O czym jest ten film
- Pozornie tydzień należał do OpenAI: plotki o premierze wersji 5.6 oraz przejście od Google Noama Shazeera, jednego z współautorów artykułu „Attention Is All You Need”.
- Mniej nagłośniona nowina: do Anthropic odszedł z Google John Jumper, noblista za pracę nad AlphaFold. Google straciło obu w ciągu jednego tygodnia.
- Główna teza odcinka: o pozycji laboratoriów mówią kierunki przepływu talentów, a nie chwilowe zakazy modeli, takie jak blokada Fable.
- W Dolinie Krzemowej dominuje przekonanie, że w obu laboratoriach ruszyło rekurencyjne samodoskonalenie — i o dostęp do tej pętli toczy się dziś walka o ludzi.
- Strategie obu firm się rozeszły: OpenAI doskonali głównie rozumowanie i fazę po treningu (wydania typu 4.1), Anthropic stawia na duże modele pretrenowane.
- Modele pretrenowane są „z natury” inteligentniejsze, choć ich skalowanie jest bardzo drogie — a Anthropic ma dziś największy i najświeższy, którym może trenować następny.
- Ostatni duży pretren OpenAI (4.5) został szybko wycofany; nie wiadomo, kiedy i w jakiej formie pojawi się kolejny.
- Werdykt autora: pod względem czysto modelowym to Anthropic ma dziś najmocniejszą pozycję — pół kroku przewagi może wystarczyć, a pisanie go na straty byłoby błędem.
- Najważniejsza zapowiedź tygodnia pochodzi jednak spoza duopolu: Midjourney (40 osób, 200 mln USD przychodu, bez inwestorów zewnętrznych) pokazało tanie i szybkie USG całego ciała.
- Cel: miliard badań rocznie w ciągu kilku lat, profilaktyczne wykrywanie nowotworów i chorób serca — przy otwartym ryzyku fałszywie dodatnich wyników.
10 najważniejszych takeaways — z kontekstem zastosowania
1.O kondycji laboratorium świadczy przepływ talentów, nie pojedynczy nagłówek
Na czym polega: Publiczność zobaczyła triumf OpenAI i kryzys Anthropic, choć w tym samym tygodniu Anthropic pozyskało noblistę Johna Jumpera. Autor argumentuje, że ruchy ludzi mówią o pozycji firm więcej niż chwilowe zakazy modeli.
Jak stosować: Przy ocenie podmiotów z branży AI zestawiaj nie jeden news, lecz cały tydzień transferów: kto przyszedł, kto odszedł, z jakich dziedzin. Taką listę warto prowadzić dla trzech–czterech obserwowanych firm.
Na co uważać: Najważniejsze ruchy personalne często przechodzą bez komunikatów prasowych — brak nagłówków to nie brak wydarzeń.
2.Przy każdej premierze pytaj: nowy trening wstępny czy tylko doszkalanie?
Na czym polega: OpenAI od dawna ulepsza modele głównie po treningu wstępnym (rozumowanie, pamięć, narzędzia — stąd wydania typu 4.1), natomiast Anthropic regularnie pokazuje duże modele pretrenowane, tworzone od podstaw.
Jak stosować: Czytając o nowej wersji modelu, sprawdź, czy deklarowany postęp pochodzi z nowego pretrenu, czy z warstwy rozumowania. To całkowicie zmienia ocenę realnego skoku możliwości.
Na co uważać: Nazwa wersji rzadko mówi wprost, co się faktycznie zmieniło — komunikaty marketingowe celowo zacierają tę różnicę.
3.Pre-training to trwały wzrost „surowej” inteligencji modelu
Na czym polega: Modele pretrenowane są z natury zdolniejsze, choć ich tworzenie i utrzymanie kosztują fortunę. Największy i najświeższy pretren ma dziś — według autora — Anthropic, co daje mu atut przy trenowaniu kolejnego pokolenia.
Jak stosować: Wybierając model do długoterminowych wdrożeń, przyjrzyj się, która firma realnie skaluje trening wstępny — to lepszy wskaźnik nadchodzących skoków jakości niż wyniki testów.
