Флориан Лейберт, сооснователь Mesosphere, знает эту историю не понаслышке. В 2013 году его компания строила DC/OS на базе Apache Mesos, но через несколько лет Kubernetes просто перетянул всё сообщество. Дело было не только в открытом коде. Kubernetes стал нейтральной платформой, которую инженеры, облака и вендоры могли допиливать под себя. Вокруг него выросла экосистема сетей, хранилищ, инструментов развёртывания, и скорость инноваций оказалась такой, что ни один одиночный продукт угнаться уже не мог. Лейберт видит, что AI подходит к той же точке, а роль платформы берут на себя модели с открытыми весами.
Модели, которые в разговорах называют open-source, технически правильнее называть open-weight. Исходные данные обучения недоступны, но сами веса можно скачивать и менять — этого достаточно, чтобы вокруг них образовалась экосистема. Спрос на self-hosting уже породил стек для запуска: vLLM, SGLang, llama.cpp, Ollama, MLX. На Hugging Face больше двух миллионов моделей. Вокруг семейств вроде Qwen и Gemma разработчики штампуют квантованные версии под разные архитектуры, файнтюны и LoRA-адаптеры для кода, медицины, права, математики, агентных сценариев, а также слияния моделей и сборки под TensorRT-LLM, vLLM, MLX.
До недавнего времени открытые модели сливали фронтиру на сложных задачах, но разрыв схлопывается. Z.ai выпустила GLM-5.2 под MIT-лицензией — её собственные замеры показывают 62,1% на SWE-bench Pro против 58,6% у GPT-5.5. Moonshot заявляет, что Kimi K3 вплотную подошла к закрытым моделям на длинных кодинг-задачах и обещает опубликовать веса 27 июля. Независимая оценка Artificial Analysis ставит Kimi K3 в один ряд с Opus 4.8 и GPT-5.5.
Как только базовая модель становится достаточно сильной, экосистема достраивает остальное: агентные рантаймы, песочницы, обвязка для оценки и observability, специализированные файнтюны. Получается production-grade стек — открытая модель на открытом софте, заточенная под конкретную нагрузку и железо. Такой набор, возможно, не обойдёт закрытые модели по каждому бенчмарку, но ставка на одного вендора против объединённой открытой экосистемы выглядит проигрышной.
Поэтому возможный запрет китайских open-weight моделей, который обсуждает администрация Трампа, Лейберт называет автоголом. Китайские модели уже занимают 41% загрузок на Hugging Face за год. Если лучшие фундаментальные модели пойдут из Китая, инновации накопятся вокруг них, как это случилось с Kubernetes. Широкий запрет отрежет американских разработчиков от этой экосистемы, в то время как весь остальной мир продолжит строить на ней.
Вместо запретов США стоит конкурировать внутри открытой экосистемы. Для этого американские лаборатории должны выпускать фронтирные open-weight модели под разрешительными лицензиями: NVIDIA уже дала Nemotron, Thinking Machines — Inkling под Apache 2.0, OpenAI — gpt-oss, Google — Gemma 4, но сильнейшие модели остаются закрытыми. Государственные закупки должны стимулировать переносимые системы вместо привязки к одному API-вендору, как это делала Platform One в Минобороны. Параллельно стартапы, гиперскейлеры и производители железа должны строить весь остальной стек. Безопасность же стоит обеспечивать не бланкетным запретом, а независимым тестированием и стандартами для фронтирных моделей — идею такого органа продвигает Демис Хассабис. Строить стену вокруг своих разработчиков в тот момент, когда мир переходит на открытый стек, значит добровольно сдать лидерство.