Saját AI-modellel kontrollálhatják a cégek adataikat — figyelmeztet a Mistral vezére
A cégeknek saját nyílt rendszereket kell használniuk, saját hozzáférési szabályokat kell felállítaniuk és saját modelleket kell fejleszteniük, hogy megőrizzék üzleti előnyüket — figyelmeztet Arthur Mensch, a Mistral vezérigazgatója.
Arthur Mensch, a Mistral alapítója és vezérigazgatója arra figyelmezteti a vállalatokat, hogy ne támaszkodjanak kizárólag zárt, külső AI-modellekre. Szerinte a zárt modelleket kínáló cégek egyre több adatot tárolnak ügyfeleik üzleti folyamatairól, ami lehetőséget ad nekik, hogy versenytársaikká váljanak — közölte a The Decoder.
Mensch szerint egyes AI-laborok már bizonyítottan éltek is ezzel a lehetőséggel, és sikeres ügyfeleik ellen fordultak az így szerzett információk birtokában. A vezérigazgató azt javasolja, hogy a vállalatok inkább nyílt rendszerekben tárolják adataikat, állítsanak fel saját hozzáférési szabályokat az AI-hoz, és fejlesszenek saját betanított modelleket, még akkor is, ha ez a feladat ijesztőnek tűnhet.
Kapcsolódó: Mistral AI stratégia
A saját súlyok, a saját sors
Mensch megjegyzései hasonlóak Palantir vezérigazgatójának, Alex Karpnak korábbi kijelentéseihez, aki szintén arra biztatta a cégeket, hogy építsék ki saját AI-modelljeiket ahelyett, hogy külső, szabadalmaztatott megoldásokra hagyatkoznának. A Palantir egy manifesztumot is publikált a biztonságos üzleti AI-használatról, amelyben kiemelték: „Az irányítósúlyok (weights) birtoklása az irányítósúlyok birtoklása. Ha mások irányítják a súlyait, akkor üzlete alfa-értékét is átengedik nekik.”
Kapcsolódó: Mistral iparba lép
A Mistral helyzete és a kutatási eredmények
Mensch érvei ugyan helytállóak, de kontextusba kell őket helyezni. A Mistral az egyetlen európai cég, amely releváns AI-modellekkel rendelkezik, és nyers teljesítmény tekintetében nem tud versenyezni olyan csúcskategóriás modellekkel, mint a GPT-5.6 Sol vagy a Fable 5. A Mistral üzleti modellje erősen támaszkodik az EU szuverenitására, mivel ez az a terület, ahol a legtöbb növekedési potenciált látja, annak ellenére, hogy részvényeinek mintegy 30 százalékát amerikai befektetők birtokolják — írja a The Decoder.
Kapcsolódó: Mistral Forge platform
Egy nemrégiben publikált, pénzügyi dokumentumok elemzésére irányuló kísérlet részben alátámasztja Mensch álláspontját. Bár a nagy modellek gyakran felülmúlják a speciális modelleket, a betanítási adatokba be nem épített belső szakértői tudás előnyt jelenthet. A Bridgewater hedge fund és a Thinking Machines Lab (a korábbi OpenAI CTO, Mira Murati által alapított startup) a saját befektetői értékeléseik alapján finomhangolta a nyílt forráskódú Qwen3-235B modellt. Saját értékelésük szerint a finomhangolt modell 84,7 százalékos pontosságot ért el pénzügyi dokumentumok elemzésében, míg a legjobb csúcskategóriás modell 78,2 százalékot. A működési költségek közel 14-szer alacsonyabbak voltak.
Kapcsolódó: AI-modell építés
Fontos megjegyezni, hogy ez nem egy független összehasonlítás volt, és mindkét cégnek érdeke fűződik a saját termékeik értékesítéséhez. Emellett ez csak egy pillanatfelvétel, mivel az olyan cégek, mint az Anthropic vagy az OpenAI, egyszerűen megvásárolhatnák ezt a fajta adatot a jövőbeli betanításhoz, vagy maguk generálhatnák azt, ami valószínűleg visszasegítené őket az élre.
Kapcsolódó: Európai partnerség