Na co uważać: Przewaga w tej dziedzinie wymaga ogromnej mocy obliczeniowej, a jej koszt w końcu przenosi się na ceny API.
4.Rekurencyjne samodoskonalenie to nowa oś wyścigu
Na czym polega: W Dolinie Krzemowej rośnie przekonanie, że zaczyna działać pętla, w której model służy do wytrenowania kolejnego, lepszego. O dostęp do tej pętli — a nie o pensje — toczy się według autora walka o talenty.
Jak stosować: W analizach strategicznych oceniaj laboratoria przez pryzmat cyklu „pretrain → trening następnego modelu”, a nie samych benchmarków.
Na co uważać: To hipoteza oparta na sygnałach z rynku, a nie potwierdzone dane. Traktuj ją jako scenariusz, który trzeba weryfikować.
5.Czasowy zakaz modelu nie przesądza o porażce firmy
Na czym polega: Blokada Fable zdominowała narrację o Anthropic, ale autor nie ma wątpliwości, że model wróci — technologia i zespół pozostają na miejscu.
Jak stosować: Jeśli budujesz rozwiązanie na konkretnym API, nie porzucaj planu po chwilowym zakazie; przygotuj procedurę awaryjnej migracji i bieżąco śledź negocjacje dostawcy z regulatorem.
Na co uważać: Ryzyko regulacyjne jest realne i wróci — traktuj je jako stały czynnik, nie jako szum. Dywersyfikacja dostawców to podstawa.
6.Śledź otwarte pytania lidera, nie tylko jego sukcesy
Na czym polega: Ostatni duży pretren OpenAI (wersja 4.5) został wycofany wkrótce po premierze. Wciąż nie wiadomo, kiedy pojawi się następny i jak zostanie połączony z warstwą rozumowania w ChatGPT i Codexie.
Jak stosować: Wypisz „niewygodne pytania” każdej obserwowanej firmy (kolejny pretren, monetyzacja, regulacje) i pilnuj, czy odpowiedź nadchodzi — to wczesny sygnał ostrzegawczy albo zapowiedź skoku.
Na co uważać: Opóźnienia premier bywają celowe, podyktowane jakością lub bezpieczeństwem — nie każdy poślizg oznacza problem.
7.Rentowność bez inwestorów daje swobodę wielkich zakładów
Na czym polega: Midjourney zatrudnia 40 osób przy 200 mln USD przychodu i nie ma rady nadzorczej funduszu. Mogło więc własne zyski zainwestować w urządzenie medyczne bez niczyjej zgody.
Jak stosować: Budując firmę, rozważ model, w którym zyski finansują odważne projekty. Przy ocenie konkurencji sprawdzaj strukturę właścicielską — mówi wiele o elastyczności gracza.
Na co uważać: Brak kapitału zewnętrznego oznacza wolniejszą skalę; nie każdy biznes udźwignie finansowanie eksperymentów z własnej kieszeni.
8.Tanie obrazowanie odwraca logikę diagnostyki — z reaktywnej na prewencyjną
Na czym polega: Dotychczas badania obrazowe wykonywano głównie wtedy, gdy coś dolegało, bo były drogie. USG całego ciała trwające minutę–dwie, w cenie badania kontrolnego, pozwala śledzić zmiany w organizmie i wcześniej wykrywać raka czy choroby serca.
Jak stosować: Jeśli działasz w ochronie zdrowia, ubezpieczeniach lub medycynie pracowniczej, zacznij modelować skutki masowej, taniej diagnostyki — dla wczesnego wykrywania chorób i dla kosztów. To dobry moment, zanim zrobi to konkurencja.
Na co uważać: Zapowiedź to nie produkt; skala miliarda badań rocznie to plan, nie realność. Sprawdzaj harmonogram wdrożeń i status regulacyjny.
