O czym jest ten film
- „Chińskie modele” to nie jedna kategoria — to różne produkty o różnych cenach, licencjach, sprzęcie i najlepszych zastosowaniach; łączy je tylko kraj pochodzenia.
- Poważni użytkownicy AI powinni testować chińskie modele, ale muszą osobno decydować o trzech rzeczach: zadaniu, modelu i ścieżce wdrożenia.
- Do taniej, powtarzalnej pracy masowej (ekstrakcja, klasyfikacja, wstępny research) modele takie jak DeepSeek potrafią radykalnie zmienić ekonomię.
- „Otwartość” to nie jedna cecha — trzeba osobno pytać o API, wagi, licencję i to, czy Twój sprzęt uciągnie model przy potrzebnym kontekście.
- Mixture of Experts tłumaczy, czemu ogromny model bywa tani przez API i absurdalny do uruchomienia na własnym laptopie.
- Złotym standardem jest koszt na zaakceptowany wynik, a nie cena tokena — tanie tokeny często dają droższe rozwiązanie.
- Amerykański rząd (CAISI) ocenił, że najlepszy chiński model jest ok. 8 miesięcy za czołówką USA, ale przewaga bywa „szczytowa” i nierówna.
- Destylacja pozwala szybko przenosić zdolności między modelami — i stąd spór: metoda techniczna bywa ta sama, ale autoryzacja i legalność już nie.
- Trzy ścieżki wdrożenia — API dostawcy, host zewnętrzny, self-hosting — mają zupełnie różne profile ryzyka; self-hosting ma sens tylko przy spełnieniu czterech warunków.
- Kraj pochodzenia to dopiero początek due diligence — nie zastępuje testów, analizy kosztu, sprzętu ani ścieżki danych.
Redakcyjne tłumaczenie
Wszyscy mają to teraz na ustach
To temat, który dziś jest na językach. Od momentu DeepSeeka mamy poczucie, że Chiny nadciągają. Ostatnio narrację napędziły premiery Kimi K3 i Qwen 3.8. Wszyscy pytają zasadniczo o jedno: czy te modele nadgoniły? Czy granica możliwości modeli faktycznie się domyka?
Chcę poświęcić ten materiał samemu fenomenowi chińskich modeli — temu, jak to wygląda, kiedy siedzisz głęboko w testach i sprawdzasz chińskie modele, czym różnią się od amerykańskich i jak powinieneś do nich podchodzić jako osoba prywatna, a może jako firma. Uważam, że chińskie modele nie dostają uwagi, na jaką zasługują, i chciałem zrobić dedykowany film, żeby wejść w cały ten świat.
W zeszłym tygodniu Moonshot AI wypuścił Kimi K3 — chiński model z 2,8 biliona parametrów i oknem kontekstu na milion tokenów. Jego API kosztuje sporo: 15 dolarów za milion tokenów wyjściowych. Tymczasem DeepSeek V4 Pro bierze za tę samą jednostkę objętości ledwie 87 centów. Moonshot nazywa K3 modelem „open weight”. W chwili, gdy to nagrywam, wag nie da się jeszcze pobrać, ale podobno bardzo, bardzo wkrótce — może już w momencie, gdy ten film się ukaże — pełne wagi zostaną udostępnione.
DeepSeek, Kimi, a także Qwen to chińskie modele frontierowe. Nie mają wspólnej ceny, wspólnej ścieżki wdrożenia, wspólnego obciążenia sprzętowego ani nawet wspólnego najlepszego zastosowania. Łączy je jedynie kraj pochodzenia. I to jest jedna z rzeczy, które chcę podkreślić już na wstępie. Mówimy „chińskie modele” i robimy to wielkie upraszczające założenie. To właśnie jest problem z rozmową o chińskich modelach. Używamy tego określenia czasem jako skrótu myślowego dla „tanie”, czasem dla „otwarte”, czasem dla „lokalne”. Bywa, że wszystkie trzy są prawdą, a bywa, że żadna.
Ten film wchodzi głębiej. Daje praktyczny sposób, by zdecydować, czy w ogóle włączyć chiński model do swojego stacku. Jaką pracę mu powierzyć? Kiedy korzystać z API? Kiedy uzasadniony jest self-hosting? Wejdę też w spór o destylację, bo może on zmienić tempo, w jakim rozprzestrzeniają się zdolności. Powiem, które modele zostają i prawdopodobnie zostaną dostępne niezależnie od wszystkiego.
Moja odpowiedź z góry brzmi: tak. Poważni użytkownicy AI powinni testować chińskie modele — ale musisz zaplanować podejmowanie osobnych decyzji co do zadania, modelu i ścieżki wdrożenia. Nie mieszajmy tych trzech rzeczy; przejdę przez każdą z nich.
