Modeli open-weight proti vodilnim modelom: razlika se je zaprla
Model open-weight je model, katerega uteži lahko prenesete in poganjate, kjer želite — na lastnem strežniku, pod lastnim pravilnikom, brez števca žetonov in brez ponudnika, ki bi vam lahko model zamenjal pod nogami. Pred dvema letoma je ta izbira pomenila sprejeti precej šibkejši model. Trenutne javne številke pravijo, da ni več tako.
Številke, z datumom
LiveBench je javno, nenehno osveževano primerjalno merilo, ki modele ocenjuje v sklepanju, programiranju, agentnem programiranju, matematiki, analizi podatkov, jeziku in sledenju navodilom. V izdaji iz junija 2026 — 66 modelov, pridobljeno 3. 10. 2026 — so najboljši modeli open-weight v vodilni skupini, v eni kategoriji pa so neposredno na vrhu:
LiveBench, izdaja 25. 6. 2026 · livebench.ai · 66 modelov · pridobljeno 3. 10. 2026
DeepSeek V4.1 Flash (open-weight, izdan 10. 9. 2026) doseže 77,27 v agentnem programiranju, pred najboljšim lastniškim modelom, Claude Opus 5.5 max, z 71,72.
Isti model ima v vseh sedmih kategorijah povprečje 81,11 — pred GPT-5.6 Sol max (81,05), GPT-5.5 xhigh (80,19) in Claude Opus 5 max (80,08). Skupni vodilni, Claude Fable 5.1 max z 83,41, je oddaljen približno 2,3 točke.
Za DeepSeek V4.1 Flash: smaug-agentic je na 13. mestu (79,51), Kimi K3 na 15. (79,19), Qwen 3.8 Max na 17. (78,46), DeepSeek V4 Pro na 23. (77,44) in smaug-flash na 24. (77,44).
Najboljša uvrstitev modela open-weight po kategorijah
Kje se najmočnejši model open-weight uvršča v vsaki kategoriji LiveBench, med 66 modeli (isti posnetek stanja):
| Kategorija | Najboljša uvrstitev open-weight |
|---|---|
| Agentno programiranje | 1. mesto |
| Sledenje navodilom | 5. mesto |
| Sklepanje | 9. mesto |
| Analiza podatkov | 9. mesto |
| Programiranje | 10. mesto |
| Jezik | 11. mesto |
| Matematika | 16. mesto |
Opomba o metodi: skupni rezultat je povprečje sedmih povprečij kategorij, izračunano iz datoteke, ki jo objavlja LiveBench; od prikaza na samem spletnem mestu se lahko razlikuje za nekaj decimalk. Primerjalna merila merijo primerjalne naloge — med diagnostiko UI primerjavo ponovimo na vaših delovnih obremenitvah, preden karkoli priporočimo.
Kaj modeli open-weight spremenijo za podjetje
Stroški in uporaba
Model, ki ga poganjate sami, nima števca žetonov in ne licence na uporabnika: skoraj neomejena uporaba za ceno stroja. Pri zahtevnih vsakodnevnih delovnih obremenitvah je to delček cen API vodilnih modelov.
Zaupnost po zasnovi
Uteži tečejo tam, kjer živijo vaši podatki. Občutljiva zahteva, na katero odgovori lokalni model open-weight, nikoli ne prestopi vaše meje — ničesar ni treba prikriti in ni pravilnika o hrambi, ki bi mu morali zaupati.
Brez vezanosti
Noben ponudnik ne more čez noč dvigniti cene modela, ga umakniti ali spremeniti njegovega vedenja. BrainOutput je neodvisen od modelov: ko se pojavi močnejši model open-weight, ga preizkusimo s primerjalnimi merili in preklopimo vzdevek — vaši poteki dela se ne spremenijo.
Kje vodilni modeli še vedno vodijo — in kako usmerjamo
Pošteno: vodilni modeli so skupno še vedno spredaj. Najboljši lastniški model v izdaji LiveBench iz junija 2026 vodi za približno 2,3 točke pred najboljšim modelom open-weight, lastniški modeli pa so na vrhu šestih od sedmih kategorij.
Zato BrainOutput usmerja po nalogah, namesto da bi stavil na en model. Občutljivo delo gre k modelu open-weight na vaši strojni opremi ali v zasebnem oblaku — pika. Neobčutljivo delo lahko gre k API vodilnega modela, kadar je ta resnično močnejši, vendar le, če to dovoljuje vaš pravilnik. Open-weight je privzeta izbira; vodilni model je možnost, ki jo vklopite.
Pogosta vprašanja
Kaj je model open-weight?
Model, katerega naučene uteži so objavljene, tako da ga lahko kdor koli prenese in poganja na lastni infrastrukturi. Odgovorov ne najemate prek API — model imate v rokah sami.
Ali so modeli open-weight res tako dobri kot vodilni modeli?
V izdaji LiveBench iz junija 2026 (pridobljeno 3. 10. 2026): v agentnem programiranju da — najboljši model open-weight je na 1. mestu od 66. Skupno je najboljši model open-weight na 9. mestu od 66, približno 2,3 točke za vodilnim in pred vodilnimi modeli, izdanimi nekaj mesecev prej. »Se kosa ali prekaša« rečemo le tam, kjer to kažejo datirane številke.
Ali je »open-weight« isto kot »odprta koda«?
Ne povsem: open-weight pomeni, da je uteži mogoče prenesti in poganjati kjer koli; licenčni pogoji se od modela do modela razlikujejo. Kar operativno šteje, je v obeh primerih enako — model lahko teče na infrastrukturi, ki jo nadzirate, brez števca uporabe.
Ali lahko te modele poganjamo na lastni strojni opremi?
Da — prav to je smisel naše ponudbe strojne opreme in zasebne inference. Kateri model ustreza kateremu stroju, je odvisno od velikosti modela in števila sočasnih uporabnikov; to dimenzioniramo med diagnostiko UI, namesto da bi objavljali trditve, ki jih nismo izmerili.
Kako sveže so te številke?
Izhajajo iz izdaje LiveBench iz junija 2026, pridobljene 3. 10. 2026; področje se spreminja vsak mesec in razvrstitev se bo spremenila. Ob diagnostiki jih ponovno preverimo, naše strani o modelih pa spremljajo nove izdaje, ko vstopijo v primerjalno merilo.
Ugotovite, kaj zmorejo modeli open-weight na vaših delovnih obremenitvah
Diagnostika UI popiše vaše procese, razvrsti, kaj je občutljivo, in trenutne modele open-weight preizkusi na vaših resničnih nalogah — datirane številke, tokrat vaše.
Viri
- LiveBench — izdaja iz junija 2026 (livebench.ai) — dostopano 2026-10-03