Decyzja, przed którą stoją wszyscy

Firma, która włożyła w OpenAI mniej więcej 13 miliardów dolarów, teraz wyjmuje produkt OpenAI ze swoich flagowych aplikacji. 23 lipca Microsoft potwierdził, że zaczął zastępować modele generowania obrazów OpenAI w PowerPoincie i Bingu własnym modelem o nazwie MAI-Image-2. Mustafa Suleyman, który kieruje Microsoft AI, powiedział to wprost: model własny jest szybszy, tańszy, wyższej jakości i lepiej utrzymuje użytkowników. Microsoft twierdzi, że MAI-Image-2 generuje obrazy około dwa razy szybciej niż jego poprzednik w usługach Foundry i Copilot.

Nie kończy się na obrazach. Suleyman otwarcie powiedział, że Microsoft chce zmniejszyć, a docelowo wyeliminować to, co wydaje u Anthropic, przenosząc więcej pracy na własne modele MAI w Copilocie, Microsoft 365 i GitHub Copilocie. Najważniejsze partnerstwo dekady w dziedzinie AI jest po cichu omijane, i to przez jednego z jego własnych architektów.

Dlaczego to historia o decyzji, a nie o produkcie

Każda głęboka relacja z dostawcą wciąż pozostaje kwestią zbudować czy kupić i odwraca się w chwili, gdy wolumen kupującego uzasadnia budowanie. Microsoft kupował, gdy potrzebował tempa i nie miał własnego modelu. Buduje teraz, bo przetwarza tyle tokenów AI, że nawet skromna oszczędność na żądaniu zamienia się w ogromną liczbę bezwzględną. Bliskość relacji z OpenAI nie zmieniła w tej arytmetyce nic; jedynie ją odsunęła w czasie.

To jest lekcja, którą warto wynieść. Jeśli Microsoft, mając miejsce w pierwszym rzędzie i miliardy zainwestowane, traktuje warstwę modelu jako wymienną w chwili, gdy mówią o tym liczby, to każda firma, która stawia swój produkt na jednym dostawcy modeli, powinna założyć, że ten sam ruch nadchodzi także wobec niej, ze strony dostawcy albo pewnego dnia jej własną ręką. Lojalność nie ochroniła układu. Zadecydował wolumen.

Odczytaj, gdzie zaczęła się zmiana

Utowarowienie przychodzi tam, gdzie pomyłka jest tania. Microsoft nie zaczął od wymiany modelu rozumowania stojącego za jego najtrudniejszymi zadaniami programistycznymi. Zaczął od generowania obrazów w PowerPoincie i Bingu, gdzie nieco gorszy obrazek nie kosztuje prawie nic, a wolumen żądań jest ogromny. To klasyczna ścieżka: sprawdzić model własny na wyrozumiałej pracy o dużym wolumenie, odłożyć oszczędność, a potem wspinać się po krzywej trudności w miarę, jak rośnie zaufanie.

Dla operatora ten wzorzec to mapa. Te części twojego stosu, które są najbardziej narażone na zmianę dostawcy, przez ciebie albo przez dostawcę, to te o dużym wolumenie i tolerancyjne na błąd. Te części, które najdłużej pozostają przywiązane do specjalisty, to te o małym wolumenie i wysokiej stawce, gdzie błędna odpowiedź jest kosztowna. Wiedza o tym, które z twoich obciążeń leżą gdzie, mówi ci, gdzie najpierw inwestować w przenośność.

Co zrobić, zanim zrobi to twój dostawca

Projektuj tak, jakbyś miał się przenieść, bo rynek zakłada już, że możesz. Umieść każde wywołanie modelu za wewnętrznym interfejsem, żeby zmiana dostawcy była ustawieniem, a nie przedsięwzięciem. Trzymaj swoje polecenia, zestawy ewaluacyjne i zabezpieczenia we własnym repozytorium, niezależnie od narzędzi jakiegokolwiek dostawcy, żeby móc uruchomić je ponownie wobec pretendenta w jedno popołudnie.

Potem negocjuj odpowiednio. Dostawca, który wie, że możesz odejść w tydzień, wycenia inaczej niż ten, który wie, że nie możesz. I zrób rachunek, który zrobił Microsoft: śledź próg wolumenu, powyżej którego zbudowanie lub dostrojenie własnego modelu wygrywa z wynajmowaniem, żeby podjąć tę decyzję świadomie, a nie odkryć, jak właśnie zrobiła to OpenAI, że twój największy klient po cichu osiągnął go pierwszy.

Czytaj dalej: Dwaj giganci AI chcą być twoim integratorem  |  Model rozbił swój token, by oszukać skaner