Dopasuj model do rodzaju pracy
Jeśli mierzysz się z masową, wrażliwą cenowo pracą przez API, DeepSeek zdecydowanie należy do Twojego zestawu testowego. Ma cenę wyjścia rzędu 87 centów za milion tokenów i potrafi odmienić ekonomię przetwarzania dokumentów, generowania kodu, pipeline’ów badawczych — wszystkiego, co dzieje się na dużą skalę. Kiedy potrafisz ściąć cenę tak mocno — 15, 20, 30 razy względem tego, czego używasz teraz — to naprawdę duża sprawa. Przy ekstrakcji, klasyfikacji, wstępnym researchu, generowaniu testów i każdej innej pracy, którą da się przejrzeć, niska cena znaczy ogromnie wiele, bo maszyna może sobie pozwolić na sprawdzanie, ponowne sprawdzanie i jeszcze raz sprawdzanie — i uzyskujesz naprawdę dobrą jakość w naprawdę przystępnej cenie.
Byłbym natomiast ostrożniejszy z narzędziem takim jak DeepSeek, gdy jedna niejednoznaczna odpowiedź uruchamia nieodwracalne działanie. Jeśli czegoś nie da się łatwo zweryfikować, zastanów się, czy nie schodzisz z jakością w sposób, na który nie możesz sobie pozwolić.
Jeśli szukasz pracy lokalnej — na własnym sprzęcie, choćby na tym laptopie — przyjrzyj się mniejszym modelom Qwen albo modelom, które DeepSeek zdestylował z R1. To premiery stojące za prawdziwą historią lokalnego AI. Nie są tym samym artefaktem co pełny DeepSeek R1, który miał 671 miliardów parametrów łącznych, ani co DeepSeek V4 Pro z 1,6 biliona. Modele lokalne mają sens do prywatnych notatek, pracy offline, przewidywalnej dostępności i tam, gdzie wolisz oddać część zdolności w zamian za wysoki stopień kontroli i prywatności. Sensowne porównanie to nie mały Qwen kontra Kimi K3 — raczej to, czy mały model jest wystarczająco dobry do konkretnego zadania, które chcesz zatrzymać na swojej maszynie.
Do długoterminowego kodowania, researchu i pracy agentowej testowałbym inny zestaw chińskich modeli. Sprawdziłbym GLM, Kimi, Qwen i MiniMax przeciwko najlepszym amerykańskim modelom frontierowym, tymi samymi narzędziami i przy tym samym standardzie akceptacji. Nie obniżaj poprzeczki. Niektóre chińskie modele są blisko granicy możliwości na wybranych zadaniach — GLM 5.2 jest szczególnie mocny w kodowaniu — ale to nie znaczy, że automatycznie stają się uniwersalnym zamiennikiem w tej dziedzinie. Nie użyłbym GLM 5.2 do każdego zadania w świecie kodowania tylko dlatego, że akurat jest w nim dobry. Model może napisać znakomitą łatkę, a i tak przegrać zadanie na poziomie całego repozytorium, bo użył złego narzędzia, przeoczył test albo poległ po 20 minutach.
Proszę Cię o testowanie, bo te rzeczy mają znaczenie. Model może być mocny w researchu w Twojej dziedzinie i słaby w rozumowaniu wizualnym akurat dla Ciebie. „Frontier” staje się użytecznym słowem dopiero wtedy, gdy rozumiesz, co właściwie testujesz — żebyś mógł zmierzyć, gdzie granica możliwości leży dla Ciebie. Dlatego benchmarki są notorycznie łatwe do ogrania i trudne do zaufania.
Przy pracy wrażliwej najpierw rozstrzygnąłbym, dokąd mogą trafić dane, zanim wybiorę model. Chiński model uruchomiony na Twoim własnym serwerze tworzy zupełnie inny profil ryzyka niż ten sam model używany przez firmowy czat w Chinach. To bardzo różne decyzje.
Każdy model to inna strategia
Zacznijmy od DeepSeeka nieco głębiej — pun intended. DeepSeek goni za ekstremalną ekonomią inferencji. Qwen to szeroka rodzina, od naprawdę małych otwartych modeli po osobną, hostowaną linię Max z zamkniętymi wagami. GLM 5.2 od Z.ai jest na licencji MIT i bardzo mocny w długoterminowym kodowaniu, ale udostępniony checkpoint BF16 jest naprawdę wielki — około półtora terabajta. Moonshot wycenia Kimi K3 jako premium’owy produkt frontierowy. MiniMax M3 łączy kodowanie, obsługę komputera oraz rozumienie obrazu i wideo pod własną licencją, która wymaga atrybucji i noty, wymaga uprzedniej pisemnej zgody powyżej 20 milionów dolarów rocznego przychodu i zakazuje zastosowań wojskowych. Brzmią różnie, bo są różne. To zupełnie inne produkty i inne strategie.
