Arcee，一家美国开源AI实验室，表示中国模型并非本质危险

# Arcee，美国开源AI实验室：中文模型并非天生危险 | TechCrunch 来源：https://techcrunch.com/2026/07/22/arcee-a-us-open-source-ai-lab-says-chinese-models-are-not-inherently-dangerous/ 随着中文开放权重AI模型在能力与受欢迎程度上的提升（https://techcrunch.com/2026/07/07/why-the-rise-of-open-source-ai-isnt-hurting-anthropic-yet/），关于应如何应对它们的争论（https://techcrunch.com/2026/07/20/openai-is-scared-of-open-weight-models-should-the-us-be/）再次达到白热化。 有传闻（https://www.axios.com/2026/07/20/ai-us-china-open-source-kimi）称特朗普政府可能试图禁止这些模型（尽管尚未付诸行动（https://x.com/SophiaCai99/status/2079254188349948069））。同时，专有模型制造商，尤其是OpenAI和Anthropic，似乎（https://x.com/deanwball/status/2078133895766114412）对它们日益感到担忧。 像Moonshot AI的Kimi K3或阿里巴巴的Qwen这样的开放权重模型，其推理成本仅为美国大型实验室闭源模型token成本的一小部分。人们担心它们会构成某种威胁。当然，它们确实威胁到了大型专有AI实验室的利润率。 但是，在自己的数据中心运行这些模型的企业，是否应该屈服于“它们可能成为中国黑客的载体”这一恐惧呢？ Arcee（https://www.arcee.ai/）的首席技术官Lucas Atkins认为不必如此。Arcee正在构建开放模型，旨在为美国公司提供中文模型的本土替代方案。（https://techcrunch.com/2026/04/07/i-cant-help-rooting-for-tiny-open-source-ai-model-maker-arcee/） 如果说有哪家初创公司能从禁止中文模型中受益，那一定是Arcee。但Atkins表示，中国的开放模型并不比企业可能使用的任何其他开源软件更危险。事实上，他说这些模型甚至对他的公司也有好处。 “很多人认为这类似于一个中文软件程序。比如，它带着某种x、y、z意图被编写”，恶意行为者可以简单地命令它，他说道。 “这根本不是这些模型的训练方式。Arcee或阿里巴巴根本无法制造一个模型，让别人在自己的环境中运行，而我们还能以任何方式访问它。”他解释道。 虽然这些模型大多属于所谓的“开放权重”模型，并非真正完全开源软件，但如果从其源代码（实际在服务器上运行的部分）从Hugging Face等开源网站下载，其代码在很大程度上也是可见且可审查的。（不可获取的是用于训练模型的方法和数据。） 大型组织应该对任何核心模型进行安全测试和检查流程，并且通常会针对特定用途对模型进行后训练，可以检查偏见、毒性、幻觉以及对某些主题的敏感性等问题。这样，在人们开始向模型发送提示之前，他们就能使用、优化并理解模型。 用于编码的模型是否可能在其生成的代码中暗中植入恶意后门？虽然理论上可能，但实现起来需要极其复杂的操作。 “没有理由认为一个足够复杂的参与者不能训练出一个在每种情况下都表现出色的编码模型，但当遇到某种特定类型的代码库时……某些隐藏训练就会被激活。”终日训练模型的Atkins推测道。但他补充说：“我不知道如何实现这一点。” 因为大语言模型本质上是创造性的，要让一个当代模型在预设的完美语境和提示风暴下输出恶意软件，几率微乎其微。企业随后使用这些代码的可能性更是微乎其微。 未来是否可能发生？谁也说不准。但企业也在构建与模型无关的AI应用，并使用多种模型。因此，即使如今中文模型性价比最高，企业也不会永远锁定使用它们。 “我认为，与其讨论如何禁止中文模型，不如讨论如何在美国培育一个良好、开放的生态系统。”Atkins说。 Arcee也从中文模型中获益。因为它们是开放的，这家初创公司“受益于这些模型表现良好，因为我们可以学习它们做了什么。我们可以在它们的基础上构建。然后他们也可以学习我们做了什么。”他说。“我们对构建这些模型的人，也就是那些独立研究人员，怀有极大的敬意。” 最终，与中国模型竞争的方式“是发布一个更优秀的模型，”Atkins说。“我们需要给他们一些值得谈论的东西。” *当您通过我们文章中的链接购买商品时，我们可能会获得少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。*