Kinas AI-mirage: Hur “öppen källkod” döljer det viktigaste

Med stora teknikföretag som Google, Microsoft och Meta som kämpar för att dominera AI-marknaden har Kinas stora företag, Baidu, Moonshot och Alibaba, gjort rubriker genom att släppa sina stora språkmodeller, DeepSeek, ERNIE 4.5, Kimi K2 och Qwen3, som öppen källkod. Denna förändring från att släppa skyddade, proprietära GenAI-modeller har setts som ett tecken på att Kinas AI-industri omfamnar kraften i öppen källkod för att demokratisera AI-utveckling och främja innovation.

Liksom många som utger sig för att ha öppen källkod, men ändå inte delar kritiska delar som dataset, har High Flyer, Baidu och Moonshot inte heller delat dessa delar. När dessa stora modeller försöker bli kommersiella och utvecklare förlitar sig på dem, är transparensen i sann öppen källkod avgörande för att skapa opartisk, etisk och nyttig teknik som vi alla kan lita på. Alla dessa “öppna källkodsmodeller” är egentligen “öppna vikter”, vilket innebär att de kan laddas ner och användas, men inte kan undersökas på något meningsfullt sätt utan datat.

Som U.S.-företag som Open AI och Meta tycks backa från öppen källkod, kan Baidus öppna inbjudan att utnyttja dess fritt tillgängliga ERNIE 4.5-modeller verkligen främja innovation och samarbete med utvecklare som vill skapa mindre, kraftfulla applikationer. Samtidigt har företaget, som är likt Kinas Google, gett sig själva en konkurrensfördel genom att uppmuntra antagande och etablera sina modeller i den växande AI-ekosystemet.

Detsamma kan sägas om DeepSeek, den lågprisade Kimi K2 och den uppdaterade Qwen3 – som har benchmark som utmanar slutna modeller som Claude Opus 4 och GPT-4o-0327.

De här AI-företagen har positionerat sig väl i racet för att bli den kommersiella modellen av val och Qwen3:s senaste innovativa uppdatering var till och med inspirerad av öppen källkodscommunityns feedback.

Men liksom många som utger sig för att ha stora AI-modeller som öppen källkod, delar den kinesiska AI-gemenskapen inte heller datat eller andra kritiska delar av sina AI-system. Istället ber de globala utvecklare att blint lita på modeller som de inte kan förstå eller undersöka.

Att göra anspråk på framtiden med öppen källkod och kommersiella AI-modeller

När iPhone kom ut på marknaden 2007 trodde vissa att Mac skulle dominera smartphone-marknaden med iOS, men öppen källkods-deltagande är avgörande för start-ups och främjar också entreprenöriell och ekonomisk tillväxt globalt – och Android, som förvärvades av Google 2005, följde denna väg till seger.

Genom att släppa öppen källkodsprogramvara som kunde ses, modifieras, antas och delas, inbjöd Android akademiker, utvecklare och till och med konkurrenter att samarbeta om programvaran. Detta accelererade innovationsprocessen, demokratiserade spelplanen och drev till slut ner priserna. Android släpptes ett år efter den första iPhone och i början av detta år hade det 71,88 procent av den globala marknaden, medan iOS hade 27,65 procent.

I en teknisk revolution som tycktes hända över natten blev smartphones allmänt förekommande och även om programvaru-, maskinvaru- och användargränssnittsförbättringar fortfarande pågår, har branschen vuxit långt bortom att försöka revolutionera hur smartphones fungerar. Med mobiltelefoner som numera är en kommersiell produkt, ligger innovationen i appar som körs på dem, och för att vara med i leken måste smartphone-tillverkare upprätthålla ett ekosystem som inbjuder utvecklare.

Inom tre år efter lanseringen av ChatGPT befinner sig AI-branschen på en liknande kris. Varje spelare i den globala AI-branschen försöker göra sina modeller till nästa Android eller till och med iOS, och genom att gå öppen källkod med DeepSeek-, ERNIE 4.5- och Kimi K2-modellerna försöker kinesiska innovatörer göra anspråk på en växande ekosystem.

Det saknade pusslet i de flesta öppna källkods-AI

Med AI-modeller som är betydligt mer komplicerade att skapa och dela än traditionell programvara, är kravet på fullständig öppen källkod för AI ingen liten sak. Istället för bara en enkel källkod består AI-system av sju komponenter – inklusive källkoden, modellparametrar, dataset, hyperparametrar, träningskällkod, slumpmässig nummergenerering och programvaru-ramverk.

<p.Varje del måste fungera i harmoni för att en modell ska leverera önskade resultat, vilket innebär att utvecklare behöver full synlighet för att dela, modifiera och anta ett system och förstå vad som händer. Med reproducerbarhet som grunden för den vetenskapliga metoden, har AI-branschen en vana att använda termen öppen källkod för att hänvisa till gratis eller lågpris-releaser som görs tillgängliga med tillgång till några delar av pusslet.

Baidu släppte till exempel tio ERNIE 4.5-modeller. Utöver att dela modellen och parametrarna, släppte företaget också ERNIEKit och FastDeploy-distributionen. Dessa möjliggör för utvecklare att bygga kraftfulla AI-applikationer genom att tillhandahålla industriella funktioner, resurseffektiva tränings- och inferensflöden och multi-hårdvarukompatibilitet.

Kraften i transparenta öppna källkods-AI-modeller

Medan varje del av AI-pusslet är avgörande för att en modell ska fungera, är 80 procent av AI-projekten misslyckade och datat är i hjärtat av problemet. Inkorrekta, ofullständiga och fördomsfulla dataset leder till modeller som inte beter sig förutsägbart eller som önskat.

Det nyligen släppta fatala Tesla Full-Self-Driving (FSD)-kraschvideot, till exempel, avslöjade värsta-scenariot för vad som kan hända när en dataset och modell brister. När Tesla Model Y körde in i en ljus, solig solnedgång, kunde det delvis automatiserade systemet inte förstå eller reagera lämpligt på vad dess kameror såg – eller inte såg. Medan bilar som kördes av människor bromsade och drog över, ledde FSD:s förvirring till en kvinnas död.

Att omfamna den öppna källkods-vägen

Med många fortfarande tveksamma till denna växande teknologi, är racet för att bli iOS eller Android av stora AI-kommersiella modeller på gång – och eftersom den globala AI-gemenskapen bokstavligen bygger vad som kommer att bli standarden för framtiden och AI-system redan kör bilar och erbjuder medicinska bedömningar, är det aldrig viktigare att etablera förtroende genom att skapa opartisk, tillförlitlig och säker AI.

Med Kinas AI-gemenskap som försöker positionera sig som mästare av öppen innovation, är vägen till säker AI endast att hitta i transparensen av sann öppen källkod som har bevisats genom årtionden av programvaruinnovation. Att kasta termen på system som inte delar kritiska delar som datat, tillåter inte utvecklare att undersöka, replikera och iterera. Medan lockelsen av färdiga modeller som DeepSeek, ERNIE 4.5, Kimi K2 och Qwen3 är oemotståndlig, handlar utvecklare som utnyttjar dem transparensen som främjar samarbete och innovation för bekvämlighet.

AI-gemenskapen måste välja: omfamna radikal transparens genom äkta öppen källkod eller riskera att bygga morgondagens kritiska system på dagens svarta lådor.