留給開源模型的時間，就剩6個月？

### 留給開源模型的時間，就剩6個月？ 開源模型正面臨史上最嚴峻的生存考驗。根據外媒報導，白宮正在研擬一項行政命令，可能針對開源 AI 祭出限制，特別是針對中國公司開發的系統。高級研究員 Adam Thierer 指出，如果這屆政府最終對開源 AI 的使用表明立場，甚至限制聯邦機構使用某些開源工具，他並不會感到意外。據了解，相關討論仍處於早期階段，目前還不清楚這些討論是否會轉化為具體政策；然而，即便最終沒有成真，這些風聲也已經讓外界對特朗普政府混亂的 AI 治理方式產生更多質疑。即使相關措施真的落地，最可能直接影響的對象，一是來自中國的模型，二是政府部門對這些模型的使用。但第一塊骨牌倒下後，後續的連鎖效應恐怕難以控制。 目前，開源模型缺乏一個強而有力、利益高度集中的美國經濟代表，能夠向政策制定者清楚說明打壓開源模型可能帶來的代價。據報導，Reflection AI 的代表曾提議，應根據模型的能力，為開源模型提供框架豁免。當下，DeepSeek 等中國開源模型明顯領先於其他可用的開源模型，而 Reflection 尚未發布公開模型。曾在 Meta、DeepMind 和 Hugging Face 任職的機器學習研究員 Nathan Lambert 直言，無論採取哪一種形式的禁令，從 AI 的長期發展軌跡來看，都將是一個嚴重錯誤。他認為，最可能出現的政策，是禁止或無限期推遲任何能力明顯超過 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 水平的開放權重模型。按照開源模型與閉源模型之間持續縮小的能力差距，這種情況很可能在未來 6 個月內就會出現。 隨著 AI 應用逐漸成熟，越來越多企業正在轉向更輕量的模型。開源模型到底有沒有從矽谷前沿模型廠商那裡「虎口奪食」？AI 獨角獸企業 Decagon 就是典型的開源模型應用企業，目前約 90% 的工作負載都運行在開源模型上，而非 OpenAI 或 Anthropic 的模型。Decagon CEO Jesse Zhang 解釋，這並非出於成本考量，也不是客戶強制要求，真正的原因是企業幾乎沒有其他選擇。當你在生產環境中運行客服 AI 智能體時，延遲直接決定產品能不能用，每輪回覆都要等 8 秒的產品沒人會用。因此，你需要體積更小、速度更快的模型。然而，開箱即用的小模型達不到客戶要求的品質標準，只有針對特定任務進行大規模微調，它們才能滿足需求。問題在於，前沿模型實驗室基本不提供這種組合，企業無法微調它們最強的模型，而它們的小模型也不屬於企業，無法任由塑造。因此，「小模型加深度微調」本質上意味著必須使用開放權重模型，成本節省只是次要收益，對自託管模型更放心也只是附帶好處，並非根本原因。 Jesse 還給出了一個「反直覺」的結論：企業在昂貴前沿模型上的整體支出幾乎沒有下降，但開源模型的支出佔比卻在下降。雖然他並未提供太多數據支撐，但 TechCrunch 找到了一些相關數據。Vercel 的 AI Gateway 儀表板顯示，在一週的時間裡，DeepSeek 的 Token 處理量迅速升至第一，目前已經佔到 Vercel 基礎設施總 Token 流量的三分之一以上。推出熱門模型 GLM-5.2 的智譜，也在同期躍升至第四名。但如果繼續查看總體 Token 支出，就會發現 Anthropic 依然佔據該平台 AI 總支出的半數以上。由於近期變化中有相當一部分來自 Anthropic 自身價格上漲，其支出份額在過去一個月略有下降，但並不顯著。 OpenRouter 的數據也呈現類似趨勢。從整體使用量來看，DeepSeek V4 Flash 是目前最明顯的贏家，每週處理約 5.3 萬億 Token；最受歡迎的前沿模型 Opus 4.8，每週處理的 Token 數量則略高於 2 萬億。