@ DC Studio – Magnific.com
Звіт платформи Hugging Face виявив величезний розрив між медійним галасом навколо штучного інтелекту та реальними виборами програмістів, які масово відмовляються від гігантських систем на користь компактних моделей.
Як повідомляє сайт Business Insider з посиланням на останній аналіз репозиторію Hugging Face, порівняння 25 найпопулярніших за кількістю лайків моделей із лідерами за кількістю реальних завантажень виявило факт, незручний для технологічних гігантів: бізнес практично не використовує широко розрекламовані флагманські системи у своїх робочих процесах.
Чому бізнес голосує завантаженнями, а не популярністю в соціальних мережах
Статистика показує, що серед 25 найчастіше завантажуваних моделей немає жодної системи, створеної у 2026 році, а понад половина позицій у списку з’явилася вже у 2022 році. Найяскравішим прикладом стала модель All-MiniLM-L6-v2 2021 року, яка за сім місяців набрала 1,55 млрд завантажень при скромних п’яти тисячах лайків у спільноті.
Для реального бізнесу стабільність, сумісність та низькі витрати на обслуговування серверів виявилися значно важливішими, ніж рекордні результати тестів. За даними аналітиків, системи розміром менше мільярда параметрів забезпечують 83% усіх завантажень, тоді як гігантські моделі з понад 100 мільярдами параметрів становлять лише 1% ринку.
Значного успіху досягла також платформа Qwen від компанії Alibaba, яка зафіксувала понад два мільярди завантажень та 151 тисячу похідних адаптацій, у кілька разів випередивши відкриті проєкти Meta завдяки наявності цілого спектру оптимізованих рішень, пристосованих до різних завдань. Як підкреслено в звіті Hugging Face «State of Open Models», ринок остаточно переходить від гонитви за обсягами до конкуренції за зручність інфраструктури.
Нюанс від «Нюансо»
Головним інвестиційним нюансом цих статистичних даних є те, що ринок штучного інтелекту не слід плутати з ринком медійного галасу. «Вподобайки» в соціальних мережах та гучні презентації здобувають гігантські моделі, які вимагають мільйонних бюджетів на утримання інфраструктури, тоді як реальні прибутки генерують компактні, стабільні рішення, що виконують конкретні задачі додатків на звичайних серверах. Про успіх у галузі штучного інтелекту вирішуватиме не кількість параметрів у порівняльних тестах, а здатність стати повсякденним, непомітним інструментом для тисяч програмістів.
Також читайте: Google Gemini: Нова Ера Мультимодального Штучного Інтелекту від Google.
Прагматизм розробників свідчить про дозрівання ринку, на якому економічна доцільність остаточно витісняє віртуальний ентузіазм, пов’язаний із величезними нейронними мережами.
