Mégis miért nem használnak mindenhol csúcsmodelleket?
Az olyan fejlett rendszerek, mint az OpenAI vagy az Anthropic vezető modelljei, első látásra mindent tudnának – ám a legtöbb vállalat számára itt kezdődnek a problémák. Ezeknek az MI-knek a használata során érzékeny céges adatokat vagy szellemi tulajdont kell külső API-kon vagy chatbotokon keresztül megosztani. Noha az üzemeltetők azt állítják, hogy a vállalati adatokat nem használják fel további tanításra, a közelmúlt szerzői jogi botrányai után a bizalom törékeny. Az e-mailek vagy ajánlatok vázlatát még elfogadják, de a belső adatok kiadásától már ódzkodnak.
A kínai fejlesztők, például a DeepSeek, az Alibaba, a Moonshot AI vagy a MiniMax modelljei képesek felvenni a versenyt az amerikai óriásokkal, mégis jelentős beruházásokat igényelnek. Egy vállalati Nvidia- vagy AMD-alapú rendszer ára gyakran 92–185 millió forint között mozog. Ugyanakkor a legtöbb üzleti feladathoz nincs szükség ilyen megterhelő csúcstechnológiára – néha bőven elég, ha egy kisebb, de megbízható modell gyorsan és olcsón kiszolgálja a belső igényeket.
A nyílt modellek új hulláma
Az elmúlt időszakban a Google, az Alibaba, a Microsoft és az Nvidia új nyílt fejlesztései (például a Google Gemma 4 31B, amely 31 milliárd paraméterrel dolgozik) már nemcsak hogy versenyképesek, de jóval olcsóbban működtethetők. Az Arena AI szöveges toplistáján ez a modell már az egyik legjobb nyílt megoldás; csak a sokszorosan nagyobb Z.AI GLM-5 vagy a Moonshot AI Kimi 2.5 előzi meg, amelyek paraméterszáma eléri a 744 milliárdot és az 1 billiót.
Egészen pontosan egy 31B paraméteres modell teljes, 16 bites pontosság mellett egyetlen – mintegy 2,9–3,6 millió forintos – GPU-n is futtatható, akár egyszerre több felhasználóval. A Qwen 3.5 esetében a legtöbb változat szintén befér egyetlen videókártyára, de ezek az MI-k olykor még GPU-t sem igényelnek, egy korszerű szerverprocesszor is elegendő lehet. Az ilyen specializált modellek könnyebben igazíthatók vállalati igényekhez, például QLoRA finomhangolással vagy megerősítéses tanulással is.
Mi változott az elmúlt időben?
A háttérben drámai előrelépések történtek mind az MI-tanításban, mind az alkalmazáskeretrendszerek fejlesztésében. Megjelent a tesztidőbeli skálázás: az MI nemcsak több paraméterrel dolgozik, hanem komplexebb gondolkodást is folytat – vagyis inkább időt cserél minőségre.
Az utóbbi évben teret nyertek a látás- és beszédfeldolgozó modellek is: képeket, hangokat képesek értelmezni, mindezt egyre kevesebb számítási és memóriakapacitással. Mégis, a legnagyobb változás az MI-t segítő szoftverek fejlődése: a modellek már nem kizárólag a tanítási adatokra támaszkodnak, hanem elérhetik a webet, adatbázisokat, sőt, eszközöket is tudnak kezelni. A Google és az Nvidia fejlesztéseit már eleve úgy tanították, hogy funkcióhívásokat is kezeljenek – önmagukban, elszigetelten már ritkán használják őket.
Kié a kontroll az MI fölött?
A vállalatok számára egyre fontosabb, hogy helyben, saját kereteken belül futtassák a modelleket, így nem kell adatokat külső szolgáltatókhoz kiszolgáltatniuk. Ugyanakkor ez sem teljes szabadság: ha egy rendszert egy adott modellre hoznak létre, azzal is valamennyire hozzá vannak láncolódva a gyártói ökoszisztémához. Az MI-fejlesztők célja, hogy minél szélesebb felhasználói bázist vonzzanak már az egyszerű, belépő modellekkel, amelyet aztán később fenn is tartanak.
Emellett az ilyen lokalizált MI-megoldások jelentősen csökkenthetik a szerverparkok energiafogyasztását is. Hasonlóan a GPT-5-höz, ahol több különböző LLM-re osztják szét a feladatokat a komplexitásnak, illetve az érzékenységnek megfelelően, itt is elképzelhető, hogy a kényes vállalati adatokat helyi MI, míg az általános feladatokat felhőalapú szolgáltatás dolgozza fel.
Hogyan választanak modellt a cégek?
A paletta széles: a teljesen saját, lokális rendszerektől a félig nyilvános, felhős elhelyezésig sokféle üzemeltetési forma létezik. Mégis, ami a cégeknek igazán számít: olyan modell, ami olcsón fut, könnyen igazítható hozzájuk, és nem merülnek fel biztonsági aggályok. Ebben ma a kisebb, nyílt modellek jelentik az arany középutat, és úgy tűnik, a jövő MI-robbanásának igazi nyertesei is ezek lesznek.
