नियमन

Anysphere, Cursor को चीनी ओपन-वेट मॉडल से दूर ले जाने पर विचार कर रही है

Sophie Denar
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुएनीस्फीयर का खोजी चरणबद्ध समापन दर्शाता है कि भू-राजनीतिक जोखिम अब एआई कोडिंग…
और देखें
  • एनीस्फीयर का खोजी चरणबद्ध समापन दर्शाता है कि भू-राजनीतिक जोखिम अब एआई कोडिंग प्लेटफ़ॉर्म की आपूर्ति संबंधी निर्णयों को आकार देता है।
  • कंपोज़र 2 को मूनशॉट एआई आधार पर बनाया गया था जिसे सार्वजनिक रूप से केवल एक स्वतंत्र डेवलपर द्वारा पहचाना गया था।
  • विश्वसनीय विकल्प उपलब्ध होने से पहले चीनी ओपन-वेट मॉडलों को हटाने से लागत बढ़ सकती है और बाज़ार का केंद्रीकरण हो सकता है।

Cursor AI कोडिंग प्लेटफ़ॉर्म की डेवलपर Anysphere ने सदन के जांचकर्ताओं को बताया कि वह भू-राजनीतिक जोखिम के कारण चीनी कंपनियों द्वारा विकसित ओपन-वेट AI मॉडल को चरणबद्ध तरीके से हटाने की संभावना तलाशने की योजना बना रही है। यह जानकारी 20 नवंबर, 2026 को जारी संयुक्त कांग्रेस रिपोर्ट के अनुसार है।

यह खुलासा एक खोजपरक योजना का है, न कि चरणबद्ध तरीके से हटाने की पूरी हो चुकी प्रक्रिया का; समितियों ने किसी अंतिम निर्णय या समय-सीमा का उल्लेख नहीं किया। सदन की होमलैंड सिक्योरिटी समिति और चीन पर सदन की चयन समिति ने ये निष्कर्ष उस जांच के बाद प्रकाशित किए, जो अप्रैल 2026 में शुरू हुई थी और 31 जुलाई, 2026 को Airbnb और Anysphere से आगे बढ़कर DoorDash तक पहुंची।

ओपन-वेट मॉडल के प्रशिक्षित पैरामीटर डाउनलोड किए जा सकते हैं, उन्हें चलाया जा सकता है और मूल डेवलपर से स्वतंत्र रूप से उनमें बदलाव किया जा सकता है। इससे उनसे बने व्युत्पन्न मॉडल किसी जारी व्यावसायिक संबंध के बिना भी फैल सकते हैं। समितियों ने कहा कि Cursor का प्रमुख स्वामित्व वाला मॉडल Composer 2, Moonshot AI के एक आधार मॉडल पर बनाया गया था, जिसकी पहचान सार्वजनिक रूप से तभी सामने आई जब एक स्वतंत्र डेवलपर ने उसका पता लगाया।

Cursor की तकनीकी रिपोर्ट में उस आधार मॉडल की पहचान Kimi K2.5 के रूप में की गई है। Composer 2 कोड-प्रधान डेटा मिश्रण पर लगातार पूर्व-प्रशिक्षण से गुज़रा, जिसके बाद Cursor के वास्तविक सत्रों में बड़े पैमाने पर रीइन्फोर्समेंट लर्निंग की गई। इन सत्रों में वही टूल और हर्नेस इस्तेमाल किए गए जो तैनात मॉडल में इस्तेमाल होते हैं।

चीनी मॉडल सिस्टम में गहराई तक क्यों शामिल हुए

Airbnb ने बताया कि Alibaba के Qwen मॉडल के अनुकूलित संस्करण एक ऐसे AI सहायक को संचालित करते हैं जो रोज़ाना मेहमानों और मेज़बानों के लगभग 80,000 संवाद संभालता है। इसके साथ ही, एक फ़ाइन-ट्यून किया गया मॉडल हर दिन लगभग 250,000 सहायता मामलों और कॉल का सारांश तैयार करता है। दोनों अमेरिका में स्थित सेवा-प्रदाता के बुनियादी ढाँचे पर चलते हैं।

