شکاف عملکردی بین مدل‌های پیشرو هوش مصنوعی از شرکت‌های فناوری آمریکایی و بهترین مدل‌های متن‌باز (open-weights) شرکت‌های چینی، طبق گزارش Mozilla، به تنها ۴.۴ ماه کاهش یافته است. این موضوع توضیح می‌دهد که چرا بسیاری از شرکت‌ها برای کارهای روزمره به مدل‌های متن‌باز با هزینه بسیار کمتر روی می‌آورند و همچنین کمک می‌کند تا طیف محدودی از وظایف را شناسایی کنیم که در آن‌ها مدل‌های پیشرو ارزش هزینه خود را دارند.

به‌ترین رویکرد برای بیشتر سازمان‌ها این است که از مدل‌های متن‌باز به‌عنوان گزینه پیش‌فرض برای اکثر کارهای خود استفاده کنند، طبق جدیدترین گزارش وضعیت هوش مصنوعی متن‌باز (State of Open Source AI) از Mozilla که در ۱۵ سپتامبر منتشر شد و پیش از انتشار در اختیار Ars قرار گرفت. این گزارش نشان می‌دهد که یک مدل متن‌باز پیشرو، یعنی Kimi K3 از Moonshot AI، نمره عملکرد ترکیبی هوش مصنوعی را در شاخص هوش مصنوعی Artificial Analysis تنها سه امتیاز پایین‌تر از مدل بسته پیشرو Fable 5 شرکت Anthropic کسب می‌کند، در حالی که هزینه آن تنها ۳۰ درصد از مدل دوم است.

«مدل‌های بسته حق بیمه خود را در چند حوزه به دست می‌آورند: کارهای حرفه‌ای تخصصی، بازیابی داده با شدت بالا، و زمینه طولانی (long context)،» رافی کریکوریان، مدیر ارشد فناوری در Mozilla، در ایمیلی به Ars گفت. «ما شاهد آن هستیم که تصمیم به پرداخت هزینه برای مدل‌های بسته به وظیفه خاص بستگی دارد، نه به سازمان خاص.»