„Otwarte” też nie jest jedną cechą. Musisz zadać kilka osobnych pytań, żeby zrozumieć, co naprawdę znaczy otwartość. Czy mogę wywołać model przez API? Czy mogę pobrać wagi? Czy licencja zezwala na moje zastosowanie? Czy mój sprzęt uruchomi go przy długości kontekstu, jakiej potrzebuję, z prędkością, jakiej potrzebuję? Model może być otwarty w jednym wymiarze i zamknięty — albo po prostu niepraktyczny — w kilku pozostałych.
Mixture of experts i pułapka „aktywnych parametrów”
Jednym z technicznych powodów, dla których ogromne modele wciąż bywają ekonomiczne, jest koncepcja mixture of experts. DeepSeek V4 Pro ma 1,6 biliona parametrów łącznych. MiniMax M3 ma około 427 miliardów łącznych i tylko 23 miliardy aktywnych na token. Router nie używa całej sieci dla każdego tokena, a część magii tkwi w doborze właściwych parametrów do aktywacji dla danego tokena.
(Informacja dodatkowa: mixture of experts to architektura, w której model kieruje każdy token tylko do wybranej części „ekspertów” sieci, więc obliczenia na token są dużo mniejsze niż łączny rozmiar modelu.)
Aktywne parametry pomagają wyjaśnić, jak radzimy sobie z obliczeniami na token. Ale to parametry łączne w dużej mierze wyznaczają zapotrzebowanie na pamięć masową, pamięć operacyjną, sieć i obsługę. Dlatego model może być tani przez zoptymalizowane API i absolutnie absurdalny do uruchomienia na laptopie. Nie zamieniaj liczby aktywnych parametrów w prosty szacunek sprzętowy — to bardziej skomplikowane. Trzeba pytać o rozmiar checkpointu, o precyzję, o wymagania kontekstu i o topologię obsługi. A jeśli to wszystko brzmi bardzo skomplikowanie — bo trochę jest. I to jest właśnie przewaga amerykańskich modeli frontierowych: nie musisz się nad tym głowić, jeśli po prostu zakładasz konto w OpenAI.
To daje nam pierwszą zasadę hostingu. Jeśli chcesz uruchomić mniejszy model lokalnie, gdy checkpoint mieści się na Twoim sprzęcie, a niższa zdolność wystarcza do zadania — jak najbardziej możesz. Jeśli chcesz hostować gigantyczny model open weight, upewnij się, że masz sprzęt, kontrolę nad danymi, przenośność i że jesteś przygotowany na skalę, o której mówisz. Pobranie wag nie rozwiązuje magicznie wymagań sprzętowych i zespołowych, które faktycznie musisz spełnić, by obsłużyć de facto enterprise’owy model z Chin.
Luka zdolności — mierz ją względem swojej pracy
Sprzęt i licencje mówią, co musisz wdrożyć, żeby postawić model. Ale nie mówią, czy wynik będzie wystarczająco dobry. Do tego lukę trzeba zmierzyć względem pracy, którą wykonujesz. Chińskie laboratoria potrafią raportować wyniki bliskie czołówki albo prowadzące w kodowaniu, matematyce, użyciu narzędzi i długim kontekście — ale to nie znaczy, że zadziałają u Ciebie. Musisz myśleć o swoim „harnessie”, o budżecie rozumowania i o narzędziach. A jeśli nie jesteś gotów zejść na ten poziom szczegółu, to prawdopodobnie nie jesteś jeszcze gotów na rozmowę o chińskim modelu.
W maju rządowa ewaluacja CAISI w USA nazwała DeepSeek V4 Pro najbardziej zdolnym chińskim modelem, jaki testowała, szacując jednocześnie, że pozostaje on około osiem miesięcy za czołową amerykańską granicą możliwości. Luka była mniejsza na pojedynczych zadaniach, co mówi nam, że model jest „szczytowy” i doszlifowany uczeniem ze wzmocnieniem w konkretnych obszarach.
(Informacja dodatkowa: CAISI — amerykański rządowy ośrodek ewaluacji bezpieczeństwa i zdolności modeli AI.)
Ekonomia jest oczywiście zupełnie inna. DeepSeek kosztowałby mniej — czego wszyscy się spodziewają. Ale w części zadań tańsze tokeny wcale nie dawały tańszego rozwiązania, bo model albo musiał spalić tak dużo tokenów, żeby tam dotrzeć, albo nie docierał wcale. CAISI stwierdziło, że DeepSeek wypadał od 53% taniej do 41% drożej na poprawnie rozwiązane zadanie w siedmiu benchmarkach. Czy powiedziałem już wystarczająco często: testuj? Bo bez tego nie zrealizujesz tych oszczędności. DeepSeek zresztą od tego czasu zmienił ceny, więc te procenty nie są trwałym wyrokiem — to wskaźnik tego, gdzie musisz przetestować. Są dowodem, że cena tokena i koszt gotowej pracy potrafią wskazywać w przeciwnych kierunkach, a prawie wszystkim zależy na koszcie gotowej pracy.
