Половина Fortune 500 перешла на опенсорс: зачем бизнесу открыть нейросеть

Тема «открыть нейросеть или оставить закрытой» перестала быть спором инженеров. В интервью подкасту Equity от TechCrunch CEO Hugging Face Клем Деланг описал устойчивый паттерн: компании начинают с API закрытых моделей (закрытая модель, closed-source, код и веса которой недоступны пользователю), но по мере масштабирования стоимость вынуждает их переходить на открытые модели (open-source, модели с доступными весами, которые можно запускать на своём оборудовании). Hugging Face стала чем-то вроде GitHub для ИИ, и Деланг видит этот переход у клиентов снова и снова.

Почему бизнес выбирает открытые модели?

Главный аргумент прост: деньги. Когда нагрузка растёт, оплата за каждый запрос к закрытому API съедает маржу. Открытая модель работает на собственном сервере, и стоимость инференса (inference, обработка запроса моделью) фиксирована.

Второй довод: контроль. Компания может провести дообучение (fine-tuning, обучение модели на собственных примерах под узкую задачу) без ограничений провайдера. Данные остаются внутри, а не уходят на чужой сервер.

Третий: независимость от поставщика. Деланг прямо говорит, что его беспокоит сценарий, при котором горстка крупных корпораций контролирует весь доступ к ИИ.

Какие риски видят противники опенсорса?

Контраргумент, который стал особенно заметен после того, как Anthropic остановила выпуск своего проекта Fable: открытую модель нельзя отозвать. Если в ней обнаружится опасное поведение, исправить уже скачанную копию невозможно.

Есть и вопрос происхождения. По словам Деланга, большинство открытых моделей, скачиваемых в США, создано китайскими лабораториями. Критики видят в этом угрозу. Сам Деланг, напротив, считает это проблемой, которую нужно решать инвестициями в собственные открытые разработки, а не запретом опенсорса как такового.

Наконец, закрытые модели часто лидируют по качеству на момент выхода. Компании вроде OpenAI и Anthropic вкладывают ресурсы, которые сообщество опенсорса пока не способно собрать централизованно.

Робототехника делает открытость критичной

Деланг отдельно выделяет робототехнику. Робот в доме видит вашу семью, ваш быт, ваше пространство. Это куда более чувствительный контекст, чем чат-бот или инструмент для кода. Если модель, управляющая роботом, закрыта, пользователь не может проверить, какие данные она собирает и куда отправляет.

Именно поэтому Деланг считает прозрачность ИИ в робототехнике не пожеланием, а необходимостью.

Hugging Face отказалась от денег Nvidia

Отдельный факт из интервью: Hugging Face в прошлом году отклонила крупную инвестицию от Nvidia. Конкретную сумму Деланг не назвал, но объяснил логику: компания сознательно выбирает капитальную эффективность вместо стандартного сценария Кремниевой долины, где стартап берёт максимальный раунд и сжигает деньги на рост.

Для платформы, которую используют около половины Fortune 500, это нетипичное решение.

Компании начинают с API передовых моделей, но по мере масштабирования стоимость толкает их к открытым решениям. : Клем Деланг, CEO Hugging Face

Что делать с этим прямо сейчас?

Автору Дзена. Нейросеть можно открыть и запустить локально уже сегодня: модели вроде Llama или Qwen доступны на Hugging Face бесплатно. Это значит, что генерация текстов, изображений и суммаризация не привязаны к подписке. Начните с простого: скачайте небольшую модель через Ollama и попробуйте генерировать черновики без платного API.

Маркетологу. Если ваш бюджет на ИИ-инструменты растёт каждый квартал, открытые модели (open weights, открытые веса, файлы модели, которые можно скачать и запустить самостоятельно) снижают стоимость на масштабе. Но потребуется техническая команда или хотя бы подрядчик для настройки.

Предпринимателю в РФ и СНГ. Геополитический контекст из интервью Деланга напрямую касается российского рынка: санкционные ограничения закрывают доступ к ряду закрытых API, а открытые модели можно скачать и запустить на любом сервере. Из доступных в РФ платформ с открытыми моделями работают Hugging Face и локальные зеркала. Из российских аналогов закрытых сервисов: YandexGPT и GigaChat, но их веса закрыты, и зависимость от провайдера остаётся.

Реалистичный прогноз: доля открытых моделей в корпоративном использовании продолжит расти, потому что экономика масштабирования работает против закрытых API. Но полной замены не произойдёт: закрытые модели сохранят преимущество в скорости обновлений и качестве на верхней границе задач. Для авторов и малого бизнеса в РФ практический вывод один: освоить хотя бы одну открытую модель сейчас, пока это выбор, а не вынужденная мера.