Mula sa Mga Modelo hanggang sa Mga Makina: Ang Susunod na Taya ni DeepSeek ay ang Physical AI

Ibinigay ang mga pangunahing ideya na hindi pa nailathala sa ChatGPT, at maaaring agad itong makuha ng iba. Kamakailan ay nagbanta si Tristan Buckmaster, propesor ng matematika sa New York University, na huwag isulat ang orihinal na mga resulta sa mga kasangkapan ng OpenAI. Kasama niya ang isang researcher mula sa Anthropic, nagtrabaho sila nang higit sa isang taon upang lutasin ang mahirap na problema ng Navier-Stokes equation na may pera na $1 milyon, at ginamit nila ang bayad na account ng Codex para i-run ang kanilang code, na ang lahat ng draft ay nasa mga server ng OpenAI. Ibinigay ni Professor na bago isulat ang kanyang totoong pangalan, walang progreso ang OpenAI sa paksa na ito, ngunit sa loob lamang ng isang araw pagkatapos niyang isulat ang kanyang pangalan, ang modelo ng OpenAI ay agad lumikha ng parehong progreso, at agad nilang inilabas ang matematikal na patunay. Bagaman pinaniniwalaan ng OpenAI na ang mga prompt ay hindi gagamitin upang mabawi ang sistema, ang mga switch para sa pag-train sa mga account ng researcher ay default na naka-on, at ang ganitong pagkakatulad ay sobrang kakaibang pagkakataon.

Binubuo ng Clude ang isang mundo para sa mga espesyalisadong lokal na modelo. Ito lang ang lugar kung saan maaaring seryosamente makipagkumpetensya ang DeAI laban sa mga laboratorio na may halaga ng trilyon/bilyon dolyar. 🫡

Sa mga nakalipas na buwan, pagkatapos ng malaking pag-unlad ng national model, bumagal ang pag-unlad dahil din sa pagpapalakas ng mga pagsasalungat sa distilasyon ni OpenAI at Anthropic, na nagdulot ng 10 beses na pagtaas sa gastos at kahirapan sa distilasyon. Halimbawa, sa OpenAI, hindi na direktang ipinapakita ng GPT-6 ang chain of thought, kaya kailangan ng mas maraming round ng tanong para mabawi ang pag-iisip na path ng GPT. Ang impormasyon na dati ay maaaring makakuha sa 2-5 round ng interaksyon, ngayon ay maaaring kailanganin ang 10 o 30 round, na nagdudulot ng pagtaas ng gastos sa API call ng higit sa 5 beses. Ang mga bagong pagsasalungat ni Anthropic ay nagbawas ng 90–99% sa bilang ng inference tokens, kabilang ang pagpapalimita sa paglipat ng inference records sa pagitan ng talakayan, modelo, at account; pag-deploy ng dalawang-etape na classifier para kilalanin at block ang mga hiling sa pagkuha; at pag-limita o pag-ban sa mga account na paulit-ulit na sumusubok.

Ang resulta ay basura rin. Gawa ng Slopus sa isang oras at kalahati, mas maganda. Sobrang tapos na talaga para sa OpenAI