9.Masowe skanowanie niosę ryzyko wyników fałszywie dodatnich
Na czym polega: Część lekarzy obawia się, że profilaktyczne obrazowanie wykryje mnóstwo zmian, które w praktyce nic nie znaczą, i uruchomi lawiny zbędnych badań. Z drugiej strony nikt dotąd nie widział obrazowania w takiej skali — nie znamy jego rzeczywistego obrazu.
Jak stosować: Planując wdrożenia prewencyjne, od początku projektuj ścieżki weryfikacji wyników i jasną komunikację z pacjentem. Koszt fałszywych alarmów potrafi pochłonąć oszczędności z wczesnego wykrywania chorób.
Na co uważać: Nie odrzucaj koncepcji wyłącznie z powodu nadrozpoznawalności — zamiast tego buduj procesy, które to ryzyko ograniczają.
10.Największa energia AI może działać poza dwoma wielkimi laboratoriami
Na czym polega: Dyskusję o „kto wygrał tydzień” przyćmiła zapowiedź Midjourney — firmy spoza kręgu dwóch producentów modeli, która z własnych zysków weszła w medycynę.
Jak stosować: Rezerwuj część czasu analitycznego na graczy spoza OpenAI i Anthropic: firmy aplikacyjne, sprzętowe, branżowe. To tam często pojawiają się historie pokazujące, po co w ogóle jest AI.
Na co uważać: Łatwo dać się wciągnąć w niekończący się cykl newsów o benchmarkach; szukaj doniesień z realnym zastosowaniem i konkretną skalą wdrożenia.
Redakcyjne tłumaczenie
Wstęp: prowokacja na dobry początek
A gdybym tak twierdził, że to Anthropic faktycznie prowadzi — i że miniony miesiąc wyszedł mu lepiej niż OpenAI? Wiem, że brzmi to absurdalnie, w końcu właśnie ich model trafił pod zakaz. Zaraz wyjaśnię, skąd ten pomysł. Wyjaśnię też, dlaczego być może cała ta rywalizacja ma mniejsze znaczenie, niż nam się wydaje — i dlaczego prawdziwą energię branży AI warto szukać poza dwoma największymi twórcami modeli. Na koniec opowiem o ważnej nowince, która nie wyszła ani od OpenAI, ani od Anthropic.
Tydzień, który pozornie należał do OpenAI
Na pierwszy rzut oka OpenAI wygrało miniony tydzień. Wszystko krążyło wokół zablokowania modelu Fable i nieudanych negocjacji z Waszyngtonem — choć krążą już słuchy, że sprawa wraca na właściwe tory. Tymczasem OpenAI miało powody do satysfakcji: plotki o nadchodzącej wersji 5.6 oraz przejście od Google Noama Shazeera, jednego z pierwotnych współautorów artykułu „Attention Is All You Need”, czyli tekstu, który zapoczątkował całą rewolucję dużych modeli językowych.
(Informacja dodatkowa: „Attention Is All You Need” to opublikowany w 2017 roku artykuł badaczy Google, w którym zaproponowano architekturę transformera — fundament współczesnych modeli językowych.)
Łatwo odnieść wrażenie, że OpenAI właśnie sięgnęło po koronę. Chcę jednak opowiedzieć inną historię — że ten sam zestaw wydarzeń da się odczytać dokładnie odwrotnie i wyjść z wnioskiem, iż to Anthropic jest na prowadzeniu. Nie twierdzę, że mam pewność. Twierdzę, że warto to przemyśleć razem, bo szersze pole widzenia pozwala dostrzec kraniec tego, co te modele potrafią — pozwala zobaczyć coś więcej niż oczywiste nagłówki.
Niewidoczna strona medalu: noblista przechodzi do Anthropic
Bo Anthropic też wzmocniło się w tym tygodniu wybitnym nazwiskiem — tylko zrobiło to bez rozgłosu. Od Google odszedł do niego John Jumper. Dla Google to był po prostu fatalny tydzień i nie da się tego powiedzieć inaczej. Jumper jest noblistą: nagrodę otrzymał za pracę nad AlphaFold, prowadzoną w dziedzinie chemii wspólnie z Demisem Hassabisem.
