Журі все ще не в курсі, чи є модель R1 Open-Source китайського стартапу, безпечна для американських компаній-чи це так дешево чи так точно, як і спочатку. Однак Вандерхук та інші не думають, що зможуть отримати користь від своїх інновацій, якщо вони зможуть незабаром повторити власні моделі AI завдяки технології відкритого коду, не покладаючись на такі моделі, як Gemini, Meta's Llama або OpenAi's Моделі GPT.

“У своєму розумі ви знаєте, що Google в рекламному бізнесі, як і мета”, – сказав Вандербук. “Це все -таки їхні LLM, впевнені, що є кілька білих паперів, але ви не знаєте зважувань, не знаєте даних. Крім того, це всі моделі, що відповідають одному розміру “.”

Viant, який має власну пропозицію Adtech, що працює на AI, який називається Viant AI, вже думає про різні способи не просто інновацій, використовуючи такі моделі з відкритим кодом, як R1. Однак демократизація ЛЛМ також переосмислює його крок. Якщо кожен може зробити власну модель AI, це поставить якість даних та прозорість більше спереду та в центрі.

Моделі з відкритим вагою все ще вимагають від користувачів довіряти, що їхні цілі узгоджуються з даними моделі AI,-сказав Джейсен Гіллеспі, керівник відділу аналітики та науки про дані в RTB House. Однак вони відзначили, що моделі відкритої ваги все ще пропонують приріст конфіденційності даних для користувачів, працюючи на локальному обладнанні, щоб зменшити витік даних. Хоча моделі з відкритим вагою не видаляють стіни саду, такі як захищені інвентар та аудиторія, вони можуть допомогти рекламувати технологічних гравців іншими способами.

“Open Internet Ad Tech служить ціновою обмеженням для саду, що стягується, що може стягувати маркетологів лише стільки, скільки наступна найкраща альтернатива”, – сказав Гіллзпі. «Технологія завжди присягається« добром. Швидкий. Дешево. Виберіть будь -яку дві 'мантру. Китайці просто підірвали це на шматочки? “

Проблема з AD Tech часто робить багато в дуже мало часу і за дуже мало грошей, – сказав індекс обмін CTO Ray Ghanbari. Один із способів він бачить, як інновації DeepSeek допомагають через її модельну дистиляцію, що робить LLMS дешевшим робити, швидше запускати та простіше налаштувати конкретні області знань, такі як AD Tech.

Оскільки програмні оголошення потребують надзвичайної швидкості для обробки масового обсягу транзакцій, дистильовані моделі можуть бути простішими для розгортання на платформах AD Tech. Це може допомогти покращити категоризацію контенту та націлювання на рекламу поза тим, що можливо сьогодні. Ghanbari уподібнив R1 з моментом iPhone, допомагаючи людям переосмислити, як галузь вважає навчання моделей AI для AD Tech.

“Дуже багато переваг, які може забезпечити LLM, були трохи над горизонтом”, – сказав Ганбарі. “І я дуже пильно чекав прориву, як DeepSeek, тому що він говорить нам, що горизонт наближається набагато ближче, ніж здається”.

Ghanbari-це лише один із багатьох виконавців рекламних технологій, які схвильовані щодо того, як моделі AI з відкритим кодом можуть покращити контекстуальний аналіз. Ще одна компанія, Chalice AI, використовує як LLMS, і LLM з відкритим кодом для розробки власної версії існуючих моделей.

Тайлінн Петтрей, віце-президент з наукових даних у Chalice AI, заявив, що компанія вивчає способи прискорити, як оптимізувати LLM для покращення аналізу рівня сторінки за допомогою більш детальних та свіжих даних. Вона згадала, що один партнер Chalice працює Is Sincera, який нещодавно був придбаний торговим столом. Chalice отримала фінансування від підприємницької групи торгового столу в 2021 році.

“Багато цієї інформації потрібно швидко оновити, оскільки статті змінюються, змінюють вміст сторінки”, – сказав Петтрей. “І якщо ви робите це раз на тиждень або раз на місяць, багато цієї інформації є несвіжим. Тож, що може бути безпечним сайтом минулого тижня, раптом має політично заряджену статтю новин, яку бренд більше не вважатиме безпечним ».

Інші стартапи AD Tech, такі як OpenADS.AI, також провели минулий тиждень на тестування моделі R1. Стівен Лісс, співзасновник OpenADS.AI, заявив, що перевіряє способи використання DeepSeek для створення та вибору даних про навчання для покращення швидкості для орієнтації на рекламу та створення реклами. LISS також вважає, що AI незабаром стане досить дешевим, щоб включити аналіз на рівні URL-адреси-навіть якщо моделі міркувань, такі як R1, на даний момент все ще занадто повільні. (Запущений запуску R1 на приватних кінцевих точках за допомогою американських хмарних постачальників.)

“Наш перший продукт-генеративні оголошення в режимі реального часу в чаті та пошуку AI-було можливим лише раз, коли витрати на виходи впали нижче CPM”,-сказав Лісс. «Наступний стрибок ефективності моделі дозволяє нам масштабувати генеративні оголошення до всієї програмної екосистеми. Llms в [real-time bidding] Зараз звучить божевільно, але ми туди потрапимо ».