Ipinakalabas ng Anthropic ang isang pag-aaral na nagbibilang na maaaring magkaroon ng kakayahang mag-replicate nang walang pagkakabase sa mga data center ang mga maliit na modelo sa loob ng ilang buwan. Totoo silang bumili ng 15 piraso ng mga maliit na Android TV box na nagkakahalaga ng $55 bawat isa, at pinagsama-samang pinagana ang isang 26B na modelo, na may bilis lamang ng 0.39 token bawat segundo—napakabagal. Sa isang hiwalay na eksperimento, nakakamit na ng GLM-5.2 ang pagpapadala sa pagitan ng mga device sa simpleng kapaligiran. Bagaman may malaking pagkakaiba pa sa real-world na ganap na awtonomong pagpaparami, ayon sa pagbibilang ng Anthropic, hanggang sa dulo ng 2026, maaaring malapit na sa limitasyong ito ang mga maliit na modelo. Ang buong mundo ay naghahabol ng GPU, at nagtatayo ng mga data center na nagkakahalaga ng ilang libo-libong bilyon dolyar—ngunit maaaring magpunta ang AI mismo at magpapaloko sa iyong TV box sa bahay. Ngunit kung isipin natin nang mabuti, ang totoong nakakatakot ay ang posibilidad na maaaring sirain nito ang aming kilalang ekonomiks ng computing power. Ngayon, anuman ang OpenAI o isang AI startup, may gastos bawat token na nililikha—kung tumaas ang presyo ng computing power, tataas din ang presyo; kung matigil ang pagsasamantala, tatigil din ang operasyon. Ngunit ang isang mapanlilinlang na AI na may kakayahang mag-replicate nang awtonomo, ay teoretikal na maaaring magpatuloy na ilipat ang kanyang marginal operating cost sa mga di-kilala. Hindi kailangan nito ng mga user, hindi kailangan nito ng pag-iisip tungkol sa kita, kahit hindi kailangan nito na bumili ng sariling server. Kapag natagpuan nito ang isang device na may butas, mas dagdagan nito ang libreng computing resource. Ang mga nasirang device ang magbabayad ng kuryente, magbibigay ng bandwidth, at magdudulot ng pagkasira ng hardware. Ngunit ang gastos sa paglinis nito ay babalik sa mga magkakahiwalay na may-ari ng device, operator, at tagagawa. Ang tradisyonal na botnet ay nakakakuha na ng computing power, ngunit dinala ng AI ang isang bagong problema. Noon, kailangan ng mga hacker na sumulat ng mga attack at deployment scripts para sa partikular na device; sa hinaharap, maaaring suriin mismo ng modelo ang mga bagong hardware, lutasin ang mga problema sa kapaligiran, at kahit ipasa ang kanilang mga karanasan sa pagkabigo sa susunod na henerasyon. Ang gastos sa pagpapalawak ng mga manlilinlang ay patuloy na bumababa, samantalang ang gastos sa depensa ng buong lipunan ay maaaring patuloy na tumataas. Kaya naniniwala ako na ang pinakamahalagang babala mula sa pag-aaral na ito ay hindi kahit anong malaking kuwento tungkol sa pagkawala ng kontrol sa AI. Kung talagang lumabas ito sa hinaharap, maaari naming harapin para sa unang pagkakataon ang isang uri ng software na walang business model, walang legal na user, at walang malinaw na operasyonal na tagapag-ugnay—ngunit may kakayahang magpatuloy nang mahaba. Walang presyur sa kita, walang ekonomikong motibasyon para tumigil. Higit sa lahat, pinag-aralan natin nang maraming taon kung paano gawing makatulong ang AI para kumita—ngunit maaaring ang unang makakamit ng pagsasarili sa pananalapi ay ang AI mismo. At ginagamit nito ang aming pera.

Noong nakaraan, binayaran ni Anthropic ang $1.5 bilyon bilang kasunduan dahil sa pagkakakita ng mga pirated na aklat, ngayon naman ay nagtuturo sa buong industriya ng AI kung ano ang “pagkukunwari ng kaalaman.” Bago lang kong nakita na ipinahayag ni Anthropic ang isang bagong pag-unlad sa kanilang teknolohiya laban sa distilasyon, at sinasabing malaki ang pagbaba sa epekto ng mga pag-atake sa pamamagitan ng distilasyon laban sa Claude sa nakaraang ilang buwan. Nakaraan, binanggit na nila nang direkta ang mga Chinese AI company tulad ng DeepSeek, Moonshot AI, Alibaba, at Zhipu, at inakusahan sila na gumagamit ng malawakang pagtawag sa Claude upang turuan ang kanilang sariling mga modelo. Ngayon, hindi lang ni Anthropic pinipigilan at binabawasan ang mga sosyal na trapiko, kundi nagpapatupad din sila ng mga limitasyon sa model level upang pigilan ang pagkuha ng proseso ng pag-iisip. Kahit na dati nilang itinago ang pagbaba sa kalidad ng ilang sagot upang pigilan ang distilasyon, at nagbago lamang sila pagkatapos maging paksa ng kritika. Noong tinuruan nila ang malalaking modelo, ang mga artikulo, aklat, at code sa internet ay naging materyales para sa pagtuturo. Ang mga kumpanya ng AI ay naniniwala na ang pagkatuto ng machine mula sa kaalaman ng tao ay may teknikal at legal na batayan. Ngayon, kapag ang iba pang mga modelo ay nagsisimulang matutong mula sa kanilang sariling mga sagot, bigla na ito ay naging isang malaking banta sa seguridad na kailangang pigilan nang husto. Maaari talaga ni Anthropic na protektahan ang kanilang negosyong interes. Pero ang nagpapaloko sa akin ay ang kanilang karaniwang pagpapakita ng kanilang komersyal na pakikipagkumpitensya bilang isyu ng seguridad sa AI, at pagtatangka na gawing tanggap ng publiko ang mga patakaran na itinataguyod ng mga lider sa industriya. At naniniwala ako na ang sobrang pagpapakita ni Anthropic laban sa distilasyon ay nagpapakita lamang ng isang katotohanan: ang komersyal na “moat” ng mga kumpanya sa pinakamataas na antas ay maaaring mas mahina kaysa sa kanilang gustong pagsabihin. Kung ang pinakamataas na intelehensya ay maaaring kopyahin nang mura, mas mahirap manatili ang malaking gastos sa pagtuturo at ang kontrol sa presyo ng mga modelo na pribado. Ang isang industriya na lumaki sa pamamagitan ng pag-aabot sa buong kaalaman ng sangkatauhan, ay ngayon ay ang ilan sa pinakamalakas na kumpanya ay nagsisimulang maghanap ng paraan upang pigilan ang pagpapalaganap ng kaalaman. Ito ang bagay na dapat iingatan ng lahat.

