Apa itu model open-weight
Tidak seperti model tertutup di mana hanya perusahaan yang dapat menjalankan perangkat lunaknya, model open-weight merilis parameter yang telah dilatih secara publik. Hal ini memungkinkan pengembang untuk mengunduh, menyempurnakan, dan menerapkan model pada infrastruktur mereka sendiri. Anthropic telah merilis beberapa model dengan bobot terbuka, dan pendanaan baru diharapkan dapat memperluas upaya tersebut. Pendekatan ini dipandang sebagai cara untuk mendemokratisasi AI, memungkinkan lebih banyak organisasi untuk membangun di atas sistem yang kuat tanpa terkunci pada satu penyedia.
Mengapa Amazon bertaruh besar
Divisi komputasi awan Amazon, AWS, sudah menawarkan model Anthropic kepada pelanggannya. Investasi ini memperdalam hubungan tersebut dan memberi Amazon pengaruh atas arah pengembangan AI. Bagi Amazon, model open-weight dapat mendorong lebih banyak penggunaan layanan cloud-nya saat perusahaan menjalankan model di AWS. Kesepakatan ini juga memposisikan Amazon melawan raksasa teknologi lain yang telah menggelontorkan dana ke laboratorium AI saingan. Namun perusahaan belum mengungkapkan target kinerja atau peta jalan produk tertentu yang terkait dengan pendanaan tersebut.
Skala kesepakatan
Angka $13 miliar ini menonjol bahkan menurut standar industri teknologi. Jumlah ini melampaui banyak investasi AI sebelumnya dan mencerminkan tingginya biaya pelatihan model-model mutakhir. Anthropic telah mengumpulkan miliaran dolar sebelumnya, tetapi ini adalah suntikan dana tunggal terbesarnya. Uang tersebut kemungkinan akan digunakan untuk daya komputasi, staf riset, dan kumpulan data besar yang diperlukan untuk melatih model generasi berikutnya. Kedua perusahaan belum merinci bagaimana dana tersebut akan dibelanjakan.
Investasi ini diperkirakan akan selesai dalam beberapa bulan mendatang, menunggu tinjauan regulasi. Kedua perusahaan menolak untuk membahas pencapaian spesifik atau rencana produk yang terkait dengan pendanaan. Kesepakatan ini menggarisbawahi semakin pentingnya model open-weight dalam ek
