AI产业 on 蔡大锅's Blog

谁在给开源发工资

Tue, 20 Oct 2026 00:00:00 +0800

国内 AI 圈流传挺广的一种论调：开源模型就是闭源的免费劳动力。DeepSeek、Qwen 砸了真金白银训出来的模型，权重白送，闭源巨头坐享其成，把社区验证过的路子吸收进自己的商业版图——这不是给闭源打白工吗？

这话听着解气，反过来一问就露馅了：几个亿砸出来的东西，说送就送，图什么？总不能真是做慈善。

图什么？开源的四笔账

第一笔：反卡脖子，打掉闭源溢价。先看谁在带头开源。恰恰是不靠卖模型吃饭的那批公司。DeepSeek 背后是家量化私募，主业在二级市场；阿里的主业是电商和云，都不是靠卖 token 过活的。可如果模型这块儿只剩海外几家闭源巨头说了算，这些公司的下场就是被卡脖子——要么付授权费，要么看人脸色。把顶级模型开出去，等于亲手把大模型技术变成大路货，闭源的溢价空间当场塌掉。国内 API 价格战这两年卷得多凶，一百万 token 卖到几块钱，固然有同行内卷的成分，但被一波接一波的高性能开源权重按着头打，才是主因。海外剧本一模一样：Meta 的主业是社交广告，同样不卖 token，最怕的就是模型话语权攥在别人手里，开源 Llama 打的是同一个算盘。

第二笔：定标准，立规矩。比降价更值钱的是定标准。谁的模型用的人多，谁就立规矩。Qwen、Llama 这几套架构，全球几百万开发者、主流推理工具链都围着转，衍生模型在 Hugging Face 上挂了满坑满谷，不少国内公司做行业模型，底座直接从 Llama 换成了 Qwen。大家写适配、做优化，等于免费替阿里和 Meta 修路。路修通了，阿里云上的 B 端生意自然找上门。生态这东西，长起来就拔不走。

第三笔：全球众包的人力账。最划算的一笔账是人。闭源公司优化推理速度，得养一支昂贵的工程师队伍；开源模型一发出去，全球的黑客、教授、学生抢着免费干活——写微调工具、做量化压缩。vLLM、Ollama 这些框架，极短时间里把开源模型的运行速度抬了几倍，还顺手适配了一堆边缘设备；国内的魔搭社区上，微调教程和现成模型一抓一大把。这种全球规模的众包迭代，哪家闭源公司花钱都买不来。

第四笔：Open-Core，开源获客。最后还有一笔明账：Open-Core，开源核心、闭源商业。智谱的 GLM 系列是典型，海外的 Mistral 也是同一套打法——开源的中小尺寸实力款赚名声、攒生态，真正收钱的企业私有化部署闭得严严实实。免费的模型不是损失，是获客成本。

所以开源不是不发工资，它只是换了个发法。至于开源会不会一直落后，得拆两截说。

会一直落后吗？差距在收窄

极限能力上，闭源确实领先过。GPT-4o、Claude 这些顶级闭源模型常年霸着天花板，OpenAI 的 o1、o3 率先把复杂数理和长思维链这堵墙捅破，那时候开源确实只能看着。但差距收得很快——DeepSeek R1 直接把推理这条路开源复现了，时间差从「按年算」压到「按月算」。原因说出来有点好笑：蒸馏。闭源前脚发布，开源社区后脚就拿它的 API 批量造高质量合成数据，反哺自家模型。说难听点，开源也在白嫖闭源，还是全球一起白嫖。这笔账，跟「免费劳动力」正好对冲。

真正的翻盘在落地端

这一点在国内尤其明显。成本上，闭源按 token 长期收费，企业连定价权都摸不着；开源权重拿回来自己量化、蒸馏，普通显卡就能跑。数据上就更没得选——政务、金融、医疗有合规红线，核心数据压根不许出门，何况 GPT、Claude 这些海外 API 本来就悬在半空，说断就断。所以这些行业的动作高度一致：买卡（越来越多是国产卡）、下权重、私有机房里深度微调。病历分析、风控这种具体任务上，微调过的开源模型打赢没微调的通用闭源，不算新闻。定制化更是没得比——闭源只让你写 prompt，开源让你改到模型的骨头里。

端侧：闭源够不着的领地

手机和 AI PC 要的是零延迟、断网可用、零边际 token 成本，云端算力再猛也鞭长莫及。苹果的 Apple Intelligence 和国内外手机厂商，走的都是同一条路——拿 3B 到 8B 的小模型，压缩、剪枝，直接写进芯片。这块蛋糕，按 token 收费的商业模式从根上就吃不着。

连芯片厂都在下注

英伟达、AMD 不乐意看到算力话语权被一两家模型巨头攥在手里，开源生态越繁荣，买卡的需求就越多样；华为昇腾这些国产芯片更是如此，开源模型适配得越多，国产算力的路才越走越宽。再加上算法的边际效应在递减——单纯把模型做大越来越不划算，而在有限尺寸里把性能榨干，恰恰是开源社区最擅长的事。

分工很清楚：探路者与普及者

绕了一圈，这场博弈的分工其实很清楚：闭源是探路者，烧最好的钱、请最顶尖的人，负责捅破天花板——眼下还在探路的主要是海外那几家；开源是普及者，负责把捅破的东西以最快速度平民化，送进千行百业——而这半场，国内已经站到了最前排。谁也不吃掉谁，比的是谁先找到下一口饭。