(Informacja dodatkowa: John Jumper i Demis Hassabis odebrali Nagrodę Nobla z chemii w 2024 roku za AlphaFold, system przewidujący struktury białek.)
Talenty mówią więcej niż zakazy
I tu jest głębsza warstwa tej historii. Przepływy ludzi znaczą tu o wiele więcej niż oficjalna narracja tygodnia, czyli sprawa bana na Fable i cała jej otoczka. Nie mam najmniejszych wątpliwości, że Fable wróci. Ale gdy się patrzy, dokąd zmierzają najlepsi, widać, że koncentrują się nie tylko w OpenAI, ale równolegle w obu czołowych laboratoriach. A dominujące w Dolinie Krzemowej założenie brzmi: w obu właśnie startuje rekurencyjne samodoskonalenie — pętla, w której jeden model staje się narzędziem do wytrenowania kolejnego, lepszego. Jeśli to prawda, pozycja Anthropic wcale nie jest tak zła, jak przedstawiają to tegotygodniowe doniesienia, bo właśnie w samodoskonaleniu ta firma jest na przedzie.
Skąd to wiem? Fable i Mythos — niezależnie od zakazu — to nowe modele pretrenowane, czyli wytrenowane od podstaw, a nie tylko doszkalane. Innej interpretacji nie ma.
Pre-training kontra rozumowanie: dwie odmienne strategie
Przypomnijmy: Anthropic nigdy nie zainwestowało w warstwę rozumowania takich starań, jakie poczyniło OpenAI. Spora część sposobu, w jaki OpenAI podkręca swoje modele, to doskonalenie rozumowania i fazy po wstępnym treningu, a także otoczki wokół modelu — na przykład tego, jak korzysta z pamięci. Tak powstają wydania, które firma określa mianem „point one”, na wzór serii 4.1. OpenAI nie musiało przy tym prezentować tak regularnie dużych, skalowanych modeli pretrenowanych jak Anthropic — mogło polegać na rozumowaniu.
To niedoceniany szczegół, który właśnie zaczyna robić różnicę: modele pretrenowane są z natury inteligentniejsze. Ich rozwój jest jednak wyjątkowo kosztowny — kolejne skoki w treningu wstępnym wymagają coraz większych nakładów i coraz większej liczby układów graficznych (GPU). Ale przewagę ma dziś Anthropic, bo dysponuje największym i najświeższym modelem pretrenowanym na świecie. Może nim wspomagać trenowanie następnego — i podejrzewam, że dokładnie na tym mu zależy.
OpenAI oczywiście też pracuje nad nowym pretrenem. Warto jednak pamiętać, że jego ostatni większy, oficjalnie pokazany model pretrenowany — wersja 4.5 — został wycofany wkrótce po premierze i nie zaliczył sukcesu. Dlatego wszyscy nosimy w tle głowy pytanie: kiedy ukaże się kolejny duży pretren OpenAI? A jeśli się pojawi, to w jakiej formie — jak zostanie połączony z warstwą rozumowania i doszkalaniem, żeby tworzył spójną całość w Codexie i w ChatGPT? To potrwa, bo nic z tego, co opisałem, nie jest łatwe.
Bilans wyścigu: może wystarczyć pół kroku przewagi
Moim zdaniem z czysto modelowego punktu widzenia to Anthropic ma dziś w wyścigu najmocniejszą pozycję: Fable i Mythos to najlepsze modele na świecie i można je wykorzystać do kolejnego skoku w treningu wstępnym. Być może na tym etapie rywalizacji owe pół kroku przewagi wystarczy. Nie mam co do tego pewności — po obu stronach szachownicy stoją wybitni ludzie, którzy raz powiedzą „tak”, a raz „nie”. Bezpiecznie można natomiast stwierdzić, że pisanie Anthropic na straty byłoby nieodpowiedzialne.
Midjourney i skok w obrazowaniu medycznym
Tyle o tygodniu OpenAI i Anthropic. Czas na obietnicę z początku odcinka — spojrzenie poza ten duopol. Bo moim zdaniem cała ta dyskusja, czy zgadzasz się ze mną co do przewagi Anthropic, czy nie, blednie przy tym, co w minionym tygodniu ogłosiło Midjourney: największy przełom w obrazowaniu medycznym od 50 lat.