OpenRouter 並未按照模型總支出進行排名，但其數據顯示，Opus 4.8 的平均 Token 成本大約是 V4 Flash 的 23 倍，Opus 4.8 每百萬 Token 平均成本約 1.37 美元，而 V4 Flash 僅為 0.06 美元。按照這一價格差距推算，儘管 Opus 4.8 的 Token 使用量明顯低於 V4 Flash，但它很可能仍然佔據了平台大部分模型支出。這些數據還沒有包括最新入場的 Nvidia Nemotron，憑藉 Nvidia 強大的產業關係，這款模型有望迅速進入市場前列。 在 Jesse 看來，前沿模型和開源模型之間並不是競爭對手，開源模型的成功也並非建立在讓前沿模型實驗室失去市場的基礎上。它們更像是同一個生命週期中的兩個階段：企業先使用昂貴的前沿模型驗證某個應用場景是否成立，等到場景逐漸成熟，再將其遷移到成本更低的開源模型上。隨著越來越多成熟場景轉向輕量模型，新的應用場景也不斷湧現，因此企業在前沿模型上的總體投入並沒有明顯下降。他解釋，當一個應用場景剛剛出現時，企業會優先選擇能夠獲得的最聰明的通用模型，因為還不知道問題最終會呈現出什麼形態，會願意為一些未來可能根本用不上的智能能力支付溢價。但當應用場景充分成熟，企業已經了解輸入數據的分佈、模型需要表現出的行為，以及必須防範的失敗模式時，權衡就會逆轉，此時通用智能反而成了額外負擔。 一個幾乎不可避免的現實是，開源模型的能力正變得越來越強。Anthropic 的 CEO Dario Amodei 不久前曾攻擊過開源，認為在 AI 領域，開源是一個干擾項或偽命題。他表示，即使模型公開，也看不到它的內部運行機制，傳統開源軟體可以由社區共同修改、持續迭代的優勢，並不完全適用於大模型。因此，他看一款新模型時，從來不會先問它是否開源，只關心它夠不夠好，能不能在重要任務上擊敗他們。他強調，開源從來不等於免費，模型體量龐大，企業仍然需要花錢在雲端運行推理，也需要專業團隊進行部署和優化。與其糾結模型是否開源，不如關注誰的模型真正能夠把任務做到最好。 在 Lambert 看來，政府所謂「有權審查」的能力門檻會不斷變化，但一旦這種制度建立起來，開源模型獲得批准的速度，很可能會遠慢於閉源模型。閉源模型確實更容易實施安全控制，且閉源模型公司在遊說方面的能力也明顯更強。Lambert 將矛頭直接指向了 Anthropic，認為當前反對國內模型的行動主要由 Anthropic 推動，透過部落格文章、信件等方式詳細描述國內公司正在做什麼。他評價，這場行動最初或許源於真實的商業擔憂，但如今已經越來越像是在變相給自己建立市場壁壘。如果 Anthropic 所指控的模型公司被禁止，其產品就會獲得極大的收益保障。 Lambert 認為，Anthropic 實際上要求的，是在美國大範圍禁止幾乎所有中國開源模型。圍繞開源模型建立的產品，其商業邏輯都建立在模型持續進步之上，一旦這些模型被禁止，正在形成的開源模型經濟也會被摧毀，包括推理服務公司、微調公司、新產品以及整個產業鏈中的其他參與者。他認為，Anthropic 當然可以保護自己的知識產權，但不應該要求官方替它固化市場地位，更不應該因此讓美國與全球開源社區相互隔絕。目前，除了讓各家實驗室自行採取技術和商業措施進行約束，蒸餾問題並不存在好的政策解決方案。 「開源生態無法被阻止。」Lambert 表示，即便只有美國禁止引進某些模型，全球開源社區仍會繼續發展。真正能夠為開源發展設置上限的，只有一項關於如何管理 AI 模型風險的全球協議，而我們距離這種協議還非常遙遠。其他任何延遲措施，都只會讓 AI 的落地變得更不可預測、更混亂。要讓開源擺脫這場死亡螺旋，Lambert 指出有一條短期出口，那就是讓一家美國企業發布能力相近的開源模型。這樣，討論的焦點就會轉向「所有人都身處同一個生態，應該共同處理不斷變化且極其複雜的前沿問題」。他呼籲在商業上有理由發布開源模型的公司，例如 Microsoft 和 Meta，應該儘快行動，因為開源模型能夠把它們的互補業務變成基礎設施優勢。