Почему стартапы начинают строить свои исследовательские-лаборатории
Экономика современных ИИ-продуктов заставляет переосмысливать подход к разработке. Пока продукт маленький, API выглядит удобно и выгодно. Но как только появляются частые вызовы и реальный трафик, расходы на API быстро растут. Чем успешнее продукт, тем дороже становится использование.
При этом качественно дообученные открытые модели уже могут превосходить закрытые фронтир-модели в узких задачах.
Поэтому конкуренция постепенно смещается от UI, маркетинга и продаж к созданию собственного интеллекта: своих данных, своих систем оценки и своих дообученных моделей.
Хороший пример - Harvey. Они активно используют всю доступную экосистему: работают с Fireworks, Baseten, Applied Compute и другими, берут сильные открытые модели и дообучают их под юридические задачи. Создают собственные бенчмарки, а синтетические данные генерируют вместе с юристами (те буквально вайб-кодят датасеты).
В результате при гораздо меньшем бюджете, ограниченном доступе к талантам и compute можно добиваться результатов уровня фронтир в своей вертикали.