Te wyniki przypominają, dlaczego złotym standardem jest koszt na zaakceptowany wynik — i że musisz zdefiniować zadanie dostatecznie precyzyjnie, by móc go policzyć. Tani model potrafi zdrożeć, gdy produkuje dłuższe ślady rozumowania (co dokładnie widzimy przy Claude 3 kontra Fable 5), gdy wykonuje zbędne wywołania narzędzi, gdy pada późno albo zostawia człowiekowi więcej sprzątania. Premium’owy model potrafi wyjść taniej — jak Fable 5 — jeśli udaje mu się za pierwszym podejściem. Właśnie wyszedł Opus 5 i ma ten sam nacisk na efektywność tokenową — tak dziś zaczynają konkurować modele frontierowe.
Cofając się nieco: do zadań ograniczonych, powtarzalnych i wysokowolumenowych chińskie modele bywają nadzwyczajną wartością. Do pracy niejednoznacznej — gdzie model musi wywnioskować intencję, wyjść z niespodzianek albo podjąć decyzję wysokiego ryzyka — najsilniejsze amerykańskie systemy frontierowe pozostają punktem odniesienia, który — moim zdaniem — trzeba pobić, by uzasadnić alternatywę. Wiodące amerykańskie usługi często idą w parze z dojrzalszymi integracjami narzędzi, kontrolami enterprise i dowodami operacyjnymi. Część chińskich ofert kontruje tym, co często słyszymy w medialnej narracji: niższymi cenami, większą liczbą opcji open weight, większą swobodą wdrożenia. Żaden z tych zestawów nie zadziała dla wszystkich. Względna wartość zmienia się, gdy Twoja praca ceni surowy osąd, kontrolę, przenośność albo koszt.
Polityka i destylacja — jak zdolność wsiąka do modelu
Są jeszcze dwa czynniki komplikujące, które chcę tu wskazać. Jak zdolność trafia do modelu? I dokąd idą Twoje dane? To prowadzi nas do polityki i destylacji.
Zaczyna się od kontroli eksportu, które ograniczają zaawansowane chipy, sprzęt produkcyjny, oprogramowanie, użytkowników końcowych i zastosowania końcowe — nie mówiąc nam, na jakim sprzęcie trenowano każdy model.
Nie powiedziałbym, że to kontrole wynalazły chińską efektywność. Chińska efektywność to coś, co widzimy w szerokim wachlarzu chińskich technologii przez ostatnie dwie–trzy dekady. Mixture of experts, trening w niskiej precyzji, rzadka uwaga (sparse attention), kwantyzacja i lepsze wykorzystanie sprzętu to techniki, które widzimy w chińskich modelach i które odzwierciedlają tę szerszą tendencję. Kontrole po prostu zwiększyły strategiczną zachętę, by wyciągać więcej zdolności. Amerykanie nie muszą się martwić o chipy — muszą się martwić o prąd. Chiny naciskają na przeciwną stronę układu niż amerykańskie firmy AI w większości tych zestawów bodźców.
Jest tam „AI plus polityka”, która wspiera społeczności open source w dzieleniu się modelami, narzędziami i zbiorami danych. To nie dowód, że Pekin każe laboratorium wypuścić wagi — to po prostu część tamtejszej kultury. Laboratoria mają komercyjne powody, by budować ekosystem, podczas gdy oficjalna polityka może wspierać szerokie przyjęcie. Otwarte wagi mogą też zmniejszać zależność użytkowników od amerykańskich API — choć polityka nie deklaruje tego motywu wprost.
Teraz destylacja — temat bardzo gorąco dyskutowany. Kimi K3 został w zeszłym tygodniu publicznie oskarżony o destylację wag Fable 5. Destylacja łączy te wątki. W normalnej wersji potężny model-nauczyciel generuje przykłady, odpowiedzi, ślady rozumowania albo preferencje. Inny model — często mniejszy lub bardziej wyspecjalizowany — trenuje na tych wyjściach i dziedziczy część zachowań nauczyciela, nie odtwarzając jego pełnego programu treningowego.
(Informacja dodatkowa: destylacja to trening „ucznia” na wyjściach „nauczyciela” — mniejszy model przejmuje część zdolności większego bez powtarzania całego jego treningu.)
OpenAI wręcz sprzedaje destylację jako produkt. Laboratoria frontierowe używają jej wewnętrznie. Istnieje model-nauczyciel Mythos, który uczy wydawane wersje Mythosa i Fable. DeepSeek otwarcie użył próbek wygenerowanych przez R1 do trenowania mniejszych modeli opartych na Qwen i Llama. Repozytorium podaje, że modele-uczniowie pochodne od Qwen dostrajano na 800 tysiącach próbek wyselekcjonowanych z R1. To zupełnie zwyczajny, jawny trening nauczyciel–uczeń w AI.
