Sääntely

Anysphere harkitsee Cursorin siirtämistä pois kiinalaisista avoimien painojen malleista

Sophie Denar
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatAnyspheren kokeellinen käytöstä poistaminen osoittaa, että geopoliittinen riski ohjaa…
Näytä lisää
  • Anyspheren kokeellinen käytöstä poistaminen osoittaa, että geopoliittinen riski ohjaa nyt tekoälypohjaisten koodausalustojen toimituspäätöksiä.
  • Composer 2 rakennettiin Moonshot AI -perustalle, jonka julkisti ainoastaan riippumaton kehittäjä.
  • Kiinalaisten avoimien painomallien poistaminen ennen luotettavien vaihtoehtojen olemassaoloa voisi nostaa kustannuksia ja keskittää markkinoita.

Cursor-tekoälykoodausalustan kehittäjä Anysphere kertoi edustajainhuoneen tutkijoille aikovansa selvittää, voitaisiinko kiinalaiskehitteisistä avoimien painojen tekoälymalleista luopua geopoliittisten riskien vuoksi, käy ilmi kongressin yhteisraportista, joka julkaistiin 20. marraskuuta 2026.

Kyse on alustavasta suunnitelmasta, ei toteutuneesta luopumisesta, eivätkä valiokunnat kertoneet lopullisesta päätöksestä tai aikataulusta. Edustajainhuoneen sisäisen turvallisuuden valiokunta ja Kiinaa käsittelevä edustajainhuoneen erityisvaliokunta julkaisivat havaintonsa tutkinnan jälkeen. Tutkinta alkoi huhtikuussa 2026, ja sen piiri laajeni Airbnb:stä ja Anyspherestä DoorDashiin 31. heinäkuuta 2026.

Avoimien painojen malleissa on koulutettuja parametreja, jotka voi ladata, suorittaa ja muokata alkuperäisestä kehittäjästä riippumatta. Näin malleista voidaan tehdä johdannaisia, jotka leviävät ilman jatkuvaa kaupallista suhdetta alkuperäiseen kehittäjään. Valiokuntien mukaan Composer 2, Cursorin omisteinen lippulaivamalli, rakennettiin Moonshot AI:n pohjamallin varaan. Pohjamallin henkilöllisyys tuli julkisuuteen vasta sen jälkeen, kun riippumaton kehittäjä tunnisti sen.

Cursorin teknisessä raportissa pohjamalliksi nimetään Kimi K2.5. Composer 2:ta esikoulutettiin edelleen runsaasti koodia sisältävällä aineistolla, minkä jälkeen sitä koulutettiin laajamittaisesti vahvistusoppimisella realistisissa Cursor-istunnoissa samoilla työkaluilla ja samalla kehikolla kuin käyttöön otettua mallia.

Miksi kiinalaismallit vakiintuivat käyttöön

Airbnb kertoi, että Alibaban Qwen-mallien mukautetut versiot tukevat tekoälyavustajaa, joka käsittelee päivittäin noin 80 000 vierailijoiden ja majoittajien välistä yhteydenottoa. Lisäksi hienosäädetty malli tiivistää päivittäin noin 250 000 tukitapausta ja puhelua. Molemmat toimivat yhdysvaltalaisilla palveluntarjoajien infrastruktuureilla.

DoorDash kertoi, että sillä on hyväksytty käytettäväksi 25 kiinalaista malliperhettä, jotka on otettu käyttöön merkittävässä laajuudessa. Merkittävällä käytöllä tarkoitetaan vähintään 5 000 dollarin kuluja laskentaan ja mallien tarjoamiseen. Yhtiön arvion mukaan yhden laajempaan järjestelmään sisällytetyn kiinalaiskehitteisen mallin korvaaminen voisi kestää jopa kuusi kuukautta, vaikka useimmat muut käyttötavat voitaisiin siirtää uusiin ratkaisuihin lähes välittömästi.

Valiokunnat tunnistivat käyttöönottoa edistäviksi tekijöiksi kustannukset, mukautettavuuden ja lähes huipputason suorituskyvyn. Niiden mukaan Yhdysvalloissa ei ole kilpailukykyistä avoimien painojen vaihtoehtoa, joka vastaisi markkinoiden vaatimaa hintaa ja suorituskykyä.

Raportissa verrataan julkaistuja rajapintahintoja miljoonalle syötetokenille ja miljoonalle tulostokenille (tokenit ovat pieniä sanojen ja merkkien osia, joilla mitataan mallin käyttöä):

Malli Kehittäjä Arvioitu hinta
Qwen3-235B-A22B-Instruct Alibaba $1.15
DeepSeek-R1 DeepSeek $2.74
Kimi K2.6 Moonshot AI $4.95
Claude Opus 4.8 Anthropic $30
GPT-5.5 OpenAI $35

Luvuissa ei huomioida eroja mallien kyvykkyydessä, välimuistin käytössä, eräalennuksissa, kampanjahinnoissa tai itse ylläpidetyn käytön kustannuksissa. Ne havainnollistavat käyttöönottoa vauhdittavaa hintapainetta. Avoimet painot antavat yrityksille myös mahdollisuuden hienosäätää malleja omalla datallaan ja ottaa ne käyttöön hallitsemassaan infrastruktuurissa.

