la mia opinione contraria è che l'idea che "i modelli siano merci, basta scambiarli" sia una visione terminalmente ingenua, sostenuta quasi esclusivamente da persone qui che non hanno mai effettivamente lanciato prodotti basati su LLM in modo approfondito. Queste persone sono di solito solo pontificatori. La mia opinione personale è che il vantaggio competitivo esista e sia il risultato accumulato... che sono cose come librerie di prompt, gestione dei casi limite, intuizioni istituzionali sui modi di fallimento e calibrazione della fiducia incorporata. E i costi di switching si accumulano in modo non lineare con la profondità dell'integrazione. Un consumatore API a livello superficiale è forse banale. Ma per cose profondamente integrate come la logica di targeting, i pipeline di comunicazione, i flussi di lavoro classificati, ecc., il costo di switching è fondamentalmente un intero ciclo di ingegnerizzazione mascherato da una decisione del fornitore. La situazione di dow/anthropic è interessante perché le organizzazioni militari probabilmente hanno la versione più estrema di questo problema. Non possono semplicemente testare a caso in produzione, e ogni caso limite comportamentale deve essere ri-validato in modi che sono lenti, costosi e richiedono competenze specializzate che non si trasferiscono necessariamente tra le famiglie di modelli. Ne sono ben consapevole perché la nostra startup ha la capacità di passare a qualsiasi modello, ma è una rottura di scatole perché tutto o si rompe o diventa strano.