開放權重 AI 追近前沿模型：企業應點樣揀？

Mozilla 嘅《State of Open Source AI》分析，向買家提出咗一個好實際嘅訊號：AI 採購已經唔係「平價開放模型」對「高能力閉源模型」咁簡單。頂尖開放權重系統——即模型權重可下載、可在自家環境運行及調校——正迅速追近閉源前沿模型。企業可以將好多工作交畀佢哋，同時保留高階閉源 API，留畀真正需要品質優勢嘅任務。 18

差距收窄，唔等於可以盲目全面轉用

按 Mozilla 報告相關報道嘅衡量方式，中國最強嘅開放權重模型，與閉源前沿系統嘅表現差距約為 4.4 個月。 18 呢個市場環境，同以前「開放模型根本未夠班上生產」已經大不相同。

Moonshot AI 嘅 Kimi K3 可以作為例子，但唔應該視為最終判決。Artificial Analysis Intelligence Index 喺 9 月其中一個快照中，Kimi K3 得 59.7 分，比總榜首嘅 65.7 分低 6 分；報道亦指，一年前差距係 13 分。 17 不同版本報告、排行榜快照同模型組合，得出嘅差距可以唔同；真正值得留意嘅係趨勢，而唔係死守某一個分數差。

綜合基準測試只適合作初步篩選，唔能夠證明某模型一定最適合你公司。實際部署仲要睇延遲、長文本處理、穩定性、安全控制、系統整合成本、支援安排同法律條款。

對企業最實際：按後果分流任務

差距縮細，唔代表要一次過放棄閉源系統；反而更適合採取組合式策略：

• 優先考慮開放權重模型：適合高用量、重複性高嘅工作，尤其當成本、數據控制、本地部署或客製化較重要。
• 保留前沿 API：處理難度高，而品質提升會直接影響收入、營運或安全後果嘅任務。
• 評估整套系統，而非只睇底層模型：檢索增強、工具調用、護欄、提示詞設計同人工覆核，往往同樣決定結果。
• 持續重測：新模型推出得快，成本效益邊界可以短時間內改變。

換句話講，閉源模型嘅溢價，只有喺可量度地改善結果時先合理；唔應該只因為佢過去曾經係唯一可行選擇。

開放權重唔只係平啲，而係生態系統之爭

開放權重模型容許機構喺自己環境運行同微調模型，而唔使完全依賴供應商營運嘅雲端服務。CSIS 認為，中國日益壯大嘅開放權重生態，正挑戰美國 AI 領導地位：一方面面對美國出口管制而推動技術自主，另一方面有意廣泛分發可調整嘅模型。 5

模型一旦被廣泛採用，就可能帶動開發者、系統整合商、工具、部署經驗同技術標準圍繞同一模型家族累積。競爭問題於是唔只係「今日邊個榜首」，而係「邊個技術會成為大家最常用嘅平台層」。

出口管制亦係背景之一。現有研究指出，美國晶片出口管制之後，中國對開放 AI 嘅採用顯著增加，反映限制措施亦可能促進本土替代方案同開放生態發展。 11

講「蒸餾」指控，要分清楚事實層次

美國國家安全局（NSA）、聯邦調查局（FBI）及網絡安全和基礎設施安全局（CISA）喺 9 月發出聯合公告，指中國境內 AI 公司正進行工業規模行動，從美國前沿模型抽取受限制嘅專有能力，用作訓練用途。 1 相關報道指出，美國機構點名嘅公司包括 Moonshot AI。 3

呢啲屬於美國政府指控，並非已經由公開司法程序作出定論；中國外交部亦拒絕相關說法，形容指控毫無根據。 4

同時，要分清「未授權抽取能力」嘅指控，同「知識蒸餾」呢項一般技術概念。後者係指較小模型學習較強模型輸出；CSIS 指出，呢種訓練做法相當常見，亦有重要戰略含意。 12

要建立替代方案，唔係只訓練多一個模型

Mozilla CTO Raffi Krikorian 將呢種策略比作 Android，重點係生態系統：一個廣泛分發、可自由調整嘅模型，可吸引下游開發者同配套基建，價值未必只落喺最初開發者身上。

Mozilla 早前報告亦強調，開放 AI 要有模型發布以外嘅長期基建。例如瑞士一個公共聯盟利用公共超級電腦訓練模型，並公開權重、數據及訓練程式碼。 11 呢種思路主張投資公共算力、中立機構、可信數據與評測，以及面向開發者嘅工具，而唔係淨係資助另一間閉源模型公司。

開放同安全，可唔可以一齊推進？

Nvidia 喺 7 月成立 Open Secure AI Alliance，聯同科技及保安夥伴開發和共享 AI 安全與網絡保安工具，重點包括軟件同 AI 代理。 呢個聯盟反映另一種觀點：可檢視、可共享嘅安全工具，本身可以成為應對 AI 風險嘅一部分。

當然，廣泛分發模型嘅風險並冇消失。開放發放會令防止濫用同維持控制變得更複雜。不過政策選項唔係簡單嘅「開放就唔安全」或「閉源就安全」，而係每種部署模式配套咗乜嘢護欄、存取控制、評測同問責機制。

買家與政策制定者真正要答嘅問題

對企業而言，問題可以好直接：專有模型多出嚟嗰少少品質，係咪值得額外成本同供應商依賴？ 答案因任務而異。能夠記錄模型選擇、以代表性工作做測試，並保留轉換供應商能力嘅機構，會比一開始就押注單一類模型嘅機構更有彈性。

對政策制定者而言，取捨更難。前沿模型領先、安全同防止濫用都重要；但有韌性嘅開放生態，以及可信 AI 基建喺全球嘅採用，同樣重要。CSIS 警告，如果策略只集中喺專有前沿模型領先，美國可能會喺較平、較開放嘅替代方案面前失地。 15

模型差距愈縮愈細，呢場討論就愈急切。未來 AI 競爭勝負，未必只由實驗室入面最好嘅模型決定，仲要睇邊一方能夠提供最有用、最易調整同最值得信任嘅完整生態系統。