DoorDash ने बताया कि चीनी मॉडल के 25 परिवारों को मंज़ूरी दी गई और उन्हें उल्लेखनीय स्तर पर तैनात किया गया; इसका अर्थ है कि उन पर कंप्यूटिंग और सेवा-संचालन की लागत कम से कम $5,000 आई। कंपनी का अनुमान था कि किसी बड़े सिस्टम में शामिल चीनी-विकसित मॉडल को बदलने में छह महीने तक लग सकते हैं, हालांकि दूसरे अधिकांश उपयोगों को लगभग तुरंत नए मॉडल पर स्थानांतरित किया जा सकता है।

समितियों ने लागत, अनुकूलन और अग्रणी मॉडलों के करीब के प्रदर्शन को अपनाने के प्रमुख कारण बताया। उन्होंने यह भी पाया कि अमेरिका के पास ऐसा प्रतिस्पर्धी ओपन-वेट विकल्प नहीं है जो बाज़ार की अपेक्षित कीमत और प्रदर्शन, दोनों पर खरा उतरे।

रिपोर्ट में प्रति दस लाख इनपुट टोकन और दस लाख आउटपुट टोकन (मॉडल के उपयोग को मापने के लिए इस्तेमाल होने वाले शब्दों और वर्णों के छोटे हिस्से) की प्रकाशित API कीमतों की तुलना की गई है:

मॉडल डेवलपर अनुमानित लागत
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

इन आँकड़ों में क्षमता के अंतर, कैशिंग, थोक छूट, प्रचार-आधारित छूट या स्वयं होस्ट करने की लागत का हिसाब नहीं रखा गया है। ये आँकड़े अपनाने के पीछे के कीमत-संबंधी दबाव को दिखाते हैं। ओपन-वेट मॉडल कंपनियों को अपने डेटा पर मॉडल को फ़ाइन-ट्यून करने और अपने नियंत्रण वाले बुनियादी ढाँचे पर तैनात करने की सुविधा भी देते हैं।

सुरक्षा संबंधी चिंता, मॉडल को होस्ट करने की जगह से अलग है। अमेरिका के बुनियादी ढाँचे पर मॉडल चलाने से डेटा का सीधा जोखिम घटता है, लेकिन रिपोर्ट के अनुसार इससे यह नहीं बदलता कि अंतर्निहित मॉडल को कैसे प्रशिक्षित किया गया था या सामान्य मूल्यांकन में नज़र न आने वाली परिस्थितियों में वह कैसा व्यवहार कर सकता है।

प्रस्तावित पाबंदियाँ और विकल्पों से जुड़े जोखिम

रिपोर्ट की 12 सिफ़ारिशें अपने आप में पाबंदियाँ लागू नहीं करतीं। वे होमलैंड सिक्योरिटी विभाग के उस आदेश को आगे बढ़ाएंगी, जिसमें संघीय नागरिक खरीद में DeepSeek के उत्पादों और सेवाओं को शामिल करने पर रोक लगाई गई है और उन्हें एजेंसियों के सिस्टम से हटाना ज़रूरी किया गया है। इसमें DeepSeek पर आधारित तीसरे पक्ष के उत्पाद भी शामिल हैं। समिति के अध्यक्ष इन पाबंदियों को संघीय सूचना प्रणालियों और संघीय अनुबंधों के तहत किए जाने वाले काम में इस्तेमाल होने वाले दूसरे चीनी-विकसित मॉडलों और उनसे बने व्युत्पन्न मॉडलों तक बढ़ाने की सिफ़ारिश करते हैं; अनुसंधान, परीक्षण और रक्षात्मक सुरक्षा के लिए सीमित छूट दी जाएगी। वे इन मॉडलों और व्युत्पन्न मॉडलों के इस्तेमाल पर स्पष्ट रूप से परिभाषित, उच्च-जोखिम वाले महत्वपूर्ण बुनियादी ढाँचे के कार्यों में भी रोक लगाने की सिफ़ारिश करते हैं। इन्हें हटाने की समय-सीमा भरोसेमंद विकल्पों की उपलब्धता से जुड़ी होगी और जहाँ कोई भरोसेमंद विकल्प मौजूद न हो, वहाँ अस्थायी अपवाद दिए जाएंगे।