Zdestylowany uczeń nie jest pełnym nauczycielem wciśniętym w mniejszy plik. Może odziedziczyć użyteczne wzorce rozumowania na przykładach, które widział, ale traci szerokość, niezawodność i zabezpieczenia. Dlatego mówimy o czymś w rodzaju „zapachu wielkiego modelu” przy modelach będących nauczycielami. To kolejny powód, dla którego stwierdzenie „DeepSeek działa lokalnie” wprowadza w błąd — lokalny uczeń i pełny frontierowy nauczyciel to bardzo różne systemy.
Autoryzacja kontra sposób postępowania
Kontrowersja wokół destylacji zaczyna się, gdy wyjścia nauczyciela nigdy nie były autoryzowane do takiego użycia. Anthropic twierdzi, że DeepSeek, Moonshot i MiniMax użyły około 24 tysięcy fałszywych kont, by wygenerować ponad 16 milionów wymian w chmurze, obchodząc przy tym ograniczenia dostępu. Późniejsze memo Białego Domu opisało „ekstrakcję na skalę przemysłową” przez podmioty z Chin, ale nie wskazało tych laboratoriów ani nie potwierdziło liczb Anthropic. To się od tego czasu zmieniło, bo Kimi K3 został w zeszłym tygodniu wprost wymieniony przez Biały Dom. To bardzo poważne zarzuty — nie orzeczenia sądowe, lecz zarzuty. A publiczne dane nie mówią nam, ile wydanych zdolności pochodziło z opisywanych przez Anthropic kampanii.
Użyteczne rozróżnienie to autoryzacja i sposób postępowania. Laboratorium może destylować własnego albo licencjonowanego nauczyciela. Może też trenować na wyjściach API wbrew ograniczeniom umownym albo używać fałszywych kont i obchodzenia kontroli dostępu na dużą skalę. Metoda techniczna może się pokrywać, ale roszczenia umowne i potencjalnie prawne są w tej sytuacji zupełnie różne. Zazwyczaj chińskie podmioty nie są autoryzowane do destylowania amerykańskich modeli.
I dlatego ten spór ma znaczenie, nawet jeśli chcesz wstrzymać się z oceną firm. Chipy są fizyczne, a wyjścia modelu to informacja. Ograniczenie GPU dla modelu-nauczyciela nie kontroluje wszystkiego, czego ten model może nauczyć przez API. Przypomina mi to — jako brodaczowi — lata 90. i rozmowy o Napsterze oraz o tym, że „muzyka chce być wolna”. Zdolność bardzo łatwo przemieszcza się globalnym internetem. Może wędrować przez dane syntetyczne, dostrajanie, uczenie ze wzmocnieniem, destylację. Transfer nie musi być doskonały — bo może wcale nie musi. Może odtworzyć wystarczająco dużo wartościowego zachowania, dostatecznie szybko i tanio, by było warto.
To znaczy, że dzisiejsza luka zdolności może zamykać się szybciej, niż sugerowałaby sama polityka sprzętowa — i daje dostawcom frontierowym silne bodźce, by zacieśniać dostęp, monitoring i kontrolę kont. Dokładnie to widzimy na przykładzie Anthropic i sprawy Moonshota. Dla klienta zwiększa to wartość posiadania własnych ewaluacji i utrzymania ścieżki wyjścia. Bo ta niepewność sprawia, że przepływ pracy jest znacznie mniej uzależniony od jednego dostawcy, gdy prompty, testy i narzędzia da się łatwo podnieść i przenieść na inny model.
Pytanie o hosting — trzy ścieżki wdrożenia
Masz trzy podstawowe wybory wdrożeniowe. Pierwszy to API dostawcy — najłatwiejsze, ale to dostawca kontroluje usługę, cenę, logowanie i dostępność. Drugi to host zewnętrzny, który może uruchomić otwarte wagi w wybranym regionie i na dowolnych warunkach umownych. Trzeci to self-hosting — daje największą kontrolę nad promptami i zachowaniem w czasie działania, ale czyni Cię odpowiedzialnym za sprzęt, bezpieczeństwo, aktualizacje, monitoring — za wszystko, co wiąże się z posiadaniem modelu.
Self-hosting ma sens, moim zdaniem, tylko gdy spełnione są cztery warunki. Wagi muszą być dostępne, a licencja musi zezwalać na Twoje zastosowanie — to dość intuicyjne. Wymóg dotyczący danych lub suwerenności musi być na tyle realny, że model musisz mieć u siebie. Obciążenie pracą musi uzasadniać infrastrukturę AI, którą trzeba postawić. I musisz mieć zespół zdolny bezpiecznie obsługiwać ten stos. Jeśli te warunki nie są spełnione, lepszym rozwiązaniem będzie API albo zarządzane wdrożenie u zewnętrznego hosta.