Turvallisuushuoli ei liity siihen, missä mallia ylläpidetään. Mallien suorittaminen yhdysvaltalaisessa infrastruktuurissa vähentää suoraa altistumista tietoturvariskeille, mutta raportin mukaan se ei muuta sitä, miten pohjamalli on koulutettu tai miten se voi käyttäytyä tilanteissa, joita tavanomaisissa arvioinneissa ei havaita.

Ehdotetut rajoitukset ja korvaamiseen liittyvät riskit

Raportin 12 suositusta eivät itsessään aseta rajoituksia. Niillä pyrittäisiin jatkamaan sisäisen turvallisuuden ministeriön määräystä, jolla DeepSeekin tuotteet ja palvelut suljetaan liittovaltion siviilihankintojen ulkopuolelle ja jonka mukaan ne on poistettava virastojen järjestelmistä, myös kolmansien osapuolten tuotteista, jotka on rakennettu DeepSeekin varaan. Valiokuntien puheenjohtajat suosittelevat näiden rajoitusten ulottamista myös muihin kiinalaiskehitteisiin malleihin ja niiden johdannaisiin kaikissa liittovaltion tietojärjestelmissä ja liittovaltion sopimustyössä. Tutkimukselle, testaukselle ja puolustukselliselle tietoturvatyölle myönnettäisiin tarkoin rajattuja poikkeuksia. He suosittelevat myös näiden mallien ja niiden johdannaisten käytön kieltämistä tarkoin määritellyissä, suuren riskin kriittisen infrastruktuurin toiminnoissa. Poistamisen aikatauluissa otettaisiin huomioon luotettavien vaihtoehtojen saatavuus, ja väliaikaisia poikkeuksia sallittaisiin, jos luotettavaa korvaajaa ei ole.

Jotta sääntöjä voitaisiin valvoa, National Institute of Standards and Technology johtaisi mallien alkuperän todentamista koskevan standardin laatimista. Lisäksi koneellisesti luettava tekoälyn komponenttiluettelo dokumentoisi pohjamallit, merkittävän hienosäädön ja tislauslähteet. Vaatimus koskisi liittovaltion sopimuskumppaneita sekä tekoälyä, jota käytetään suuren riskin kriittisen infrastruktuurin toiminnoissa; muualla sen noudattaminen olisi vapaaehtoista. Yhdysvaltalainen kansallinen avoimien painojen tekoälyaloite yhdistäisi julkiset laskentaresurssit, yhteisen arviointi-infrastruktuurin, vapaaehtoisen lisensoinnin, jonka nojalla yhdysvaltalaisten huippumallien tuotoksia voitaisiin luovuttaa päteville avoimien painojen mallien kehittäjille koulutuskäyttöön, sekä liittovaltion vakaan peruskysynnän.

Komiteat varoittavat, että kiinalaisten mallien poistaminen ennen kuin luotettavia avoimilla painoarvoilla varustettuja vaihtoehtoja on saatavilla voisi nostaa kustannuksia ja keskittää markkinat suljettujen, omisteisten palveluntarjoajien käsiin. Anyspheren alustava suunnitelma havainnollistaa siksi laajempaa toimeenpanon haastetta: rajoitukset edellyttävät luotettavia alkuperätietoja, joiden avulla sulautetut mallit voidaan tunnistaa, sekä uskottavia korvaavia vaihtoehtoja, jotta kiinalaisia avoimia painoarvoja ei vaihdettaisi korkeampiin kustannuksiin tai riippuvuuteen suljetuista malleista.

Sophie Denar on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälypolitiikkaa, sääntelyä ja hallintoa globaaleilla markkinoilla. Hänen työnsä keskittyy siihen, miten kansalliset ja kansainväliset sääntelykehykset muokkaavat tekoälytekniikoiden kehittymistä, käyttöönottoa ja kaupallistamista pitkällä aikavälillä.
Diplomaattisesta ja maailmanlaajuisesti informoidusta näkökulmasta Sophie seuraa hallitusten, monenkeskisten instituutioiden ja standardointielinten aloitteita, analysoi, miten erilaiset sääntelylähestymistavat vaikuttavat innovaatioon, kilpailuun ja markkinoille pääsyyn. Hän kiinnittää erityistä huomiota rajojen ylittäviin vaikutuksiin, noudattamisen haasteisiin ja riskienhallinnan ja teknologisen edistymisen tasapainoon.
Artikkelit, joita Sophie Denar on kirjoittanut, ovat tekoälyn tuottamia ja Unite.AI:n toimituksen tarkastamia, jotta voidaan varmistaa tarkkuus, puolueettomuus ja vastuullinen kattavuus tekoälypolitiikan ja sääntelyn kehityksestä maailmanlaajuisesti.