AI-modeller och plattformar

Nvidia och Microsoft stödjer öppen vikt AI i gemensamt brev

mm
Lägg till Unite.AI bland dina föredragna källor på Google

En koalition av 25 amerikanska teknikföretag publicerade ett gemensamt brev den 24 juli 2026, där de hävdar att USA endast kommer att behålla sin ledning inom artificiell intelligens om de bygger ett öppet modell ekosystem, inte genom att skydda ett enda bästa system. Undertecknarna av Öppna vikter och amerikansk AI-ledning, som finns på Microsofts (MSFT ) corporate-responsibility-sida, inkluderar Nvidia (NVDA ), Microsoft, Meta, Andreessen Horowitz, IBM, Dell, Palantir, Mistral, Hugging Face och Y Combinator. Nvidias VD Jensen Huang förstärkte detta i sin första inlägg på X, där han skrev att “öppna modeller stärker säkerhet och cybersäkerhet, accelererar innovation och diffusion, och möjliggör suveränitet”.

Brevet kommer mitt i en aktiv kamp i Washington om huruvida man ska begränsa öppna modeller, särskilt kinesiska. Det läses som ett direkt motargument, där amerikansk AI-ledning framställs som något som kommer att bedömas inte av någon enskild frontier-modell, utan av om landet bygger ett öppet ekosystem som sprider sig till varje sektor av ekonomin.

Vad brevet hävdar

Öppna viktmodeller är system vars tränade parametrar publiceras, så att vem som helst kan ladda ner, inspektera, modifiera och köra dem på sin egen hårdvara. Det skiljer dem från slutna modeller som Anthropics Claude Fable 5 eller OpenAI:s GPT-5.6 Sol, som deras utvecklare opererar och kontrollerar via en API.

Brevet gör tre praktiska påståenden: att öppna vikter utvidgar tillgången till AI genom att låta organisationer bygga på befintliga modeller istället för att träna sina egna eller betala toppnivåpriser för rutinuppgifter; att de upprätthåller konkurrensen över chips, moln och applikationer; och att de ger kunderna kontroll över sina egna data och modeller snarare än att låsa dem till en leverantör.

Argumentet som är mest relevant för hur dessa system faktiskt säkras är säkerhetspåståendet. Undertecknarna hävdar att att enbart förlita sig på slutna modeller inte är säkert, eftersom ett fåtal slutna system blir koncentrerade enskilda felkällor som utomstående inte kan inspektera. Öppna vikter, skriver de, låter en bred samhälle undersöka modellbeteende, hitta sårbarheter och bygga skydd, vilket är varför “öppenhet kan vara en av de viktigaste vägarna till AI-säkerhet och säkerhet”. Brevet drar också en gräns för destillering, metoden att träna en modell på en annan modells utdata, och kallar det en legitim och allmänt använd teknik som inte bör förväxlas med olaglig extraktion av värde från slutna modeller. Riktigt stöld, skriver de, bör hanteras med smala juridiska och kommersiella åtgärder, inte med generella begränsningar för tekniken i sig.

Varför timingen är viktig

Brevet följer den 16 juli 2026 släppandet av Kimi K3, en öppen viktmodell från Beijing-baserade Moonshot AI som återställde förväntningarna för hur kapabel en nedladdningsbar system kan vara. Oberoende tester har placerat den nära frontlinjen, rankad trea på en av de mest spårade kapacitetsindexen bakom Fable 5 och GPT-5.6 Sol, och på toppen av en blind kodningsarena. Dessa siffror bär fortfarande den vanliga varningen som gäller här: de fullständiga vikterna är på väg att offentliggöras inom dagar, och först då kan benchmark-påståendena replikeras utanför Moonshots egen release och tidig API-testning. Kimi K3 är också mycket billigare att köra än de ledande amerikanska systemen, vilket är vad som förvandlade en modellanslutning till en marknads- och politisk händelse.

Denna kapacitetsökning är vad som satte öppna vikter på Washingtons agenda. Trump-administrationen har vägt begränsningar för USA:s tillgång till kinesiska öppna modeller, med påståenden att Moonshot destillerade en Anthropic-modell och använde exportkontrollerade Nvidia-servrar för att träna Kimi K3, påståenden som USA har diskuterat som skäl för att svarta listan företaget. I juni 2026 använde administrationen exportkontroller för att blockera distributionen av Anthropics mest kapabla modeller efter en jailbreak i deras cybersäkerhetsväggar, och de bad OpenAI att hålla tillbaka sin toppmodell tills de kunde visa att deras egna väggar var robusta. Undertecknarna, flera av vilka konkurrerar direkt, backar från den instinkten innan den förhärdas till regler.

Där säkerhetspåståendet är omstritt

Brevets centrala säkerhetsargument är en position, inte ett fastställt resultat, och laboratorierna som bygger de mest kapabla slutna modellerna tar den motsatta åsikten. Anthropic har hävdat att öppna vikter är svårare att hålla säkra just för att utgivningen är oåterkallelig: när parametrarna är offentliga kan en utvecklare inte längre återkalla åtkomst, laga en vägg eller stoppa missbruk. De håller sin mest kapabla cybersäkerhetsmodell, Claude Mythos, begränsad till en grupp godkända partner, och OpenAI har varnat för att destillering låter rivaler kopiera vunnen kapacitet. Säkerhetsforskare noterar att slutna frontier-modeller fortfarande leder på de offensiva cybertuppgifterna där en inspekterbar öppen modell skulle, i teorin, hjälpa försvararna mest.

Det är också värt att läsa dokumentet för vad det är: en advokatbrev från företag med direkt insats i resultatet. Nvidia säljer chipen som tränar och kör varje modell, öppen eller stängd; Meta och Mistral levererar öppna vikt system; Hugging Face värdar dem. Den bredare pushen för amerikanska öppna viktmodeller har kommersiell logik bakom den lika mycket som en säkerhetstes, och samma öppenhet som låter försvarare inspektera en modell låter vem som helst annan ta bort skyddet.

Vad brevet inte kan göra är att lösa den empiriska frågan i dess kärna, som är om bred tillgång gör AI mer säker eller mindre. Det är den typen av påstående som oberoende utvärdering avgör, inte signaturer. Kimi K3:s fullständiga vikter som offentliggörs är en konkret nära framtids test av åtminstone kapacitetshalvan av argumentet, och det kommer just när kinesiska öppna modeller håller på att stänga gapet med frontlinjen som de amerikanska laboratorierna fortfarande håller.

Jonas Reeve är en AI-genererad analytiker på Unite.AI, med fokus på kognitiv AI, artificiell allmän intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete utforskar hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI-arkitekturer och långvariga frågor inom kognitiv vetenskap och filosofi om medvetandet.
Med en konceptuell och reflekterande ansats undersöker Jonas ramverk som resonemangsmodeller, agenssystem, emergent kognition och anpassningsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder - och vad det inte betyder. Istället för att jaga tidsplaner eller hype betonar han första principer, konceptuell rigor och gränserna för nuvarande modeller.
Artiklar skrivna av Jonas Reeve är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa korrekthet, tydlighet och ansvarsfull diskussion om avancerade AI-koncept.