Self-hosting potrzebuje też imiennego właściciela dla rzeczy o wysokiej odpowiedzialności — uwierzytelniania, łatek serwera modelu, pojemności, obserwowalności. Bez zespołu, który ma taką odpowiedzialność, po prostu zamieniasz ryzyko dostawcy w problem operacyjny, który odkryjesz dopiero, gdy coś pójdzie nie tak.
Nie zakładaj, że „chiński model” przesądza o ścieżce danych
Nie zakładaj, że „chiński model” oznacza z góry ustaloną ścieżkę danych albo reżim prawny. Chińskie przepisy przejściowe regulują usługi generatywnego AI oferowane publicznie wewnątrz Chin kontynentalnych. Nie regulują automatycznie surowych wag modelu operowanych prywatnie poza Chinami. Polityka prywatności DeepSeeka jako dostawcy mówi, że dane osobowe są przetwarzane i przechowywane w Chinach, a wejścia mogą być używane do ulepszania technologii. To nie zaskoczenie.
Alibaba z kolei podaje, że dane klientów Model Studio nie są używane do treningu modeli, i oferuje zakresy wdrożenia, które mogą wykluczać Chiny kontynentalne — o czym niewielu wie. Można pójść jeszcze dalej: amerykański host zewnętrzny uruchamiający wagi Qwen tworzy kolejną ścieżkę — pod amerykańską jurysdykcją.
Poprawnie skonfigurowany model self-hostowany potrafi trzymać prompty z dala od pierwotnego laboratorium i usunąć filtry runtime po stronie dostawcy. Ale nie usuwa zachowań odmownych ani politycznego skrzywienia wyuczonego w wagach. Możesz musieć dostroić model, sprawdzić wywołania inferencji, narzędzia, telemetrię i logi, żeby to wychwycić. Wielu ludzi robi dostrojenie chińskiego modelu, by dopasować go do amerykańskiej wrażliwości. Przeniesienie wag na własny serwer zmienia to, kto widzi dane — ale nie sprawia magicznie, że reszta łańcucha dostaw oprogramowania staje się godna zaufania.
Cztery kroki decyzyjne
Po pierwsze, nazywam zadanie. Czy to praca o ograniczonym wolumenie? Lokalna asysta? Wrażliwa praca wewnętrzna? A może osąd na poziomie frontier? Nie wybieram modelu, zanim nie zdecyduję, co mogę tolerować od strony skutków porażki.
Po drugie, nazywam artefakt i oczekiwane wdrożenie. Czy to API? Wagi do pobrania? Jakaś obiecana przyszła premiera? Jaka licencja tego dotyczy? Czego wymaga pełny model przy realistycznej długości kontekstu dla mojej pracy?
Po trzecie, mierzę koszt na zaakceptowany wynik. Wliczam wejście, wyjście, rozumowanie, wywołania narzędzi, ponowienia, opóźnienie — cały łańcuch i infrastrukturę. Nie chcę ukrytych kosztów.
Po czwarte, bardzo wyraźnie prześledzam ścieżkę danych i ścieżkę wyjścia. Ustalam, która firma dostaje prompt, gdzie jest przechowywany i przetwarzany, jakie prawo i umowa go rządzą oraz jakie są warunki retencji i treningu. Potem pytam, czy mogę przenieść przepływ pracy i zachować prompty, narzędzia i ewaluacje, jeśli dostawca zmieni cenę — czy mogę zachować model i politykę dostępu. To wszystko rzeczy, o których musisz pomyśleć, jeśli rozważasz poważny zakład na chińskie modele.
Jak przetestować jako osoba prywatna
Jeśli jesteś po prostu osobą prywatną, możesz przeprowadzić ten test bez budowania laboratorium. Weź 20 przykładów prawdziwej pracy, dołącz brzydkie przypadki brzegowe, wybierz chiński model, przepuść przez niego test i sprawdź, czy działa.
Ja tak zrobiłem, gdy budowałem multi-agenta Ringer, którego wypuściłem tydzień czy dwa temu — gdzie roje wieloagentowe dostarczają inteligencji na poziomie frontier za znacznie mniej niż koszt frontier, a Fable orkiestruje i to dużo tańsze modele wykonują pracę. Odkryłem, że Qwen był naprawdę pomocny jako element roju agentów. Dzięki testom ustaliłem, że w wielu przypadkach użycia Qwen był użytecznym uczestnikiem roju — ale oczywiście skonfigurowałem Ringera tak, żeby dało się go używać po swojemu.
