オープンモデルの勝機は万能agent競争ではなく特化業務のコストにある

Nathan Lambertは講演How Open Models Winで、オープンモデルは明確に定義され、大量に繰り返す業務で競うべきだと論じた。低コストに加え、非公開環境での運用、調整の自由、データ管理の主導権を企業に提供できる。

能力差は数か月でも収益は製品側に残る

Lambertは2つの独立した能力指数を示した。Artificial Analysisでは、主要なオープンウェイトはクローズドモデルの最前線から約3か月遅れている。Epoch AIの指数では約5か月だ。どちらも総合的な能力の目安であり、全業務で同等の品質を保証するものではない。

経済面の差はさらに大きい。OpenAIとAnthropicは、モデル、API、アプリ、顧客との関係を一体で持つ。オープンな市場では、モデル開発者、inference事業者、post-training企業が役割を分ける。そのため利用料が基盤モデルの開発者へ戻るまで時間がかかる。

反復業務ではモデル単価より完了コストが重要になる

Lambertは、企業が仕事を正確に定義し、大量に繰り返し、結果を測れる領域で競うべきだとする。そこでは一般benchmarkの順位より、業務を1件終える費用が重要になる。

Fireworksは、顧客Factoryの一部業務で費用がfrontier modelの6％まで下がったと説明している。供給企業による事例であり、一般的な比較ではない。それでも、ランキング首位ではない特化型オープンモデルが役立つ理由は見える。もう1つの利点は制御だ。企業はモデルを調整し、自社環境で運用できる。

安いinferenceだけでは次のモデルを作れない

ここにLambertの主張が抱える緊張がある。開発者は学習と研究の資金を必要とする。一方、この戦略はinferenceの価格を計算原価へ近づける。利用量が増えても、開発費を負担する企業の事業が自動的に安定するわけではない。

非公開環境での運用も、必ず安くなるとは限らない。企業にはevals、セキュリティ、監督、十分な業務量が必要だ。不定期な仕事では、有料APIの方が実用的な場合もある。

workflow全体の請求額と開発者の収益が成否を決める

最初に見るべき指標は、同じ品質でのworkflow全体の費用だ。高価な保守を増やさず、完了した業務の費用を継続して下げられれば、オープンモデルは成功する。

次の指標はオープンウェイト開発者の収益だ。次の学習を賄えるだけの資金が戻れば、能力差を数か月に保てる可能性がある。収益がinferenceやアプリに残れば、安い利用は次のモデルではなく別企業の製品を育てる。

Lilithの判定

舞台ではクローズドモデルが勝つかもしれない。市場を決めるのは、同じ業務が1,000回戻り、1円ごとの差が請求書に表れる現場だ。