探路的和铺路的，各挣各的钱。

大模型的斩杀线，易主了

Tue, 20 Oct 2026 00:00:00 +0800

前几天读到一篇文章，讲大模型这两年的价格战，里头有个词很提神：斩杀线。

线画在 Artificial Analysis 那张著名的散点图上。横轴是跑完一道基准题要花多少钱——注意不是 token 单价，是一道题从头发到尾的实际开销；纵轴是综合十项评测的智能指数。市面上的模型挨个点上去，再把每个智能档位全球最低价的几个点连起来，就是这条线，学名帕累托前沿，图上自带一个开关，叫 Pareto line。

判据机械得很。帕累托最优原本是福利经济学里的老概念：不让任何人变差，就没法让任何人变好。搬到模型市场上只剩一句话——只要存在另一个模型，比你的便宜，还不比你笨，你就被支配了。被支配不等于不能用，题照样能做，只是没人再有理由买你：总有人同时做到更便宜、更聪明。

有意思的从来不是这条线本身，是线上站的人两年换了好几拨。

画线的人，换了几拨

2024 年 5 月，DeepSeek V2 出场。两千多亿总参数，每个 token 只激活一小撮，架构上又把 KV cache 砍掉九成多，省下的算力直接折成价格：每百万 token 输入，1 块钱人民币。国内大厂全被拖下水，豆包、通义、文心接连跳水。

2025 年 1 月，R1 把线画成形。推理表现直逼 OpenAI o1，输出每百万 token 卖 $2.19，对面 o1 报价 $60。媒体管那阵子叫「斯普特尼克时刻」，英伟达一天跌掉近 5890 亿美元市值。

到 2026 年年中，低价端基本被中国模型包场。小米 MiMo、DeepSeek、MiniMax、GLM 挤在最便宜的一端；Airbnb 的客服跑在千问上，Cursor 的 Composer 拿 Kimi 调优，a16z 数了数美国 AI 初创的路演材料，约八成用中国基座。OpenRouter 上中国开放权重模型的 token 份额，从 2024 年底不足 2%，涨到 45% 以上。

OrcaRouter 十月按原始数据把这条线逐点重算了一遍，当时线上唯一的开源独苗，是小米 MiMo-V2.6-Pro：卖 $0.133 一道题，智能指数 46.3，正好坐在「膝盖点」上——再往上走就不划算了，下一个点比它贵 11.6 倍，只换来 3.3 分。

图上还有两个细节值得多看一眼。Kimi 和 GLM 的 max 版卖 $2 上下，是 MiMo 的 15 倍，分数反而更低，被一掌推到前沿右下方，花高价买了个寂寞。而指数 45 到 50 之间留着一段无人区，闭源模型全靠这段智能代差收溢价，护城河说穿了就一条：显著更聪明，外加合规信任和生态绑定。

开源权重是这条线的放大器。权重一旦公开，任何云厂商都能部署同一个模型，托管市场变成完全竞争，价格被卷向推理成本本身。闭源「只在几份垄断价目表之间做算术」的日子，理论上到头了。

理论上。

2026 年 10 月，线被反手夺走

7 月到 9 月，闭源阵营打了一轮闪电战。OpenAI 三周内把 GPT-5.6 Luna 降价 80%，靠的是重写底层 kernel、上投机解码这类苦功夫；Anthropic 撤回涨价通告，Opus 综合成本下调 40%。发布会话术也换了，不再刷榜得分，改讲单位美元产出、延迟、工程效率。

易主时刻：10 月 8 日

10 月 8 日，易主时刻。Anthropic 发布 Haiku 5.5，短请求输入每百万 token $0.1、输出 $0.5，只有上一代的十分之一。同一张 AA 图上，整条帕累托线被 Anthropic 和 OpenAI 接管，中国模型只剩 MiMo 勉强挂在边缘。当天港股大模型概念股应声下挫，MiniMax 跌了 10%，智谱跌 5.6%。

看图之前，先泼三盆水

第一盆泼给横轴：它是对数轴，会视觉压缩价差。取对数是为了把 $0.044 和 $7.63 塞进同一张图，代价是 170 多倍的价格差距，看上去只隔一小段。有人用线性轴重画过这张图，结论明显偏向开源。拿图去说服管预算的人之前，最好先说清这一点。

第二盆泼给引用党：指数版本之间分数不可混比，v4.1.1 不等于 v4.3.2，每次版本更替，评测集调整、全线重排。引用数字记得标版本和日期。

第三盆泼给开源布道者：免费的只是权重。自己部署，GPU 折旧和运维是真金白银，利用率一低，每 token 成本可能比廉价 API 还贵。被支配不等于不能用，反过来，站上前沿也不等于便宜。

所以别急着问开源和闭源谁赢了。帕累托最优从来不是奖杯，是一把随技术迭代不断下压的移动标尺：2024 年开源把它压下来，逼硅谷降价；2026 年闭源巨头凭着资金池和自研算力链，反手压得更低。

对买模型的人，启示两年没变过：先看前沿在哪，别为被支配的选项付钱；要不要为前沿之上的智能代差掏溢价，再掂量钱包和任务。

至于线上站的是谁，感情别投太深——这个行业没有永久的线主。