Orion от OpenAI столкнулась с высокими затратами при низкой эффективности

Затраты на обслуживание Orion в дата-центрах OpenAI существенно превышают расходы на предыдущие модели, что ухудшает соотношение цены и качества. Это может отпугнуть корпоративных клиентов и подписчиков, заинтересованных в экономически выгодных ИИ-решениях. Несмотря на ожидания значительного прогресса, переход от GPT-4 к Orion оказался менее впечатляющим, чем скачок между GPT-3 и GPT-4. Это разочарование усилилось из-за роста эксплуатационных расходов, которые делают модель менее рентабельной.

Схожая ситуация наблюдается и у конкурентов OpenAI. Такие компании, как Anthropic и Mistral, также сталкиваются с трудностями в значительном улучшении своих моделей. Например, Claude 3.5 Sonnet от Anthropic показывает лишь умеренный прирост производительности по сравнению с предыдущими версиями. Вместо качественного скачка разработчики сосредоточились на внедрении новых функций, таких как ИИ-агенты, что отражает изменение подхода в индустрии.

Для частичного решения проблем разработчики используют дополнительные фильтры, позволяющие настраивать результаты после завершения основного этапа обучения. Однако этот метод носит временный характер и не решает фундаментальных ограничений, связанных с архитектурой или обучающей выборкой. Одной из ключевых проблем https://www.theinformation.com/articles/openai-shifts-strate... нехватка данных для обучения. OpenAI сформировала специальную команду для поиска новых источников информации, однако пока неясно, сможет ли она собрать достаточно данных, чтобы улучшить модель и соответствовать ожиданиям клиентов.

Ситуация с Orion подчёркивает вызовы, с которыми сталкивается индустрия ИИ в попытке достичь новых высот. Учитывая повышенные затраты и умеренные улучшения, дальнейший успех OpenAI будет зависеть от способности компании оптимизировать модель и справиться с нехваткой данных, сохраняя интерес со стороны бизнеса.