього року, економічна життєздатність різних підходів до розробки AI стає ключовим питанням для всієї галузі.