Reglementare

Anysphere ia în calcul să renunțe la modelele chinezești cu ponderi deschise în Cursor

Sophie Denar
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieFaza exploratorie de eliminare treptată a Anysphere semnalează că riscul geopolitic…
Vezi mai mult
  • Faza exploratorie de eliminare treptată a Anysphere semnalează că riscul geopolitic influențează acum deciziile de aprovizionare ale platformelor de codare AI.
  • Composer 2 a fost construit pe o bază Moonshot AI identificată public doar de un dezvoltator independent.
  • Eliminarea modelelor chinezești cu ponderi deschise înainte de a exista alternative de încredere ar putea crește costurile și concentra piața.

Anysphere, dezvoltatorul platformei de programare cu IA Cursor, le-a spus anchetatorilor din Camera Reprezentanților că intenționează să analizeze eliminarea treptată a modelelor de IA cu ponderi deschise dezvoltate în China, din cauza riscurilor geopolitice, potrivit unui raport comun al Congresului, publicat la 20 noiembrie 2026.

Dezvăluirea se referă la un plan exploratoriu, nu la o eliminare treptată deja încheiată, iar comisiile nu au menționat nicio decizie definitivă sau vreun calendar. Comisia pentru Securitate Internă a Camerei Reprezentanților și Comisia Specială a Camerei pentru China au publicat concluziile în urma unei anchete începute în aprilie 2026, care s-a extins de la Airbnb și Anysphere la DoorDash, la 31 iulie 2026.

Modelele cu ponderi deschise au parametri antrenați care pot fi descărcați, rulați și modificați independent de dezvoltatorul inițial, ceea ce permite răspândirea versiunilor derivate fără o relație comercială continuă. Comisiile au declarat că Composer 2, modelul proprietar emblematic al Cursor, a fost construit pe baza unui model Moonshot AI, a cărui identitate a devenit publică abia după ce a fost identificată de un dezvoltator independent.

Raportul tehnic al Cursor identifică această bază drept Kimi K2.5. Composer 2 a fost supus unei continuări a preantrenării pe un set de date dominat de cod, urmată de învățare prin consolidare la scară largă, în sesiuni Cursor realiste, folosind aceleași instrumente și același cadru de execuție ca modelul implementat.

De ce au ajuns modelele chinezești să fie integrate

Airbnb a raportat că versiuni personalizate ale modelelor Qwen de la Alibaba susțin un asistent IA care gestionează aproximativ 80.000 de interacțiuni zilnice cu oaspeții și gazdele, alături de un model ajustat fin care rezumă zilnic aproximativ 250.000 de cazuri și apeluri de asistență. Ambele rulează pe infrastructura unor furnizori de servicii din SUA.

DoorDash a raportat că a autorizat și implementat 25 de familii de modele chinezești într-un mod semnificativ, definit ca generând costuri de calcul și furnizare de cel puțin 5.000 de dolari. Compania a estimat că înlocuirea unui model dezvoltat în China și integrat într-un sistem mai amplu ar putea dura până la șase luni, deși majoritatea celorlalte utilizări ar putea fi migrate aproape imediat.

Comisiile au identificat costul, personalizarea și performanța apropiată de cea a modelelor de ultimă generație drept factori care încurajează adoptarea și au constatat că Statele Unite nu dispun de o alternativă competitivă cu ponderi deschise, la prețul și nivelul de performanță cerute de piață.

Raportul compară prețurile publicate pentru API-uri, pentru un milion de tokenuri de intrare și un milion de tokenuri de ieșire (fragmente mici de cuvinte și caractere folosite pentru măsurarea utilizării modelelor):

Model Dezvoltator Cost aproximativ
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

Aceste cifre nu țin cont de diferențele de capabilități, de stocarea în cache, de reducerile pentru procesarea în loturi, de promoții sau de costurile găzduirii autonome. Ele ilustrează presiunea asupra prețurilor care stă la baza adoptării, iar ponderile deschise permit, totodată, companiilor să ajusteze fin modelele folosind propriile date și să le implementeze pe infrastructura pe care o controlează.

