ओपन-वेट एआई मार्जिन स्क्वीज़: प्रॉप्राइटरी मॉडल विश्लेषण

AI में सबसे महंगी चीज़ शायद किसी मॉडल को ट्रेन करना नहीं है। शायद यह ग्राहकों को यह विश्वास दिलाना है कि आपके मॉडल की पहुँच प्रीमियम सॉफ़्टवेयर कीमत की हकदार है—खासकर तब, जब उसका एक मुफ़्त रिश्तेदार उसी बेंचमार्क टक्सीडो और संदिग्ध रूप से परिचित आर्किटेक्चर में आ पहुँचे। ओपन-वेट की लड़ाई को साफ़-साफ़ पढ़ें तो पहले प्रतिस्पर्धा दिखती है, सुरक्षा दूसरे नंबर पर: मुफ़्त और सक्षम मॉडल सिर्फ़ नीति से जुड़े सवाल नहीं उठाते, वे मार्जिन की गणित को भी उजाले में ले आते हैं। OpenAI और Anthropic जैसी API-आधारित कंपनियों के लिए यही असहज हिस्सा है, क्योंकि जब कोई उसके चारों ओर जाने का नक्शा प्रकाशित कर दे, तो टोल बूथ कम आकर्षक लगता है।

ByteByteGo के अनुसार, कॉपी मशीन में GPU लगा है

ByteByteGo हालिया ओपन-वेट बदलाव को अकेली लैब की दौड़ नहीं, बल्कि तेज़ रिले रेस के रूप में बताता है। उसके विवरण के अनुसार, DeepSeek ने दिसंबर 2024 में 671 अरब पैरामीटर वाला भाषा मॉडल जारी किया, साथ में एक तकनीकी रिपोर्ट भी दी जिसमें बताया गया था कि उसे कैसे बनाया गया। छह महीने बाद, ByteByteGo कहता है कि Moonshot AI ने उस रिपोर्ट को शुरुआती आधार बनाया, डिज़ाइन को एक ट्रिलियन पैरामीटर तक बढ़ाया, नए ऑप्टिमाइज़र से ट्रेनिंग अस्थिरता हल की, और अपना मॉडल जारी कर दिया। उसके आठ महीने बाद, ByteByteGo कहता है कि Zhipu AI ने DeepSeek की एक अलग नवाचार को जोड़ा और अपनी ओर से नया ट्रेनिंग फ़्रेमवर्क भी दिया।

यही वह हिस्सा है जो मालिकाना मार्जिन मान्यताओं को उनकी Patagonia जैकेट के भीतर पसीना-पसीना कर देता है। अगर एक लैब की तकनीकी रिपोर्ट दूसरी लैब का रोडमैप बन जाती है, तो मॉडल की सप्लाई किसी लग्ज़री बुटीक जैसी कम और GPU वाले खमीर स्टार्टर जैसी ज़्यादा लगने लगती है। बात यह नहीं है कि हर ओपन मॉडल तुरंत हर क्लोज़्ड मॉडल को हरा देता है—कृपया बेंचमार्क कंफ़ेटी तोप नीचे रख दें। बात यह है कि जैसे ही भरोसेमंद मॉडल रेसिपी घूमने लगती हैं, ग्राहकों को कीमत पर बातचीत में ज़्यादा ताकत मिलती है।

NTIA बताता है कि मार्जिन अजीब क्यों हो जाते हैं

National Telecommunications and Information Administration इस कहानी का आर्थिक ढाँचा देता है। NTIA कहता है कि उन्नत AI मॉडल ट्रेन करने के लिए बहुत बड़े संसाधनों की ज़रूरत होती है, जिनमें वित्तीय संसाधन भी शामिल हैं, लेकिन एक बार ट्रेन हो जाने के बाद उन्हें बहुत कम लागत पर दोबारा बनाया जा सकता है। वह AI मॉडल की तुलना टीवी शो और किताबों जैसी सूचना-वस्तुओं से करता है, जहाँ पहली कॉपी महंगी होती है और अगली कॉपी सस्ती। कहीं न कहीं, किसी CFO ने अभी-अभी स्प्रेडशीट में “सीमांत लागत” शब्द फुसफुसाए और सेल्स टीम को डरा दिया।

NTIA यह भी चेतावनी देता है कि सूचना-वस्तुओं के वर्टिकल बाज़ार प्रतिस्पर्धा घटा सकते हैं और कुछ ही कंपनियों के प्रभुत्व की ओर ले जा सकते हैं। ओपन वेट्स इस खिंचाव को जटिल बना देते हैं। वे ट्रेनिंग को सस्ता नहीं बनाते, और वे अपने-आप आपके घर की अलमारी में MLOps टीम भी इंस्टॉल नहीं कर देते, जैसे कोई भुतहा Roomba। लेकिन वे तैयार मॉडल को एक ही विक्रेता के API मीटर से बाहर पुनरुत्पादित, निरीक्षण, अनुकूलित और चलाना आसान बना देते हैं।

