开权重AI正在缩小与前沿模型的差距

Mozilla发布的《开源AI现状》分析，为AI采购方提出了一个重要判断：如今的选择已不再只是“便宜的开放模型”与“强大的专有模型”之间的简单二选一。领先的开权重模型正快速接近闭源前沿模型，组织可以将不少工作负载转交给它们，同时把高价前沿API留给那些质量优势确实会显著改变结果的任务。18

差距收窄，究竟意味着什么？

有关Mozilla结论的报道指出，按其性能口径，最强的中国开权重模型与闭源前沿模型之间的差距约为4.4个月。18 这与过去“开放模型难以承担生产任务”的采购环境已明显不同。

Kimi K3是一个有代表性的例子，但并非最终定论。Artificial Analysis Intelligence Index在9月的一次快照中，给Kimi K3的综合得分为59.7，较总榜首的65.7低6分；报道还称，这一差距一年前为13分。17 不同版本的报告和不同基准快照，会使用不同模型对比与差距估算。更值得关注的是变化方向，而不是某一个固定的分差。

综合基准适合用来初筛，却不能证明某模型必然最适合一家公司的实际环境。它们可能汇总性质差异很大的评测；而真实部署还取决于延迟、长上下文处理、稳定性、安全控制、集成成本、技术支持及法律条款等因素。

企业更实用的做法：按任务后果分流

能力差距缩小，并不意味着必须全面放弃闭源系统。更合理的策略是建立模型组合：

• 对高频、可重复的任务，若成本、数据控制、本地部署或定制化更重要，可优先采用开权重模型。
• 对复杂任务，若可测量的质量提升会影响财务结果、运营结果或安全后果，则保留前沿API。
• 评估对象应是完整系统，包括检索增强、工具调用、护栏、提示词和人工复核，而不只是底座模型。
• 持续复测真实工作负载。模型更新很快，成本—性能的边界也会随之移动。

收敛的实际含义在于：闭源模型的溢价，只有在它被证明确实改善结果时才是合理的，而不应仅因它曾经是唯一可行选项。

开权重不只是价格问题，更是战略问题

开权重模型让组织可以在自身环境中运行和调整模型，而不是完全依赖供应商运营的在线服务。战略与国际问题研究中心（CSIS）认为，中国不断壮大的开权重生态，对美国AI领导地位构成挑战：这一趋势结合了出口管制压力下的技术自主化，以及广泛分发可适配模型的策略。5

这种分发方式能够形成生态：开发者、系统集成商、工具、部署实践和技术规范，都可能围绕某个模型家族增长，即使另一家公司在最先进的闭源系统上暂时领先。因此，竞争不只是谁今天的基准分数最高，也关乎谁的技术会成为被广泛采用的平台层。

出口管制正是这一背景的一部分。现有研究指出，美国芯片出口管制之后，中国对开放AI的采用明显增加，说明限制措施也可能推动本土替代方案与开放生态的发展。11

谈“蒸馏”指控，措辞必须审慎

美国国家安全局（NSA）、联邦调查局（FBI）和网络安全与基础设施安全局（CISA）在9月发布的联合通报称，位于中国的AI公司正开展工业化规模行动，从美国前沿模型中提取受限的专有能力，用于训练目的。1 对该通报的报道提到，美国机构点名的企业中包括月之暗面（Moonshot AI）。3

这些属于美国政府的指控，并非已经由公开司法程序最终裁定的事实。中国外交部已将相关指控驳斥为毫无根据。4 同时，也应区分“未经授权提取能力”的指控，与蒸馏这一广义技术概念：后者是让较小模型从更强模型的输出中学习。CSIS将蒸馏描述为一种常见训练实践，但也指出其具有重要战略影响。12

建立替代方案，不能只发布一个模型

Mozilla首席技术官Raffi Krikorian将这一思路比作Android，本质上是在强调生态系统。一个被广泛分发、可灵活适配的模型，能够吸引下游开发者和配套基础设施；其价值可以像操作系统平台一样，超出最初创建者本身。

Mozilla的报告也强调，开放AI需要模型发布之外的长期基础设施。其早期报告曾提到，瑞士一个公共联盟使用公共超级计算机训练模型，并公开了模型权重、数据和训练代码。11 背后的政策思路是：投资公共算力、中立机构、可信数据与评测体系，以及面向开发者的工具，而不是只资助又一家闭源模型竞争者。

开放与安全能否并行？

“开放安全AI联盟”（Open Secure AI Alliance）提供了一种回答。英伟达在7月联合技术与安全合作伙伴成立这一联盟，用于开发和共享AI安全及网络安全工具，尤其关注软件与AI智能体。 这一行动反映了一种观点：可检查、可共享的安全工具，也能成为应对AI风险的一部分。

这并不意味着广泛分发模型没有真实风险。开放分发可能使滥用防范和控制更加复杂。但政策选择并不是“开放就不安全”或“闭源就安全”。关键在于，每一种部署模式配套了哪些防护措施、访问控制、评测和问责机制。

买方与政策制定者面临的选择

对企业而言，眼前的问题很直接：专有模型带来的边际质量，在哪些地方值得其边际成本与供应商依赖？ 不同任务会有不同答案。能够记录模型选择、针对代表性任务做评测、并保留切换供应商能力的组织，将比押注单一模型类别的组织更有准备。

对政策制定者来说，权衡更复杂。前沿模型领导力、安全与滥用缓解固然重要，但有韧性的开放生态，以及可信AI基础设施在全球的采用，同样重要。CSIS警告，若战略只聚焦专有前沿模型的领先地位，可能会在更低成本的开放替代方案面前失去阵地。15

模型能力差距的缩小，让这场讨论变得更紧迫。随着开权重系统愈发成熟，AI竞争的胜负将越来越不只取决于实验室里最强的那一个模型，也取决于谁能提供最有用、最可适配、最值得信赖的完整生态。