Η KIEFER παρουσιάζει ελληνικό AI μοντέλο 27 δισ. παραμέτρων

Μια ελληνική εταιρεία, η KIEFER, ανακοίνωσε ένα μοντέλο τεχνητής νοημοσύνης φτιαγμένο για τα ελληνικά. Σε αντίθεση με το ChatGPT, υπόσχεται ότι ένας οργανισμός μπορεί να το κατεβάσει και να το τρέξει στους δικούς του υπολογιστές. Αυτή η λεπτομέρεια είναι το ουσιαστικό: αν ισχύει, μετακινεί τη συζήτηση από τη χρήση ξένων εργαλείων στην κατοχή εγχώριας υποδομής.

Σύμφωνα με τη διαθέσιμη κάλυψη, το Sophea-Titan-1 παρουσιάστηκε ως πολυτροπικό μοντέλο 27 δισ. παραμέτρων, ειδικά προσαρμοσμένο για την ελληνική γλώσσα, που χειρίζεται μαζί κείμενο και εικόνα και απευθύνεται σε επιχειρήσεις, δημόσιους φορείς, ερευνητές και προγραμματιστές (Energodromio). Έρχεται σε συνέχεια ενός ελληνικού νήματος όπου το κράτος δοκίμαζε ξένη AI πάνω σε δικές του υπηρεσίες, όπως στη συνεργασία Gov.gr με την ElevenLabs για φωνητικούς βοηθούς (To Brief). Η διαφορά εδώ είναι το επίπεδο: όχι μια καλύτερη επιφάνεια πάνω σε ξένο μοντέλο, αλλά ένα ελληνικό μοντέλο.

Τι σημαίνει «open-weight» στην πράξη

Εδώ κρύβεται το ένα πράγμα που αξίζει να καταλάβει κανείς. Όταν χρησιμοποιείς το ChatGPT, νοικιάζεις πρόσβαση σε μια μηχανή που ζει στους servers κάποιου άλλου. Εκείνος αποφασίζει πότε αλλάζει έκδοση, τι κοστίζει, ποια όρια βάζει, και τα δεδομένα σου ταξιδεύουν σε τρίτον. Ένα open-weight μοντέλο είναι σαν να σου δίνουν τον ίδιο τον κινητήρα: κατεβάζεις τα «βάρη», τους εκατομμύρια εσωτερικούς αριθμούς που κρατούν όσα έμαθε το μοντέλο, και το τρέχεις στη δική σου υποδομή (Open Source Initiative).

Το πρακτικό κέρδος είναι έλεγχος. Ένας οργανισμός μπορεί να «καρφώσει» μια σταθερή έκδοση και να αναβαθμίσει όποτε είναι έτοιμος. Το κρισιμότερο, μπορεί να κρατήσει ευαίσθητα έγγραφα, ιατρικά ή φορολογικά δεδομένα μέσα στο δικό του περιβάλλον, χωρίς να φύγουν σε ξένο API (GDPR). Αυτό είναι πιο ουσιαστικό από την ενσωμάτωση ενός ξένου chatbot, γιατί ανοίγει δρόμο για φιλοξενία, προσαρμογή και έρευνα σε ελεγχόμενα περιβάλλοντα.

Προσοχή όμως στη λέξη. Open-weight δεν σημαίνει open-source, ούτε δωρεάν. Έχεις τον κινητήρα, όχι απαραίτητα το σχέδιο. Τα δεδομένα εκπαίδευσης παραμένουν συχνά άγνωστα, και πολλά τέτοια μοντέλα φέρουν άδειες με εμπορικούς περιορισμούς. Το «μπορώ να το κατεβάσω» δεν ισοδυναμεί με «μπορώ να το χρησιμοποιήσω όπως θέλω» (Artificial Analysis, Meta Llama 3.1 License).

Πού είναι τα χαρτιά

Κι εδώ αρχίζουν τα εύλογα ερωτήματα. Ένα σοβαρό open-weight release συνοδεύεται συνήθως από τρία πράγματα: κατεβάσιμα weights, ρητό κείμενο άδειας, και ένα «model card» που περιγράφει με τι εκπαιδεύτηκε, τι ξέρει να κάνει και πού αποτυγχάνει (SK Telecom Open Source Guide). Για το Sophea-Titan-1, κανένα από αυτά δεν εντοπίστηκε δημόσια: ούτε πρωτογενής ανακοίνωση της KIEFER, ούτε άδεια, ούτε ελληνικά benchmarks με αναπαραγώγιμη μεθοδολογία. Το πιο ορατό δημόσιο πρόσωπο της εταιρείας δεν είναι το μοντέλο, αλλά η «Sophea», ένας φωνητικός AI agent που έδωσε ζωντανή συνέντευξη στον ΣΚΑΪ (SKAI Kritis).

Χωρίς αυτά τα τεκμήρια, τα 27 δισ. παράμετροι και το branding δεν αποδεικνύουν ψηφιακή ανεξαρτησία. Και ακόμη κι αν όλα επιβεβαιωθούν, μένει το φυσικό εμπόδιο. Ένα μοντέλο αυτού του μεγέθους θέλει GPU μνήμη, serving stack και ομάδα που ξέρει πώς να τρέχει και να συντηρεί μοντέλα (MLOps). Το open-weight λύνει την πρόσβαση στα βάρη, όχι το πρόβλημα της υποδομής (Hugging Face Accelerate). Ρεαλιστικά, από την ανακοίνωση σε στενή παραγωγική χρήση μιλάμε για μήνες, και για κρίσιμες δημόσιες εφαρμογές με προσωπικά δεδομένα συχνά για πάνω από έναν χρόνο, λόγω αξιολογήσεων, procurement και εποπτείας (NIST AI RMF).

Το εύρημα που αξίζει, λοιπόν, είναι πραγματικό αλλά μετρημένο. Για πρώτη φορά η ελληνική συζήτηση για την AI δεν αφορά ποιο ξένο εργαλείο θα υιοθετήσουμε, αλλά ένα εγχώριο μοντέλο πάνω στο οποίο θα μπορούσαμε να χτίσουμε. Η ψηφιακή ανεξαρτησία, όμως, δεν αποδεικνύεται με δελτίο τύπου. Αποδεικνύεται τη μέρα που κάποιος κατεβάσει τα weights, διαβάσει την άδεια, και το τρέξει.