开源 vs 闭源：AI 的两条路线

2023 年之前，“开源 AI”指的是开源框架如 TensorFlow 和 PyTorch——而不是开放的模型。前沿模型天生就是闭源的，因为训练它们所需的计算资源只有少数公司负担得起。OpenAI 的 GPT-3（2020 年 6 月），一个 1750 亿参数的模型，在 3000 亿 token 上训练，消耗约 3.14e23 FLOPS 算力，只能通过付费 API 访问。DALL-E 2（2022 年 4 月）是一个封闭的网页应用。GitHub Copilot（2022 年 6 月）每月收费 19 美元。ChatGPT（2022 年 11 月）免费使用但权重完全不公开。没有“开源 vs 闭源”的争论，因为根本没有开源的选项——这个争论根本不存在。

分岔始于 2022 年 8 月：Stability AI 开源了 Stable Diffusion，一个在图像生成上与 OpenAI 和 Google 的闭源产品竞争的文生图模型。任何人都可以用消费级 GPU 生成高质量图像。但真正的冲击发生在六个月后。Meta 在 2023 年 2 月以非商业研究许可发布了 LLaMA，通过申请表与学术研究人员共享权重。数天内，权重在 4chan 上被泄露。接下来是寒武纪大爆发：斯坦福的 Alpaca 以 600 美元微调了 LLaMA-7B；LMSYS 的 Vicuna 达到了 ChatGPT 质量的 90%；数周内涌现了数十个衍生模型。泄露的 LLaMA 权重成为整个开源权重 LLM 生态的种子。Meta 的回应是在 2023 年 7 月以商业许可发布 Llama 2，到 2024 年 7 月，Llama 3.1 405B 成为第一个达到前沿水平的开源权重模型——开放路线现在成了真正可行的选择。

2025 年 1 月 20 日，中国 AI 实验室 DeepSeek 发布了 R1——一个以 MIT 许可发布的开源权重推理模型，在关键基准上匹配 OpenAI 的 o1。训练成本：约 590 万美元，大约是可比闭源模型的二十分之一。利用混合专家架构和 GRPO（组相对策略优化）强化学习技术，DeepSeek 证明了前沿推理不需要数十亿美元的算力。一周后的市场反应史无前例：Nvidia 单日蒸发 5930 亿美元——历史上最大的单日市值损失。纳斯达克下跌 3%。科技亿万富翁合计损失近 1000 亿美元。这次抛售反映了一个根本性的重估：如果前沿 AI 可以用更少的 GPU 构建，那么整个 5000 亿美元的 AI 基础设施建设就需要重新审视。DeepSeek R1 证明了开源模型不仅可以在质量上与闭源模型竞争，还能揭露闭源生态背后的经济假设。

2026 年 6 月 12 日，美国政府以国家安全为由，下令禁止 Anthropic 的 Fable 5 出口。意图很明确：美国的闭源前沿模型不能流向对手国家。但实际结果充满了讽刺意味。就在第二天——6 月 13 日——Z.ai（原智谱 AI）以 MIT 许可发布了 GLM-5.2，一个 7440 亿参数的混合专家模型，拥有 100 万 token 上下文窗口。在编程基准测试（FrontierSWE、PostTrainBench）上，它以约六分之一的推理成本匹配甚至超越了 GPT-5.5。Z.ai 明确将发布时机定位为对 Fable 5 禁令的直接回应。模式已经很清楚：对闭源模型的出口管制并没有遏制 AI 能力的扩散——它们反而加速了开源替代方案的发展。DeepSeek V4 在 2026 年 4 月发布，一个 1.6 万亿参数、在华为昇腾芯片上训练的模型，证实了开放路径已经成为 AI 能力跨境扩散的主要渠道。

到 2026 年中，开源与闭源模型之间的基准差距已经从鸿沟缩小到裂缝。开源模型在 MMLU、MATH、HumanEval 和 GPQA Diamond 上已经匹配或超越闭源模型。闭源模型仅在复杂智能体编码（SWE-bench）和用户偏好（Chatbot Arena）上保持领先。问题已经从“开源能否竞争”转向了一个更不舒服的问题：两条路线都走向商品化时会发生什么？OpenAI 重组为营利性公益公司（2025 年 10 月）表明闭源路线需要一个可持续的商业模式。Sora 的关停（2026 年 4 月）显示即使是前沿实验室也会砍掉找不到市场契合的产品。与此同时，Anthropic 的 MCP 协议（2024 年 11 月）等开放标准和 OpenClaw（2026 年 1 月）等消费者现象表明，真正的竞争正在从模型能力转向生态系统控制、数据访问和分发渠道。这个分岔不再是一个二元选择。它已经成为 AI 产业的一个结构性特征——两条平行的路径将在未来数年内共存、竞争并相互塑造。