В Кремниевой долине нарастает активность вокруг компаний, работающих с open-weight моделями — их рассматривают как перспективные цели для многомиллиардных поглощений. Сообщается о переговорах по покупке Hugging Face примерно за $13 млрд, а также о недавних крупных сделках с Poolside и OpenRouter.

Сердце экосистемы открытых моделей

Hugging Face сегодня воспринимается как площадка, сходная по роли с GitHub для эпохи больших языковых моделей: репозиторий моделей, бенчмарков и инструментов для разработчиков, которые создают и внедряют LLM вне крупных лабораторий. В новостях также фигурируют сделки, по которым Nvidia заключила соглашение с Poolside примерно на $6 млрд, а Stripe приобрела OpenRouter более чем за $7 млрд.

Интерес к таким активам объясняется не только их технологической значимостью, но и стратегией крупных игроков, стремящихся уменьшить зависимость от нескольких ведущих заказчиков и партнеров в сфере облачных вычислений.

Почему покупают open-weight компании

Для таких компаний, как Nvidia, приобретение платформ и сообществ открытых моделей — способ обеспечить доступ к базе разработчиков и направить их к собственным аппаратным стандартам и чипам для инференса. Компания уже развивает собственную семью моделей Nemotron, но охват сообщества остаётся ключевым ресурсом.

Параллельно растут вопросы стоимости инференса, и организации ищут более дешёвые решения. В качестве альтернативы обсуждаются модели китайских разработчиков, таких как Moonshot, DeepSeek и Alibaba, которые пока имеют ограниченное, но растущее распространение.

  • Hugging Face — объект слухов о покупке примерно за $13 млрд;
  • Nvidia и Poolside — соглашение около $6 млрд;
  • Stripe приобрела OpenRouter более чем за $7 млрд;
  • Растущая роль open-weight моделей в задачах с повторяющимся инференсом.

Согласно исследованию расходов, приведённому в материале, лишь около 6% компаний используют open-weight модели, а среди разработчиков программного обеспечения этот показатель может составлять примерно 2% по оценке аналитики Jellyfish. Такие цифры показывают, что массовое внедрение пока ограничено, но потенциал для роста заметен.

Ник Албарран, руководитель по продукту в Jellyfish, отмечает, что открытые модели чаще применяются там, где рабочие нагрузки предполагают многократный инференс, например в системах обслуживания клиентов, где при высокой повторяемости можно оптимизировать ответы и снизить расходы.

Диверсификация и специализированный интеллект

Лин Цяо, генеральный директор Fireworks, компании, обслуживающей корпоративных пользователей open-weight маршрутизаторов и хостинга, делает ставку на разнообразие моделей. Она указывает, что по её оценке Fireworks обрабатывает огромный объём токенов в сутки и что по мере развития рынка компании смогут тренировать модели, адаптированные к конкретным продуктам и задачам.

Эксперты ожидают, что по мере усложнения и зрелости AI-воркфлоу организации будут всё чаще рассматривать самохостинг моделей ради контроля, конфигурируемости и экономии на масштабных и повторяющихся задачах. Между тем для задач с высокой вариативностью и сложным рассуждением по-прежнему чаще выбирают frontier-модели из закрытых лабораторий.

Таким образом, приток капитала в сектор open-weight отражает более широкую трансформацию: крупные технологические компании стремятся диверсифицировать свои позиции в экосистеме ИИ, а разработчики и предприятия получают больше возможностей для выбора между собственными, открытыми и проприетарными моделями.