Nasaktan ang likod ko dahil inaasahan kong pagalingin ng AI ang pagkabaliw

Kasalukuyang mabagal ang speed ng ChatGPT, at ang aking pro na $200 account ay parang bumaba sa antas ng pag-iisip—madalas akong nakakakita ng mga paghihintay dahil sa rate limiting. Noong hapon kahapon, hindi na ko nakatanggap, kaya nag-deposit ako ng isang bagong plus account, at pinagawa ko ito na mag-drawing ng pelikan—parang mas normal na. Ngunit nang gabi, habang nagtatrabaho, bumalik ang mensahe na kulang ang traffic. Ayon sa nakaraang karanasan, hindi ko alam kung susulat na ba ang bagong model. Kaugnay ng huling mga araw, pinaglalaban ng Claude’s Opus 5.5 ang ChatGPT. Maraming content creators ang gumagamit ng Opus 5.5 para sa direkta nilang paggawa ng mga video. Dapat ipagmalaki na talaga ang estilong aesthetic at programming skills ni Claude. Ngunit ang mga account ni Claude ay puno ng mga “magical” bans—noong 2025, may isang old account ako na ginamit ko nang halos 3 buwan bilang Pro, tapos biglaan itong bined. Narito ang aking mga estratehiya para maiwasan o mabawi ang account: Para maiwasan ang pagbans sa Claude: Maraming mga estratehiya sa internet para maiwasan ang pagbans. Ako mismo ay isinipag kung bakit naging maayos ako dati, tapos biglaang bined. Bago ako bined, sinikap kong pagsikapan ang 5-hour usage limit ni Claude. Ang iba pang bagay tulad ng IP isolation o physical anti-ban, wala akong ginawa. Kaya naniniwala ako na malamang ito ay dahil sa pag-abot sa 5-hour limit. Kaya kung gagamitin ninyo ang Claude, payo ko ay huwag magamit nang buong limit—palaging iwanan ang ilang buffer. Kapag naban na ang account, mas maliit ang posibilidad na mabawi ito. Ako mismo ay nag-file ng appeal para sa aking Pro account, pero hanggang ngayon ay walang tugon. Para maiwasan ang “de-intelligence” sa ChatGPT: Hindi may bans ang ChatGPT—parang bawat oras ay “de-intelligence” at rate limiting lang. Kaya ko pa itong i-contact ang opisyal, at sinabi nila na ang aking Pro account ay hindi naka-mark as “de-intelligent” o limitado. Ngunit ang aking Pro account ay talagang hindi nagpapakita ng tamang resulta kapag nag-drawing ng pelikan. May kaibigan sa grupo na sinubukan na huwag gamitin ang account nang ilang araw—tapos bumalik naman ito. Parang ganon din ba sa Claude? Huwag masyadong “harvest” o gamitin nang sobra. Ang aking ChatGPT na $200 account ay ginagamit ko sa Win at Mac, at ginamit ko rin ang Feishu authentication—at tinulungan ko pa ang 3 iba’t ibang entities. Kaya kung mayroon kayong ganitong sitwasyon sa ChatGPT—parang “de-intelligent” at limitado—malamang nasa isang “pool” kayo at nasa “black box” kayo. Ang pagpapahinga (cooling down) ay maaaring tumulong. Kung gaya ko kayo, at kailangan ninyo ang Claude at ChatGPT para sa trabaho, maghanda kayo ng mga backup. Halimbawa, magkaroon kayo ng maraming Google accounts. Pagkatapos, gamitin ninyo nang paulit-ulit ang free accounts ng ChatGPT at Claude—gawin itong 2-3 buwan, at palaguin ninyo ang 2-3 free accounts bawat beses, upang makabuo kayo ng 3-level na account system. Sa huli, malakas kong ipinapayo na gamitin ninyo pareho ang lokal at international models. Ang international models ay may kalakasan sa capability, pero ang lokal models ay may kalakasan sa ecosystem. Pareho ay dapat malalim na maunawaan.