Podobnie Ty musisz zrobić własne testy. Musisz zdecydować, gdzie potrzebujesz inteligencji modelu frontierowego, a gdzie w Twojej konkretnej pracy postawisz GLM, Kimi, Qwen albo MiniMax. I absolutnie musisz pomyśleć o wrażliwych obciążeniach — o tym, gdzie jest architektura danych pozwalająca zachować Twoją odpowiedzialność w sytuacji, gdy ludzie mogą oczekiwać, że przetworzyłeś dane inteligencją osadzoną w Twojej jurysdykcji.
Podsumowanie
Więc czy powinieneś używać chińskich modeli? Moja odpowiedź: tak, selektywnie. Ja używam — czasem wręcz agresywnie. Używaj ich jak specjalistów, jak pretendentów, w części przepływów jako domyślnych — ale nie bądź niechlujny w analizie. Nie używaj słowa „chiński” jako skrótu dla konkretnego wyniku zdolności, konkretnego werdyktu bezpieczeństwa czy typowego planu wdrożenia. Zacznij od pracy. Sprawdź, co właściwie robisz. Upewnij się, że rozumiesz pełne obciążenie sprzętowe tego, o co się bierzesz. Zrozum ścieżkę danych. Zrozum realny koszt dla pracy, którą chcesz wykonać. Kraj pochodzenia to dopiero sam początek rozmowy o due diligence — nie zastępuje pełnego reżimu testów, który musisz przejść. Jeśli poważnie podchodzisz do pracy z chińskimi modelami, musisz wziąć na siebie odpowiedzialność za to testowanie.
10 najważniejszych takeaways — z kontekstem zastosowania
1.„Chiński model” to nie jest kategoria decyzyjna
Na czym polega: DeepSeek, Qwen, GLM, Kimi i MiniMax nie mają wspólnej ceny, licencji, sprzętu ani najlepszego zastosowania. Łączy je wyłącznie kraj pochodzenia, a używanie tego jako skrótu dla „tanie / otwarte / lokalne” prowadzi na manowce.
Jak stosować: Za każdym razem rozdzielaj trzy osobne decyzje: jakie zadanie, jaki model, jaka ścieżka wdrożenia. Traktuj każdy model jako oddzielny produkt z własnym profilem.
Na co uważać: Nie przenoś oceny jednego modelu (np. „DeepSeek jest tani”) na cały „chiński” segment — to zniekształca zarówno kosztorys, jak i ocenę ryzyka.
2.Do masowej, sprawdzalnej pracy tani model zmienia ekonomię
Na czym polega: Przy ekstrakcji, klasyfikacji, wstępnym researchu czy generowaniu testów cena rzędu kilkudziesięciu centów za milion tokenów pozwala maszynie wielokrotnie sprawdzać własną pracę i uzyskać dobrą jakość tanio.
Jak stosować: Kieruj do tanich modeli zadania powtarzalne, ograniczone i łatwe do zweryfikowania. Buduj pipeline z automatyczną kontrolą wyników.
Na co uważać: Unikaj taniego modelu tam, gdzie jedna niejednoznaczna odpowiedź uruchamia nieodwracalne działanie, którego nie da się łatwo zweryfikować.
3.Koszt na zaakceptowany wynik, nie cena tokena
Na czym polega: CAISI pokazało, że DeepSeek wypadał od 53% taniej do 41% drożej na poprawnie rozwiązane zadanie — bo tani token potrafi spalić się w długim rozumowaniu, zbędnych wywołaniach narzędzi albo późnej porażce.
Jak stosować: Licz pełny łańcuch: wejście, wyjście, rozumowanie, narzędzia, ponowienia, opóźnienie i infrastrukturę — na jeden zaakceptowany rezultat. Zdefiniuj zadanie tak precyzyjnie, by dało się to policzyć.
Na co uważać: Cena z cennika i benchmarki bywają mylące i łatwe do ogrania. Ceny się zmieniają — traktuj każdy pomiar jako wskazówkę, gdzie testować, nie jako trwały wyrok.
4.„Otwartość” rozbij na cztery osobne pytania
Na czym polega: Model może być otwarty w jednym wymiarze i zamknięty lub niepraktyczny w pozostałych. Trzeba osobno pytać: czy jest API, czy są wagi, czy licencja pozwala na Twoje użycie, czy sprzęt uciągnie go przy potrzebnym kontekście.
Jak stosować: Zanim nazwiesz model „open”, odhacz wszystkie cztery wymiary względem swojego konkretnego zastosowania i sprzętu.
Na co uważać: Licencje bywają restrykcyjne (np. MiniMax wymaga zgody powyżej progu przychodu i zakazuje użycia wojskowego), a checkpoint może mieć półtora terabajta — „open weight” nie znaczy „uruchomisz to u siebie”.
5.Aktywne parametry to nie szacunek sprzętowy
Na czym polega: Mixture of experts sprawia, że model używa tylko części sieci na token, więc obliczenia są tanie — ale to parametry łączne wyznaczają zapotrzebowanie na pamięć, sieć i obsługę.
