Kiedy technologia zaczyna przypominać geopolitykę, public relations staje się pierwszą linią frontu. Wokół otwartego oprogramowania narosło wiele uproszczeń: z jednej strony korporacje budujące zamknięte „ogrody za murami” (walled gardens) straszą niekontrolowanym ryzykiem modeli open source, z drugiej – ideowi ewangeliści obiecują pełną demokratyzację i niezależność od Doliny Krzemowej.
Wydany przez Mozillę kompleksowy raport The State of Open Source AI przebija tę bańkę entuzjazmu. Mozilla – organizacja, której tożsamość ukształtowała się w walce z monopolem Microsoftu w erze przeglądarek – stawia tezę: „ta sama rozgrywka toczy się ponownie, tylko piętro wyżej”. Za tą diagnozą kryją się twarde dane z audytów infrastrukturalnych, benchmarków rynkowych oraz ankiet inżynierskich przeprowadzonych wspólnie z firmą SlashData.
Iluzja definicji: wagi to nie źródła
Zanim przejdziemy do wskaźników wydajności, konieczne jest uporządkowanie pojęć, którym branża manipuluje z wyjątkową swobodą marketingową. W przestrzeni publicznej przyjęło się określać modele takie jak Llama, DeepSeek czy Kimi mianem „Open Source”. Raport Mozilli wprost weryfikuje tę retorykę w oparciu o oficjalną definicję Open Source AI Definition (OSAID), rozwijaną przez Open Source Initiative (OSI). Z 16 czołowych rynkowych modeli określanych jako „otwarte”, żaden nie udostępnia pełnej receptury danych treningowych (data recipe).
Zamiast otwartego oprogramowania mamy do czynienia z modelem Open Weights – dystrybucją skompilowanych wag, bez możliwości wglądu w proces ich filtracji, kuracji i doboru korpusów tekstowych. Liczący na konkretne informacje użytkownicy otrzymują ledwie binarny artefakt, a nie fundament pozwalający na pełną powtarzalność badań naukowych.
Cztery miesiące i śmiesznie niskie koszta
Według danych z indeksu Artificial Analysis oraz Epoch Capabilities Index (ECI), modele z otwartymi wagami niemal zniwelowały lukę wydajnościową względem zamkniętych flagowców:
-
parytet z opóźnieniem: średnia strata najlepszych modeli otwartych (np. chińskiego Kimi K3 od Moonshot AI) do liderów zamkniętych (Claude Fable 5 czy GPT-5.6 Sol) wynosi zaledwie 3 do 6 punktów w skali benchmarków, co przekłada się na około 4 miesiące opóźnienia inżynieryjnego. Cykl ten powtarza się przy każdej kolejnej generacji;
-
asymetria cenowa: najlepsze otwarte systemy oferują zbliżone możliwości wnioskowania przy koszcie sięgającym zaledwie 30–40% ceny zamkniętych odpowiedników API;
-
nierówny front wydajnościowy (The Jagged Frontier):
-
przewaga otwartych: Tworzenie kodu front-endowego (pozycja lidera na platformie LMArena Frontend Code Arena) oraz wąskie zadania programistyczne;
-
strefa sporna: Autonomiczna praca agentowa w terminalu (Terminal-Bench, BrowseComp);
-
bezsprzeczna przewaga modeli zamkniętych: Złożona, ekspercka praca analityczna (GDPval-AA v2), gdzie systemy pokroju Fable 5 prowadzą różnicą aż 92 punktów Elo dzięki większej dyscyplinie logicznej i precyzji w długim oknie kontekstowym.
-
Suwerenność i wschodni wektor ekspansji
Najbardziej krytycznym wymiarem raportu jest wymiar geopolityczny. Suwerenność technologiczna przestała być abstrakcyjną ideą akademicką, stając się kwestią ciągłości biznesowej. „Możesz wyłączyć model w chmurze jednym podpisem urzędnika. Nie możesz wyłączyć kopii działającej na serwerze, który fizycznie stoi w twojej szafie rackowej” — to jeden z bardziej dobitnych cytatów, znaleziony w analizie Mozilli nawiązującej do 19-dniowej blokady modeli frontierowych po interwencjach amerykańskiego Departamentu Handlu. Zjawisko to doskonale rozumieją rynki azjatyckie. Z analizy ruchu na platformie OpenRouter wynika, że 8 z 10 najpopularniejszych modeli pod względem wolumenu tokenów to wagi otwarte, z czego aż siedem rozwijanych jest w Chinach.
Otwarta dystrybucja modeli staje się oficjalnym filarem chińskiej dyplomacji technologicznej i strategii gospodarczej (wpisanej w inicjatywy takie jak AI-Plus oraz ramy 15. Planu Pięcioletniego). Udostępniając gotowe wagi globalnemu rynkowi:
-
przenosi się koszt inferencji i energii na użytkowników końcowych;
-
omija się wąskie gardła sankcji eksportowych na interfejsy API;
-
buduje się zależność infrastrukturalną Globalnego Południa od wschodnich architektur bazowych.
W tym samym czasie Waszyngton balansuje na linie – między próbami penalizacji destylacji wiedzy z modeli amerykańskich (spory na linii Anthropic vs. Moonshot) a pragmatyczną rezygnacją z zakazu otwartych wag, by nie zdusić innowacji we własnym ekosystemie.
Nowa infrastruktura, czyli open source jako warstwa bezpieczeństwa
Wbrew obawom dotyczących tego, że brak centralnego nadzoru uniemożliwi kontrolę nad treściami generowanymi przez AI, autorzy raportu dokumentują powstanie nowego standardu branżowego. Bezpieczeństwo i moderacja (Trust & Safety) przestają być domeną zamkniętych korporacyjnych czarnych skrzynek.
Dzięki inicjatywom takim jak ROOST i otwartym komponentom (Osprey, Coop – wykorzystywanym m.in. przez Bluesky czy Discord do przetwarzania setek milionów zdarzeń dziennie), stos technologiczny bezpieczeństwa jest budowany analogicznie do współczesnego cyberbezpieczeństwa: jako otwarta, weryfikowalna przez audytorów infrastruktura. Pozwala to organizacjom na implementację własnych, lokalnych reguł prawnych bez konieczności transferu wrażliwych danych użytkowników do zewnętrznych korporacji.
Raport State of Open Source AI dowodzi, że dychotomiczny podział na „darmowe, hobbystyczne modele otwarte” i „profesjonalne systemy korporacyjne” bezpowrotnie stracił rację bytu.
Żyjemy w epoce architektury hybrydowej (50% deweloperów łączy w systemach produkcyjnych oba podejścia). Modele zamknięte wciąż dominują w zadaniach wymagających najwyższej klasy rozumowania formalnego i natychmiastowej certyfikacji prawnej. Z kolei wagi otwarte wygrywają tam, gdzie kluczowa jest redukcja marży chmurowej, unikanie vendor lock-in oraz bezwzględna kontrola nad przepływem danych.
Otwartość przestała być wyłącznie manifestem filozoficznym. W 2026 roku stała się twardą kalkulacją ryzyka regulacyjnego i operacyjnego.
