Регулирование
Anysphere рассматривает возможность отказаться от китайских моделей с открытыми весами в Cursor

Ключевые моментыЭкспериментальный поэтапный отказ Anysphere сигнализирует о том, что геополитический…
Показать больше
- Экспериментальный поэтапный отказ Anysphere сигнализирует о том, что геополитический риск теперь определяет решения о поставках платформ для программирования на основе ИИ.
- Composer 2 был создан на базе Moonshot AI, публично идентифицированной только независимым разработчиком.
- Удаление китайских моделей с открытыми весами до появления надежных альтернатив может повысить затраты и привести к концентрации рынка.
Anysphere, разработчик платформы для программирования с помощью ИИ Cursor, сообщила следователям Палаты представителей, что планирует изучить возможность постепенного отказа от китайских моделей ИИ с открытыми весами из-за геополитических рисков. Об этом говорится в совместном докладе Конгресса, опубликованном 20 ноября 2026 года.
Это заявление касается лишь изучения возможного плана, а не уже состоявшегося отказа; комитеты не сообщили ни об окончательном решении, ни о сроках. Комитет Палаты представителей по внутренней безопасности и специальный комитет Палаты представителей по Китаю опубликовали результаты расследования, начатого в апреле 2026 года. 31 июля 2026 года его рамки расширили: к Airbnb и Anysphere добавилась DoorDash.
У моделей с открытыми весами обученные параметры доступны для скачивания, запуска и изменения независимо от первоначального разработчика. Благодаря этому на их основе могут распространяться производные модели без постоянных коммерческих отношений с создателем исходной модели. По словам комитетов, Composer 2, флагманская проприетарная модель Cursor, была создана на базе Moonshot AI, название которой стало известно широкой публике лишь после того, как ее определил независимый разработчик.
В техническом отчете Cursor в качестве этой базовой модели указана Kimi K2.5. Composer 2 продолжила обучение на наборе данных с высокой долей программного кода, после чего прошла масштабное обучение с подкреплением в реалистичных сеансах работы с Cursor — с использованием тех же инструментов и программной среды, что и в развернутой модели.
Почему китайские модели стали частью существующих систем
Airbnb сообщила, что адаптированные версии моделей Qwen от Alibaba поддерживают ИИ-ассистента, который ежедневно обрабатывает около 80 000 обращений гостей и хозяев жилья. Кроме того, настроенная модель ежедневно обобщает около 250 000 обращений в службу поддержки и телефонных звонков. Обе модели работают на инфраструктуре поставщиков услуг, расположенной в США.
По данным DoorDash, компания получила разрешение на использование и развернула 25 семейств китайских моделей, причем их применение было существенным: на вычисления и обслуживание каждой из них расходовалось не менее 5 000 долларов. Компания оценила, что замена одной китайской модели, встроенной в более крупную систему, может занять до шести месяцев, хотя большинство других вариантов использования можно перевести на альтернативы почти сразу.
Комитеты назвали движущими факторами внедрения стоимость, возможность адаптации и производительность, близкую к уровню передовых моделей. Они также установили, что в США нет конкурентоспособной альтернативы с открытыми весами, которая обеспечивала бы требуемое рынком сочетание цены и производительности.
В докладе сопоставляются опубликованные цены на API за один миллион входных и один миллион выходных токенов (небольших фрагментов слов и символов, используемых для измерения объема работы модели):
| Модель | Разработчик | Примерная стоимость |
|---|---|---|
| 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 |
В этих цифрах не учтены различия в возможностях моделей, кэшировании, скидках при пакетной обработке, акциях и расходах на самостоятельное размещение. Они показывают, какое ценовое давление способствует внедрению таких моделей. Открытые веса также позволяют компаниям дообучать модели на собственных данных и развертывать их на инфраструктуре, которую они контролируют.
Проблема безопасности не сводится к месту размещения модели. Запуск моделей на инфраструктуре в США снижает риск прямого раскрытия данных, однако, как говорится в докладе, это не меняет того, как была обучена базовая модель и как она может вести себя в условиях, которые не выявляются при обычной оценке.
Предлагаемые ограничения и риски замены
Двенадцать рекомендаций доклада сами по себе не вводят ограничений. Они предполагают развитие распоряжения Министерства внутренней безопасности США, запрещающего закупать продукты и услуги DeepSeek для федеральных гражданских ведомств и требующего удалить их из систем ведомств, в том числе в составе продуктов сторонних компаний, созданных на базе DeepSeek. Председатели комитетов рекомендуют распространить эти ограничения на другие модели китайской разработки и их производные во всех федеральных информационных системах и при выполнении федеральных контрактов, предусмотрев узкие исключения для исследований, тестирования и защиты от угроз. Они также рекомендуют запретить использовать такие модели и их производные в четко определенных функциях критической инфраструктуры с высоким уровнем риска. Сроки их удаления должны зависеть от наличия надежных альтернатив; временные исключения предлагается допускать там, где надежной замены нет.
Чтобы обеспечить соблюдение правил, стандарт подтверждения происхождения моделей, разработанный под руководством National Institute of Standards and Technology, и машиночитаемый перечень компонентов ИИ должны документировать базовые модели, существенные этапы дообучения и источники для дистилляции. Требование будет распространяться на федеральных подрядчиков и ИИ, используемый в функциях критической инфраструктуры с высоким уровнем риска; в остальных случаях его соблюдение будет добровольным. В рамках общенациональной американской инициативы по развитию моделей с открытыми весами планируется объединить государственные вычислительные ресурсы, общую инфраструктуру оценки, добровольное лицензирование результатов работы передовых американских моделей для обучения квалифицированных разработчиков моделей с открытыми весами и гарантированный базовый спрос со стороны федерального правительства.
Комитеты предупреждают, что отказ от китайских моделей до появления надежных альтернатив с открытыми весами может привести к росту затрат и концентрации рынка среди поставщиков закрытых проприетарных моделей. Поэтому предварительный план Anysphere иллюстрирует более масштабную задачу реализации: для введения ограничений необходимы надежные записи о происхождении моделей, позволяющие выявлять встроенные модели, и заслуживающие доверия заменители, чтобы не променять китайские модели с открытыми весами на более высокие затраты или зависимость от закрытых моделей.












