# Чому Meta знову ставить на відкриті моделі й аукціон обчислень > Meta повертається до відкритих Llama-моделей, щоб випередити китайські open-source LLM, і планує продавати надлишкові обчислення через аукціон. - Опубліковано: 10 серпня 2026 р. (2026-08-10T14:19:49.934151+00:00) - Розділ: AI-інструменти - На основі публікації: [The Decoder](https://the-decoder.com/meta-returns-to-open-models-with-zuckerbergs-plan-to-out-copy-china-and-sell-compute-by-auction/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-meta-%D0%B7%D0%BD%D0%BE%D0%B2%D1%83-%D1%81%D1%82%D0%B0%D0%B2%D0%B8%D1%82%D1%8C-%D0%BD%D0%B0-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D1%82%D1%96-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%96-%D0%B9-%D0%B0%D1%83%D0%BA%D1%86%D1%96%D0%BE%D0%BD-%D0%BE%D0%B1%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D1%8C --- Meta знову перетворює Llama на прапор своєї AI-стратегії: компанія Марка Цукерберга готується посилити випуск відкритих моделей, щоб наздогнати й випередити китайські open-source-лабораторії, а паралельно — монетизувати надлишкові обчислювальні потужності через аукціонний механізм продажу ресурсів стороннім клієнтам. Ще навесні 2025 року Meta декларувала протилежний курс: після створення Meta Superintelligence Labs під керівництвом Александра Вана компанія натякала, що наступна флагманська модель Behemoth може вийти закритою — надто гострою стала конкуренція з OpenAI, Google та Anthropic. Реліз затримали, а спільнота розробників, що звикла до вільних ваг Llama 2 і Llama 3, почала шукати альтернативи. Тепер вектор розвертається назад. [За даними The Decoder](https://the-decoder.com/meta-returns-to-open-models-with-zuckerbergs-plan-to-out-copy-china-and-sell-compute-by-auction/), Цукерберг бачить у відкритих моделях не поступку, а зброю проти китайських лабораторій, які за останній рік перетворили open-weight сегмент на власну територію. ## Що саме змінилося у стратегії Meta? Компанія повертається до регулярного випуску відкритих ваг замість одноразового флагмана раз на рік. Замість ставки виключно на закриту Behemoth-модель для внутрішнього використання в Meta AI, лабораторія планує паралельно постачати серію відкритих моделей різного розміру — від легких, придатних для запуску на одному GPU, до великих reasoning-систем, порівнянних за класом із флагманами конкурентів. - Регулярніший цикл релізів — відкриті моделі виходять частіше, а не раз на рік разом із головним анонсом. - Ширший діапазон розмірів — від компактних моделей для edge-девайсів до великих reasoning-систем. - Перегляд ліцензійних обмежень Llama, які раніше блокували частину комерційних кейсів для великих компаній. ## Чому Китай став головним тригером для розвороту? Причина — не абстрактна конкуренція, а конкретні цифри завантажень і згадок серед розробників. DeepSeek випустила модель R1 у січні 2025 року й за кілька тижнів обійшла Llama за кількістю форків і згадок у спільнотах відкритого коду. Слідом Alibaba закріпила лінійку Qwen, Moonshot AI випустила Kimi K2, а Zhipu — GLM: усі троє стали дефолтним вибором для fine-tuning і self-hosting там, де раніше беззастережно брали Llama. Для Meta це болючий удар, бо компанія роками будувала бренд саме на образі «найкращої відкритої альтернативи» закритим API OpenAI й Anthropic. Формулювання «out-copy China» означає не наздогнати, а свідомо випередити темп і якість релізів китайських лабораторій. ## Що означає продаж обчислень через аукціон? Другий елемент плану стосується не моделей, а заліза. Протягом 2025 року Meta підняла прогноз капітальних витрат на дата-центри до 66–72 мільярдів доларів, будуючи гігаватні кластери на кшталт Hyperion у Луїзіані та Prometheus у Огайо. Частина цих потужностей тепер може здаватися стороннім компаніям не за фіксованим тарифом хмарного провайдера, а через аукціон, де попит визначає ціну — подібно до spot-інстансів AWS чи Google Cloud, тільки на масштабі, розрахованому під тренування власних frontier-моделей. Для команд, яким постійно бракує квоти на H100 і H200 у великих хмар, це потенційно новий канал доступу до обчислень, хоча й з менш передбачуваною ціною у пікові періоди. ## Що з цього варто взяти AI-білдерам? На перший погляд це два окремих рішення, але для практиків важливо бачити їх як одну політику: Meta одночасно демпінгує на ринку відкритих ваг і на ринку доступу до обчислень. Жодна інша frontier-лабораторія поки не грає одразу на двох фронтах — OpenAI й Anthropic тримають моделі закритими, а Google і Microsoft продають compute за фіксованими тарифами хмари. Якщо Meta доведе аукціонну модель до продакшн-рівня, у команд, яким постійно не вистачає квоти на потужні GPU у великих хмарних провайдерів, з'явиться третій канал доступу до обчислень — потенційно дешевший у періоди низького попиту. **Наша теза в AiiN проста: наступні півроку варто оцінювати Llama не як окремий продукт, а як приманку до інфраструктурного бізнесу Meta**, де реальні гроші компанія планує заробляти на оренді заліза, а не на самих моделях. ## Чи буде нова Llama повністю відкритою за ліцензією? The Decoder не деталізує точні умови ліцензії. Історично ліцензія Llama містила обмеження для компаній з понад 700 мільйонами активних користувачів на місяць — якщо Meta хоче реально конкурувати з пермісивнішими ліцензіями Qwen і DeepSeek, цю умову доведеться пом'якшити. ## Що таке аукціон обчислень на практиці? Ідеться про маркетплейс, де сторонні компанії роблять ставки на доступ до GPU-кластерів Meta замість фіксованої оренди за прайс-листом хмари. Ціна змінюється залежно від поточного завантаження дата-центрів, тому вартість тренування чи інференсу може коливатися суттєвіше, ніж у reserved-інстансів AWS чи Azure. ## Чи означає це кінець ставки Meta на закриті frontier-моделі? Ні, швидше паралельний трек. Meta Superintelligence Labs, найімовірніше, продовжить розробляти закриті reasoning-моделі для внутрішніх продуктів Meta AI, тоді як окрема команда відповідатиме за публічні відкриті ваги — за схемою, подібною до Google, де Gemini лишається закритим, а лінійка Gemma виходить відкрито. --- Теги: Meta, AI, Llama, OpenSource, Китай Джерело: AiiN — https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-meta-%D0%B7%D0%BD%D0%BE%D0%B2%D1%83-%D1%81%D1%82%D0%B0%D0%B2%D0%B8%D1%82%D1%8C-%D0%BD%D0%B0-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D1%82%D1%96-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%96-%D0%B9-%D0%B0%D1%83%D0%BA%D1%86%D1%96%D0%BE%D0%BD-%D0%BE%D0%B1%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D1%8C. Цитуючи, посилайтесь на канонічний URL.