Katsaus avoimien tekoälymallien kehitykseen, Yhdysvaltain ja Kiinan väliseen kilpailuun sekä tiedon tislauksen herättämään keskusteluun.
Avoimet tekoälymallit ja avoimet painot ovat nousuun päässeen tekoälykehityksen keskiössä. Viime vuosien aikana avoimen ja suljetun tekoälyn suorituskykyero on kaventunut noin 4–6 kuukauteen. Monet johtavat avoimet mallit ovat peräisin kiinalaisilta tutkimuslaboratorioilta, mikä on herättänyt laajaa poliittista keskustelua Yhdysvalloissa. Avoimet mallit eivät ole binäärinen ilmiö, vaan ne sijoittuvat liukuvalle asteikolle lisenssien, käyttökustannusten ja datan saatavuuden mukaan.
Meta on ollut keskeinen toimija avoimien mallien puolestapuhujana muun muassa Llama-sarjansa myötä. Mark Zuckerberg on perustellut avoimuutta ekosysteemin rakentamisella ja yhteisön innovaatiopotentiaalilla. Samaan aikaan Yhdysvaltain lainsäätäjät ovat kuitenkin tarkastelleet yritysten, kuten DoorDashin, Airbnb:n ja Anyspheretin, tekemiä sopimuksia tai mallivalintoja kriittisesti suhteessa kiinalaisiin malleihin. Länsimaiset yritykset hakevat avoimista malleista kustannustehokkuutta ja riippumattomuutta suljetuista rajapinnoista.
Yksi vuoden 2026 suurimmista puheenaiheista on ollut tislaus eli mallien kouluttaminen toisten mallien tuottamien vastausten avulla. Tuoreet tutkimukset ovat osoittaneet, että suljettujen rajapintojen kautta on voitu järjestelmällisesti kerätä päättelyketjuja tislauksen tarpeisiin. Anthropic vahvisti syyskuussa 2026 kiinalaisten laboratorioiden hyödyntäneen tätä tekniikkaa. Asiantuntijoiden mukaan tislaus ei kuitenkaan yksinään selitä kiinalaisten mallien nopeaa kehitystä ja teknisiä innovaatioita.
Kyberturvallisuuden ja avoimien mallien suhde herättää jatkuvasti keskustelua eri tutkimuslaitoksissa. Tutkijat ovat esittäneet, että avoimien mallien rajoittaminen tai kieltäminen ei estä haitallisia toimijoita hyödyntämästä teknologiaa, koska vaihtoehtoiset rajapinnat ovat aina saatavilla. Sen sijaan hallituksien ja yhteiskuntien on varauduttava tuleviin kyberuhkiin ennakoivalla sääntelyllä ja seurannalla. Suljettujen mallien turvamekanismit ohitetaan säännöllisesti, mikä aiheuttaa todellisia riskejä jo ennen avoimiin painoihin liittyviä hypoteettisia uhkakuvia.
Datan saatavuus on muodostunut merkittäväksi pullonkaulaksi tekoälytutkimukselle. Vuonna 2024 julkaistut tutkimukset osoittivat avoimen datan määrän romahtamisen, kun sisällöntuottajat ja yritykset ovat rajoittaneet suostumustaan datan käyttöön. Tämä kehitys haastaa avoimen tutkimuksen edellytyksiä ja pakottaa toimijat etsimään vaihtoehtoisia ratkaisuja synteettisen datan ja tislauksen avulla. Avoimen ja suljetun tekoälyn ekosysteemit kehittyvät eri eksponentiaalisilla radoilla.
Kiinan tekoälyekosysteemin vahvuudet perustuvat rakenteellisiin etuihin ja nopeaan reagointikykyyn. Esimerkiksi Z.ai-yhtiön edustajat ovat kuvanneet julkaisustrategiaansa nopeaksi toiminnaksi, jossa mallit avoinkooditetaan tuntien sisällä valmistumisestaan. Vastaavasti Yhdysvalloissa käydään keskustelua siitä, miksi kansallisen tutkimus- ja kehitystoiminnan tulisi tukea avoimia malleja vastapainona tiukentuvalle sääntelylle. Avoimuus edistää tutkijoiden mukaan koulutusta, kilpailua ja perustutkimuksen uudistumista.
Yhdysvaltojen ja Kiinan välinen kilpailu näkyy myös siinä, miten eri alueet omaksuvat tekoälyteknologioita. ATOM-raportit ja erilaiset vertailualustat seuraavat säännöllisesti mallien latausmääriä, johdannaisia ja tutkimuksen levinneisyyttä alueittain. Siinä missä Yhdysvallat hallitsee suljettujen rajapintojen huippua, Kiina haastaa tilannetta avoimilla painoilla ja kustannustehokkailla ratkaisuilla. Perplexity ja Thomson Reuters ovat esimerkkejä yrityksistä, jotka ovat hyödyntäneet avoimia tai kiinalaisia malleja strategioissaan.
Tulevaisuuden näkymät viittaavat siihen, että avoimet mallit tulevat toimimaan keskeisenä osana yritysten räätälöityjä agenttipohjaisia työnkulkuja. Ne toimivat täydentävänä työkaluna suljettujen jättimallien rinnalla. Vaikka poliittinen ilmapiiri ja epämääräiset liittovaltion valvontamekanismit uhkaavat avoimen tekoälyn tulevaisuutta lännessä, sen taloudelliset ja tutkimukselliset hyödyt pitävät kentän liikkeessä.
Tämä kattava katsaus toimii karttana aiheesta kiinnostuneille. Se kokoaa yhteen alan keskeisimmät akateemiset paperit, markkina-analyysit ja poliittiset puheenvuorot vuosilta 2023–2026. Avoimen tekoälyn kenttä elää jatkuvassa murroksessa, jossa tekniset ratkaisut ja geopoliittiset jännitteet kietoutuvat tiiviisti yhteen.
Tärkeimmät pointit
- Bill Gurley: From Open Source Software to Open Source Strategy (toukokuu 2026)
- Mark Zuckerberg: Open Source AI is the Path Forward (heinäkuu 2024)
- Irene Solaiman: The Gradient of Generative AI Release (helmikuu 2023)
- Nathan Lambert: What comes next with open models (maaliskuu 2026)
- Christian Catalini: Some Simple Economics of Open versus Closed AI (elokuu 2026)
- Thinking Machines Lab: A Safe Path to Open Weights (heinäkuu 2026)
- Shayne Longpre ym.: Consent in Crisis: The Rapid Decline of the AI Data Commons (heinäkuu 2024)
- Panfilov, Schmotz, Shumailov ym.: Stealing Reasoning Traces from Proprietary LLM APIs (2026)
Linkit ja lähteet
- From Open Source Software to Open Source Strategy
- Open Source AI is the Path Forward
- The Gradient of Generative AI Release: Methods and Considerations
- What comes next with open models
- Some Simple Economics of Open versus Closed AI
Lähde: Interconnects — alkuperäinen artikkeli julkaistu 11.9.2026
