Der leverandørene av lukkede modeller lover enkel tilgang til frontier-KI, ser Mistral-grunnlegger Arthur Mensch en motytelse du kanskje ikke har regnet med. I et innlegg på LinkedIn hevder han at selskapene bak lukkede modeller lagrer stadig mer data og dermed får et vindu inn i kundenes forretningsprosesser.
«Noen KI-laber har en historikk med å gå etter sine mest suksessrike kunder takket være denne informasjonen.» — Arthur Mensch, grunnlegger av Mistral
Mensch står ikke alene. Palantir-sjef Alex Karp har kommet med lignende oppfordringer, og Palantir har publisert et eget manifest for sikker KI i bedrifter.
«Å kontrollere vektene dine er å kontrollere skjebnen din», heter det i Palantirs manifest for sikker KI.
Vektene er destillert, oppsamlet institusjonell kunnskap, ifølge manifestet, og lar du andre kontrollere dem, flytter du forspranget i virksomheten din over til deres.
Argumentet har et konkret datapunkt bak seg. Hedgefondet Bridgewater og Thinking Machines Lab, startupen til tidligere OpenAI-teknologisjef Mira Murati, finjusterte den åpne modellen Qwen3-235B på egne investorvurderinger. Etter deres egen måling traff den finjusterte modellen 84,7 prosent nøyaktighet på finansdokumenter, mot 78,2 prosent for den beste frontier-modellen, og til nesten 14 ganger lavere driftskostnad.
Men Mensch selger sin egen bok. Mistral er det eneste EU-selskapet med relevante KI-modeller, og forretningsmodellen lener seg tungt på europeisk suverenitet. Store generalist-modeller har gjentatte ganger slått spesialiserte modeller på spesialiserte benchmarker så lenge domenekunnskapen fantes i treningsdataene. Benchmarken over var heller ingen uavhengig test: både Bridgewater og Thinking Machines tjener på å selge produktene sine, og Anthropic eller OpenAI kunne kjøpt eller generert tilsvarende data selv.
For deg som bygger er ikke poenget hvem som har rett, men at regnestykket har endret seg. Å finjustere åpne vekter på egne data er ikke lenger et rent kvalitetskompromiss i smale domener, og for norske selskaper med sensitive data i regulerte bransjer veier kontroll over hvor dataene og vektene bor tyngre enn en benchmark-toppscore alene.