开源权重模型正在悄然封闭——这是一个问题

# 开源权重模型正在悄然封闭——这是个问题 来源：https://martinalderson.com/posts/open-weights-are-quietly-closing-up/ 在 LLM 领域，"会有具有一定竞争力的开源权重模型"几乎被视为理所当然。但我不确定这一假设是否仍然成立。 ## LLM 简史 在 LLM 相对短暂的历史中，存在两种类型的模型——闭源和"开源权重"。闭源模型几乎涵盖 OpenAI 的所有产品（尽管名字里有"Open"!），而开源权重模型则由其他实验室发布。Llama 系列模型是开源权重的典型代表，但更近一段时间，中国实验室如 MiniMax、Z.ai、DeepSeek 和 Qwen（阿里巴巴）成为了开源权重模型的领头羊，Google 的 Gemma 系列和 OpenAI 的 `gpt-oss` 模型通常落后于中国的这些模型。 开源权重模型允许任何人在自己的硬件上**运行**模型。通常，值得运行的模型需要非常强大的硬件——但这种情况正在迅速改变，较小的模型正变得愈发实用。 能够在本地运行这些模型——而非通过 API 调用 OpenAI/Anthropic/Google——主要有三大优势。 首先，隐私与合规。如果你拥有（非常）敏感的数据，通过 API 将其发送到前沿实验室的数据中心是困难/不可能的。能够在"本地"运行模型意味着数据无需离开你的网络。 其次，更大的灵活性。你可以将这些模型作为微调的基础，或者根据你的硬件标准对模型进行量化（大致可以理解为压缩）。 最后，也是本文重点关注的：成本。它们可以比前沿模型**便宜得多**。显然，如果在自己的硬件上运行，你只需承担硬件的资本支出以及电费和运维成本。但**更重要**的是，有数十家公司会以托管方式为你运行这些模型，通常每 token 的成本不到前沿模型的 10%。 ## 为什么开源权重模型如此重要 借用经济学中"可竞争市场理论"的概念：即使在垄断（或寡头垄断）市场中，当存在廉价且可信的替代方案时， incumbent 企业往往会表现出竞争性。这并非完美契合——该理论严格假设沉没成本接近零，而这显然与前沿训练相反——但其底层机制是成立的。威胁是**潜在的**；消费者可以选择切换，这正是约束定价的力量。 本质上，我认为开源权重模型对前沿实验室施加了显著的降价压力。这并非绝对——显然，人们愿意为更高质量的模型**以及**与一家市值约万亿美元公司签订的推理合同（而非通过 OpenRouter 的廉价推理提供商）支付（高得多的）费用。OpenAI 等公司提供 SLA 以及关于保密性等事项具有法律约束力的承诺。 但在我看来，这确实提供了足够的下行压力，使得原本可能出现的寡头垄断市场行为难以抬头。如果前沿实验室（当然，纯属巧合地）在一夜之间将价格提高 5 倍，将有大量用户**转向**开源权重模型，尤其是在要求不高的使用场景中。 从价格行为的角度来看，我把开源权重模型比作仿制药。如果仿制药存在，大型制药公司会大幅降价以接近仿制药价格，并将精力集中在"领先"于仿制药的新疗法上，以维持价格。 如果没有开源权重模型，前沿实验室将拥有比现在大得多的定价权。 ## 许可证正在发生变化 然而，开源权重模型的可用性并非理所当然。训练这些模型成本高昂，背后的公司都是商业公司——或许（在很大程度上？）得到了中国国家的补贴——但它们不是慈善机构。 事实上，我们已经看到这些模型的许可条件显著收紧。Meta（到目前为止）完全放弃了其最新"Muse Spark"模型的开源权重，根本不发布。 阿里巴巴越来越多地首先（或在某些版本中，仅）通过其 API 发布模型。Kimi 的 K2.6 许可证增加了归属条款——如果你拥有超过 1 亿月活跃用户或每月 2000 万美元收入，你必须在产品 UI 中显著展示"Kimi K2.6"。法国的 Mistral 也对商业使用施加了不同的许可条件。 也有例外——DeepSeek 实际上变得**更加**宽松，但公平地说，总体趋势是许可更加严格（而且 Meta 和阿里巴巴都停止发布部分/全部模型）。 ## 接下来会发生什么？ 在（目前假设的）一年后，我们可能会面临这样一种情况：大多数或**所有**此前最好的开源权重模型都不再发布。虽然它们之间当然会存在价格竞争，但如果训练这些模型的成本和复杂性持续增加，我们有理由假设最终可能只剩下少数玩家——西方三大前沿实验室和少数中国实验室——或者可能出现国家主导的"合并"，将它们整合为一到两个中国"超级实验室"。这种战略性行业的整合有大量先例——中国已经在铁路（中车）、核能、航空和电信领域这样做了，西方也无法幸免——看看冷战后整合后的国防巨头就知道了。 其影响 frankly 令人担忧。AI 产生了巨大的消费者剩余——我从 token 成本中获得的价值远超其价格，即使价格涨 10 倍我也会毫不犹豫地支付。对于高价值的专业或智能体工作，我愿意支付的价格与实际支付的价格之间的差距更大。如果没有开源权重模型的底线，寡头垄断将有机会攫取这一差距。 在这种情况下，经济理论指向权力和经济财富向少数公司历史性集中——实验室将直接把消费者剩余转化为利润。而且，由于只有少数几家公司的寡头垄断以及进入壁垒极高（新模型的资本支出），价格竞争可能会非常有限。 同样，这种反乌托邦的愿景可能也是杞人忧天。也许随着硬件越来越快，训练一个"足够好"的模型实际上会随时间推移变得**更容易**。而且，尽管硬件制造商寥寥无几，我们看到 AI 硬件领域存在激烈竞争。蒸馏——用前沿模型的输出训练更小的模型——有时被提及作为一种释放阀，但它仍然依赖于首先能够访问强大的基础模型，而这正是此处面临风险的东西。 一个竞争激烈的开源权重生态系统一直是整个 AI 经济中一个默默承担重任的假设。值得关注的是，它正在侵蚀——而对更广泛经济的影响是巨大的。 --- 1. 严格来说是三种——开源权重模型只发布最终的"模型"。另一类被称为"完全开源"或"可复现"，还包括所有训练数据和相关训练过程文档，这可能最类似于我们软件领域所知的**开源**↩︎ (https://martinalderson.com/posts/open-weights-are-quietly-closing-up/#fnref1) 2. OpenRouter 提供"API 的 API"，将你的请求路由到特定模型最便宜和/或最可用的推理提供商。这极大地提高了可靠性，因为如果一个提供商出现问题，它会立即切换到另一个提供商。同样，如果有更便宜的提供商可用，它也会切换——这确实是 Milton Friedman 的梦想↩︎ (https://martinalderson.com/posts/open-weights-are-quietly-closing-up/#fnref2)