Jak stosować: Oceniając self-hosting, pytaj o rozmiar checkpointu, precyzję, wymagania kontekstu i topologię obsługi — a nie tylko o liczbę aktywnych parametrów.
Na co uważać: Model tani przez zoptymalizowane API może być absurdalnie drogi do uruchomienia lokalnie. Nie myl jednej metryki z realnym kosztem infrastruktury.
6.Nie obniżaj poprzeczki przy pracy frontierowej
Na czym polega: Niektóre chińskie modele są blisko czołówki na wybranych zadaniach (GLM 5.2 w kodowaniu), ale przewaga bywa „szczytowa” i nierówna — CAISI szacowało ok. 8 miesięcy dystansu do czołówki USA. Model może napisać świetną łatkę i przegrać zadanie na poziomie repozytorium.
Jak stosować: Testuj kandydatów tymi samymi narzędziami i przy tym samym standardzie akceptacji co najlepsze modele amerykańskie. Mierz granicę możliwości dla swojej konkretnej pracy.
Na co uważać: Do pracy niejednoznacznej, wymagającej wnioskowania intencji i wysokiego osądu, mocne modele amerykańskie pozostają punktem odniesienia do pobicia — nie zakładaj uniwersalnego zamiennika tylko dlatego, że model jest dobry w jednej dziedzinie.
7.Zdolność przenosi się przez destylację szybciej niż sprzęt
Na czym polega: Model-nauczyciel generuje wyjścia, na których trenuje się mniejszy uczeń, przejmując część jego zachowań. To zwyczajna technika (OpenAI sprzedaje ją jako produkt), więc luka zdolności może zamykać się szybciej, niż sugeruje polityka eksportu chipów.
Jak stosować: Zakładaj, że przewaga frontierowa jest ulotna, i planuj strategię wokół tego — nie licz, że kontrole sprzętowe utrzymają dystans.
Na co uważać: Zdestylowany uczeń nie jest „pełnym nauczycielem w mniejszym pliku” — traci szerokość, niezawodność i zabezpieczenia. „DeepSeek działa lokalnie” myli lokalnego ucznia z pełnym nauczycielem.
8.Oddziel autoryzację od metody technicznej
Na czym polega:>16 mln wymian; Kimi K3 wymienił Biały Dom. To zarzuty, nie orzeczenia sądowe. Metoda (destylacja) może być ta sama, ale legalne/umowne roszczenia różnią się, gdy wyjścia nie były autoryzowane.
Jak stosować: Oceniając dostawcę, rozróżniaj samą technikę od tego, czy użycie nauczyciela było autoryzowane — to dwie różne kwestie ryzyka.
Na co uważać: Nie traktuj zarzutów jak dowiedzionych faktów, ale i nie ignoruj ich w due diligence. Publiczny zapis nie mówi, ile wydanych zdolności pochodzi z tych kampanii.
9.Ścieżka danych zależy od wdrożenia, nie od kraju modelu
Na czym polega: Ten sam model przez chiński czat, przez amerykańskiego hosta zewnętrznego i w self-hostingu daje trzy różne profile prawne i ryzyka. DeepSeek jako dostawca przetwarza dane w Chinach; Alibaba oferuje zakresy wykluczające Chiny kontynentalne; amerykański host Qwena działa pod jurysdykcją USA.
Jak stosować: Najpierw rozstrzygnij, dokąd mogą trafić dane i jakie prawo je rządzi, a dopiero potem wybieraj model i sposób hostowania. Prześledź, kto dostaje prompt, gdzie jest przechowywany i jakie są warunki retencji i treningu.
Na co uważać: Self-hosting zmienia to, kto widzi dane, ale nie usuwa skrzywień ani zachowań odmownych wyuczonych w wagach — i nie czyni reszty łańcucha dostaw godną zaufania. Możesz musieć dostroić model.
10.Self-hosting tylko przy czterech spełnionych warunkach
Na czym polega: Self-host ma sens, gdy: wagi są dostępne i licencja pozwala; wymóg suwerenności danych jest realny; obciążenie uzasadnia infrastrukturę; i masz zespół zdolny bezpiecznie obsługiwać stos (z imiennym właścicielem za uwierzytelnianie, łatki, pojemność, obserwowalność).
Jak stosować: Jeśli choć jeden warunek nie jest spełniony, wybieraj API dostawcy lub zarządzanego hosta zewnętrznego — zwykle będzie to lepsze rozwiązanie. Zawsze zachowuj własne ewaluacje i ścieżkę wyjścia, by móc przenieść prompty, testy i narzędzia na inny model.
Na co uważać: Pobranie wag nie rozwiązuje wymagań sprzętowych i zespołowych. Bez odpowiedzialnego zespołu zamieniasz ryzyko dostawcy w problem operacyjny, który odkryjesz dopiero, gdy coś pójdzie nie tak.