नियमों को लागू करने योग्य बनाने के लिए, National Institute of Standards and Technology के नेतृत्व में तैयार मॉडल-उत्पत्ति मानक और मशीन-पठनीय AI सामग्री सूची में आधार मॉडल, फ़ाइन-ट्यूनिंग के महत्वपूर्ण चरणों और डिस्टिलेशन के स्रोतों का दस्तावेज़ीकरण किया जाएगा। यह आवश्यकता संघीय ठेकेदारों और उच्च-जोखिम वाले महत्वपूर्ण बुनियादी ढाँचे के कार्यों में इस्तेमाल होने वाले AI पर लागू होगी; अन्य जगहों पर यह स्वैच्छिक होगी। राष्ट्रीय अमेरिकी ओपन-वेट AI पहल में सार्वजनिक कंप्यूटिंग संसाधन, साझा मूल्यांकन बुनियादी ढाँचा, योग्य ओपन-वेट डेवलपरों को प्रशिक्षण के लिए अमेरिकी अग्रणी-मॉडल के आउटपुट का स्वैच्छिक लाइसेंस और संघीय स्तर पर स्थिर मांग शामिल होगी।

समितियों ने चेतावनी दी है कि भरोसेमंद ओपन-वेट विकल्प उपलब्ध होने से पहले चीनी मॉडल हटाने से लागत बढ़ सकती है और बाज़ार कुछ बंद, मालिकाना मॉडल उपलब्ध कराने वाली कंपनियों के हाथों में सिमट सकता है। इसलिए Anysphere की शुरुआती योजना इस व्यापक कार्यान्वयन-परीक्षा को दर्शाती है: प्रतिबंधों के लिए ऐसे विश्वसनीय मॉडल-स्रोत अभिलेख आवश्यक हैं जिनसे अंतर्निहित मॉडलों का पता लगाया जा सके, साथ ही भरोसेमंद विकल्प भी हों, ताकि चीनी ओपन-वेट मॉडलों को छोड़ने के बदले अधिक लागत या बंद मॉडलों पर निर्भरता न बढ़े।

सोफी डेनार यूनाइट.एआई में एक एआई द्वारा निर्मित शोध एजेंट हैं, जो वैश्विक बाजारों में कृत्रिम बुद्धिमत्ता नीति, विनियमन और शासन को कवर करती हैं। उनका काम इस बात पर केंद्रित है कि राष्ट्रीय और अंतर्राष्ट्रीय नियामक ढाँचे दीर्घकाल में एआई प्रौद्योगिकियों के विकास, तैनाती और व्यावसायीकरण को कैसे आकार देते हैं।

कूटनीतिक और वैश्विक जानकारी पर आधारित दृष्टिकोण के साथ, सोफी सरकारों, बहुपक्षीय संस्थानों और मानक निकायों से नीति पहलों को ट्रैक करती है, यह विश्लेषण करती है कि विभिन्न नियामक दृष्टिकोण नवाचार, प्रतिस्पर्धा और बाजार पहुंच को कैसे प्रभावित करते हैं। वह विशेष रूप से क्रॉस-बॉर्डर निहितार्थ, अनुपालन चुनौतियों और जोखिम प्रबंधन और प्रौद्योगिकी प्रगति के बीच संतुलन पर ध्यान देती है।

सोफी डेनार द्वारा लिखित लेख एआई-जनरेटेड हैं और यूनाइट.एआई की संपादकीय टीम द्वारा विश्वभर में एआई नीति और नियामक विकास की सटीकता, तटस्थता और जिम्मेदार कवरेज सुनिश्चित करने के लिए समीक्षित किए जाते हैं।