Oracle दिखाता है कि बिल्डरों को नियंत्रण की परवाह क्यों है

Oracle के Aaron Ricadela बिल्डरों की बात व्यावहारिक भाषा में रखते हैं। 11 जुलाई 2024 के एक लेख में, Oracle कहता है कि व्यवसाय AI लागत घटाने और डेटा को पास रखने के लिए ओपन-वेट्स मॉडल की ओर बढ़ रहे हैं। Oracle इन मॉडलों को OpenAI, Anthropic, Google और अन्य के लोकप्रिय जनरेटिव AI सॉफ़्टवेयर के निजी और कुशल विकल्पों के रूप में वर्णित करता है। Oracle के अनुसार, मालिकाना AI मॉडल लाइसेंस करने और हर बार कर्मचारियों या ग्राहकों के सवाल पूछने पर पहुँच के लिए भुगतान करने के बजाय, व्यवसाय मुफ़्त उपलब्ध ओपन-वेट्स मॉडल डाउनलोड कर सकते हैं, उनके सांख्यिकीय संतुलन समायोजित कर सकते हैं, और अतिरिक्त API लाइसेंसिंग शुल्क के बिना सार्वजनिक क्लाउड सेवाओं पर एप्लिकेशन तैनात कर सकते हैं।

यह मार्जिन-प्रेशर वाली कहानी है, बस स्टील-टो जूते पहने हुए। अगर कोई कंपनी किसी वर्कलोड को मीटर वाले मालिकाना एंडपॉइंट से ट्यून किए गए ओपन मॉडल पर ले जा सकती है, तो मौजूदा खिलाड़ी को अपना प्रीमियम विश्वसनीयता, लेटेंसी, गवर्नेंस, सपोर्ट, इवैल्युएशन अनुशासन और उत्पाद की चमक-दमक से कमाना होगा। Oracle ज़रूरी ठंडा पानी भी डालता है: ओपन-वेट्स मॉडल को प्रोडक्शन में लाने के लिए जनरेटिव AI विशेषज्ञता और ट्रायल-एंड-एरर झेलने की क्षमता चाहिए। मुफ़्त वेट्स मुफ़्त खाना नहीं हैं; वे मुफ़्त सामग्री हैं, और किसी को अब भी Kubernetes को आग लगाए बिना खाना पकाना होगा।

CSET दिखाता है कि रिसर्च की खाई भी छिद्रदार है

Center for Security and Emerging Technology लेंस को एंटरप्राइज़ डिप्लॉयमेंट से बढ़ाकर रिसर्च तक ले जाता है। अक्टूबर 2025 के एक इश्यू ब्रीफ़ में, CSET लेखक Kyle Miller, Mia Hoffmann, और Rebecca Gelles कहते हैं कि व्यापक सहमति है कि खुले और मुफ़्त उपलब्ध AI मॉडल रिसर्च को लाभ पहुँचाते हैं, हालांकि यह भी नोट करते हैं कि वे ठीक कैसे लाभ पहुँचाते हैं, इस पर अनुभवजन्य प्रमाण कम हैं। उनके विश्लेषण ने 250 से अधिक प्रकाशनों की पहचान की, जिनमें ओपन मॉडल का उपयोग ऐसे तरीकों से किया गया था जिनके लिए मॉडल वेट्स तक पहुँच चाहिए, फिर तुलना के लिए क्लोज़्ड मॉडल का उपयोग करने वाले 130 से अधिक प्रकाशनों की समीक्षा की।

CSET ने पाया कि ओपन मॉडल, क्लोज़्ड मॉडल की तुलना में, उपयोग के ज़्यादा विविध मामलों को सक्षम करते हैं। लेखकों ने AI मॉडल के आठ उच्च-स्तरीय उपयोग मामलों की पहचान की; उनमें से पाँच केवल वेट्स तक पहुँच से संभव होते हैं, दो में मुख्य रूप से वेट्स की ज़रूरत होती है, और एक में वेट्स की ज़रूरत नहीं होती। वेट-निर्भर उपयोगों में सामान्य ज्ञान बढ़ाने के लिए मॉडलों को लगातार प्रीट्रेन करना और दक्षता सुधारने के लिए मॉडलों को संपीड़ित करना शामिल है।

बिल्डरों के लिए अनुवाद: खुलापन सिर्फ़ कीमत घटाने का लीवर नहीं है, यह बदल देता है कि खरीदारी की तालियाँ थमने के बाद टीमें मॉडल के साथ वास्तव में क्या कर सकती हैं। व्यावहारिक सीख यह नहीं है कि हर मालिकाना API अनुबंध रद्द कर दें और क्वांटाइज़्ड चेकपॉइंट लेकर जंगल भाग जाएँ। सीख यह है कि AI विक्रेताओं का मूल्यांकन वैसे करें जैसे आप डेटाबेस का करते हैं: वर्कलोड फिट, संचालन का बोझ, स्विचिंग लागत, गवर्नेंस, लेटेंसी, और डेमो की चमक उतरने के बाद कुल बिल। देखें कि क्लोज़्ड-मॉडल प्रदाता आगे कहाँ निवेश करते हैं, क्योंकि टिकाऊ खाई शायद कच्चे मॉडल एक्सेस से कम और उन उबाऊ चीज़ों से ज़्यादा जुड़ी हो, जिनके लिए ग्राहक वास्तव में भुगतान करते हैं। AI में, उबाऊ चीज़ें अक्सर वही जगह होती हैं जहाँ मार्जिन रहता है—बेहतरीन मुद्रा वाले इनवॉइस के पीछे छिपा हुआ।