(Informacja dodatkowa: Midjourney to firma znana przede wszystkim z popularnego generatora obrazów o tej samej nazwie.)
Sięgnęli przy tym po własne zasoby. Midjourney to biznes wyjątkowo rentowny — 40 pracowników przy 200 milionach dolarów przychodu i pełna swoboda w reinwestowaniu zysków. Te pieniądze musiały pójść w jakiś nowy kierunek i padło na profilaktykę medyczną oraz zupełnie nowe urządzenie. To specjalny rodzaj ultrasonografu, który obrazuje wnętrze ciała: tani, przystępny cenowo i wielokrotnie szybszy od rezonansu magnetycznego. W ciągu najbliższych kilku lat firma chce dojść do skali miliarda takich badań rocznie.
Całe doświadczenie ma przypominać wizytę w spa — i dokładnie tak je przedstawia. Najpierw w San Francisco powstanie miejsce urządzone na podobieństwo spa, potem ekspansja. Pacjent po prostu zasiada w niewielkim basenie z wodą i przez minutę, może dwie, wystawia się na działanie ultradźwięków. I to wszystko. Po chwili ma obraz całego ciała. A skoro badanie trwa tak krótko, jest też niedrogie — można je wykonywać profilaktycznie. Widać wtedy, jak w czasie zmieniają się struktury układu krążenia i co jeszcze dzieje się w organizmie, co pozwala wcześniej wykrywać nowotwory i choroby serca.
Profilaktyka w skali populacji — z ryzykiem fałszywych alarmów
Wiadomo, że część lekarzy obawia się, iż tak wczesne obrazowanie będzie rodzić wyniki fałszywie dodatnie — że badania zaczną wychwytywać mnóstwo rzeczy, które w rzeczywistości nie są chorobą. Ale dotąd diagnostyka obrazowa nigdy nie była dostępna w takiej skali. Szczerze mówiąc, nie wiemy, jak to będzie wyglądać. Cała nasza dotychczasowa technika obrazowania jest z natury reaktywna i droga: bada się dopiero wtedy, gdy coś dolega. To się kończy. Wchodzimy w erę taniego, powszechnie dostępnego obrazowania, które pozwoli na poziomie całych populacji zacząć rozumieć, jak nasze organizmy zmieniają się z upływem czasu. To przełom, który uratuje ludzkie życie. Sprawa ogromnej wagi.
I bardzo dobry przykład na to, że energia w tej branży przesuwa się poza dwóch głównych graczy. Midjourney jako produkt cenię od dawna i podoba mi się, że firma finansuje ten projekt z własnych zysków. To podręcznikowa ilustracja tego, co można osiągnąć, gdy zbuduje się rentowny biznes i powie: „to jest ważne dla ludzi, więc po prostu to robię”. Bez rady nadzorczej funduszu, przed którą trzeba by się tłumaczyć — pełna swoboda decyzyjna. I tak powstała innowacja: zdecydowali, że w to wejdą, a ponieważ założyciele mają doświadczenie w sprzęcie i technologii urządzeń, po prostu zabrali się do roboty. Nie mogę się doczekać premiery.
Puenta: prawdziwa energia dzieje się poza duopolem
W najbliższych dniach będę coraz więcej mówił o innych sposobach budowania i działania poza tym wyścigiem o najlepszy model. Ale jeśli już przy nim zostać — argumentacja, że Anthropic prowadzi, moim zdaniem się broni. A wy co sądzicie? Zgadzacie się? Może uważacie, że na prowadzeniu jest OpenAI? A może to energia spoza duopolu — taka jak ta u Midjourney — jest tym, co naprawdę ma znaczenie? Dajcie znać, co mam opisać poza OpenAI i Anthropic: takie historie, które pokazują, dlaczego AI ma znaczenie wykraczające poza to, kto dziś wygrał kolejny test porównawczy. Chętnie ich posłucham. Do usłyszenia!