Mistral pokazuje apetyt na zmniejszenie dystansu do OpenAI

Alternatywa open-source dla hegemonów

Francuski startup AI Mistral AI dość szybko wywalczył sobie pozycję kluczowego gracza, o którym mówi się jako o najważniejszym europejskim konkurencie OpenAI. Główną tezą jego powstania i następującego po nim masowego pozyskiwania funduszy w 2023 r. jest stworzenie potężnych „granicznych” (frontier) modeli oraz dostarczenie alternatywnej ścieżki dostępu do najlepszej infrastruktury AI. Według TechCruncha firma negocjuje właśnie rundę około 3,5 miliarda dolarów przy wycenie 23,15 miliarda, a w lutym ujawniła, że jej roczne powtarzalne przychody przekroczyły 400 milionów dolarów.

Dlaczego Mistral ma teraz znaczenie

Startup zyskał rozgłos, promując bardziej wydajne architektury i częściowo otwarte (open-weight) modele udostępniania, dając firmom większą kontrolę nad wdrażaną technologią. W przeciwieństwie do w pełni zamkniętych systemów typu black-box, jak OpenAI, Mistral oferuje gamę narzędzi zapewniających programistom większą elastyczność.

Nie wszystko pozostaje otwarte

Pomimo pierwotnego etosu open-source, firma chroni swoje najsilniejsze „flagowe” modele (np. Mistral Large) komercyjnym modelem dostępu przez API oraz silnymi partnerstwami z korporacjami (np. z Microsoftem). Prawdziwe open-source na najwyższych szczeblach wydajności w sposób naturalny zderza się z komercyjną rzeczywistością ogromnych kosztów obliczeniowych szkoleń.

Obserwuj europejskie wpływy i optymalizację

Istotne będzie obserwowanie, w jaki sposób tego rodzaju startupy zdołają zbalansować europejskie regulacje z pragnieniem utrzymania światowej pozycji w absolutnej czołówce bez kompromisów dotyczących wydajności. Przyszły rok wyraźnie pokaże, czy mniejsze i znacząco tańsze modele Mistral zdołają odpowiednio naruszyć w firmach rynkowy udział drogich API od OpenAI i Google.

Werdykt Lilith

Mistral reprezentuje rynkową presję na obniżenie kosztów wnioskowania (inference) dla programistów i firm, zamiast płacenia wygórowanych stawek za coraz to większe, nieoptymalizowane modele.