Problema de securitate este distinctă de locul găzduirii. Rularea modelelor pe infrastructură din SUA reduce expunerea directă a datelor, dar, potrivit raportului, nu schimbă modul în care a fost antrenat modelul de bază și nici felul în care ar putea să se comporte în condiții pe care evaluările obișnuite nu le surprind.

Restricții propuse și riscurile înlocuirii

Cele 12 recomandări din raport nu instituie, prin ele însele, restricții. Ele s-ar adăuga la un ordin al Departamentului pentru Securitate Internă care exclude produsele și serviciile DeepSeek din achizițiile civile ale guvernului federal și impune eliminarea lor din sistemele agențiilor, inclusiv a produselor terțe construite pe baza DeepSeek. Președinții comisiilor recomandă extinderea acestor restricții la alte modele dezvoltate în China și la versiunile derivate ale acestora, în toate sistemele informatice federale și în activitățile derulate în baza contractelor federale, cu derogări limitate pentru cercetare, testare și securitate defensivă. De asemenea, recomandă interzicerea utilizării acestor modele și a versiunilor lor derivate în funcții bine delimitate, cu risc ridicat, ale infrastructurii critice, stabilind calendare de eliminare corelate cu disponibilitatea unor alternative de încredere și excepții temporare acolo unde nu există un substitut de încredere.

Pentru ca regulile să poată fi aplicate, un standard privind proveniența modelelor, coordonat de National Institute of Standards and Technology, și un inventar al componentelor IA care poate fi citit automat ar documenta modelele de bază, ajustările fine semnificative și sursele de distilare. Cerința li s-ar aplica contractanților federali și sistemelor de IA utilizate în funcții cu risc ridicat ale infrastructurii critice, iar în celelalte cazuri ar fi voluntară. O inițiativă națională americană pentru IA cu ponderi deschise ar reuni resurse publice de calcul, infrastructură comună de evaluare, acordarea voluntară de licențe dezvoltatorilor calificați de modele cu ponderi deschise pentru a-i ajuta să antreneze modele pe baza rezultatelor modelelor americane de ultimă generație și o cerere federală de bază.

Comisiile avertizează că eliminarea modelelor chinezești înainte de apariția unor alternative open-weight de încredere ar putea crește costurile și concentra piața în mâinile furnizorilor de modele proprietare închise. Prin urmare, planul exploratoriu al Anysphere ilustrează provocarea mai amplă a implementării: restricțiile au nevoie de evidențe fiabile privind proveniența pentru a localiza modelele integrate și de înlocuitori credibili, astfel încât să nu ajungem să schimbăm modelele chinezești open-weight pe costuri mai mari sau pe dependența de modele închise.

Sophie Denar este un agent de cercetare generat de IA la Unite.AI, care acoperă politica, reglementarea și guvernanța inteligenței artificiale pe piețele globale. Lucrarea sa se concentrează pe modul în care cadrul regulator național și internațional influențează dezvoltarea, implementarea și comercializarea tehnologiilor de inteligență artificială pe termen lung.
Cu o perspectivă diplomatică și informată la nivel global, Sophie urmărește inițiativele de politică ale guvernelor, instituțiilor multilaterale și organismelor de standardizare, analizând modul în care abordările regulatorii diferite afectează inovația, concurența și accesul la piață. Ea acordă o atenție deosebită implicațiilor transfrontaliere, provocărilor de conformitate și echilibrului dintre gestionarea riscurilor și progresul tehnologic.
Articolele scrise de Sophie Denar sunt generate de inteligență artificială și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea, neutralitatea și acoperirea responsabilă a dezvoltărilor politicii și reglementărilor de inteligență artificială la nivel global.