留给开源模型的时间，就剩6个月？

开源模型，正在经历迄今最严峻的一次生存考验。 近日，有外媒报道称，白宫正在考虑出台一项行政命令来限制开源AI，尤其是由中国公司开发的系统。 “如果本届政府最终对其使用开源AI发表明确立场，甚至限制联邦机构使用某些开源工具，我不会感到意外。”高级研究员Adam Thierer表示。 据悉，知情人士们几乎都表示，相关讨论仍处于早期阶段，目前尚不清楚这些讨论最终是否会转化为具体政策。不过，如果最终没有成为现实，它进一步增加了外界对特朗普政府混乱AI治理方式的质疑。而相关措施即便落地，最可能影响的也只是两类对象：一是来自中国的模型，二是政府部门对这些模型的使用。但第一块多米诺骨牌一旦倒下，后续影响很难控制。 当前，开源模型缺少一个强有力、利益高度集中的美国经济代表，能够向政策制定者清楚说明打压开源模型可能带来的代价。据报道，Reflection AI的代表曾提出，应当根据模型能力，为开源模型提供框架豁免。目前，DeepSeek等中国开源模型明显领先于其他可用的开源模型，而Reflection尚未发布公开模型。 “无论采取哪一种形式的禁令，从人工智能的长期发展轨迹来看，都将是一个严重错误。”加州大学伯克利分校AI方向博士学位，曾在Meta、DeepMind和Hugging Face任职的机器学习研究员Nathan Lambert 直言。 他表示，最可能出现的政策，是禁止或无限期推迟任何能力明显超过GPT-5.5、Claude Opus 4.8或GLM-5.2水平的开放权重模型。按照开源模型与闭源模型之间持续缩小的能力差距，这种情况很可能在未来6个月内出现。 开源模型赢Token流量，Anthropic 赚大部分钱 随着 AI 应用逐渐成熟，越来越多企业正在转向更轻量的模型，那么，开源模型到底有没有从硅谷前沿模型厂商那里“虎口夺食”？ AI 独角兽企业 Decagon 是典型的开源模型应用企业。Decagon 现在约 90% 的工作负载都运行在开源模型上，而不是 OpenAI 或 Anthropic 的模型。Decagon CEO Jesse Zhang 解释道，这并不是因为成本，也不是客户强制要求，真正的原因是企业几乎没有其他选择。 这并不是因为成本，也不是客户强制要求我们这么做，尽管他们通常并不反对。真正的原因是，我们几乎没有其他选择。当你在生产环境中运行客服AI智能体时，延迟会直接决定产品能不能用。一次对话中，每轮回复都要等待8秒，这样的产品没人愿意使用。因此，你需要体量更小、速度更快的模型。每一次模型调用，没有必要知道立陶宛的首都，也不需要掌握高中物理知识。但开箱即用的小模型，达不到客户要求的质量标准。只有针对特定任务进行大规模微调，它们才能满足要求。问题在于，前沿模型实验室基本不提供这种组合。我们无法按照实际需求去微调它们最强的模型，而它们的小模型也不属于我们，无法任由我们塑造。因此，“小模型+深度微调”本质上意味着必须使用开放权重模型。成本节省确实存在，但只是次要收益；企业对自托管模型更加放心，也只是附带好处，而不是我们选择开源模型的根本原因。 Jesse 还给出了一个“反常识”的结论：企业在昂贵前沿模型上的整体支出几乎没有下降，但开源模型的支出占比却在下降。 虽然Jesse Zhang并未提供太多数据来支撑这一观点，但Techcrunch找到了一些相关数据。 Vercel的AI Gateway仪表盘显示，一周的时间里，DeepSeek的Token处理量就迅速升至第一，目前已经占到Vercel基础设施总Token流量的三分之一以上。推出热门模型GLM-5.2的智谱，也在同期跃升至第四名。 但如果继续查看总体Token支出，就会发现Anthropic依然占据该平台AI总支出的半数以上。由于近期变化中有相当一部分来自Anthropic自身价格上涨，其支出份额在过去一个月略有下降，但降幅并不明显。 OpenRouter的数据也呈现出类似趋势。相比Vercel，OpenRouter覆盖的市场规模更大，但企业用户属性略弱一些。 从整体使用量来看，DeepSeek V4 Flash是目前最明显的赢家，每周处理约5.3万亿Token。最受欢迎的前沿模型Opus 4.8，每周处理的Token数量则略高于2万亿。 OpenRouter并未按照模型总支出进行排名，但其数据显示，Opus 4.8的平均Token成本大约是V4 Flash的23倍：Opus 4.8每百万Token平均成本约为1.37美元，而V4 Flash仅为0.06美元。 按照这一价格差距推算，尽管Opus 4.8的Token使用量明显低于V4 Flash，但它很可能仍然占据了平台大部分模型支出。 这些数据还没有包括最新入场的Nvidia Nemotron。凭借Nvidia强大的产业关系，以及Nemotron本身极高的适配能力，这款模型有望迅速进入市场前列。 这些数字尚不足以完全证明Jesse Zhang关于AI应用生命周期的判断，但至少说明，Anthropic等前沿模型实验室并没有因为开源模型崛起而受到太大冲击，至少目前还没有。 在Jesse 看来，前沿模型和开源模型之间并不是竞争对手，开源模型的成功也并非建立在前沿模型实验室失去市场的基础上。相反，它们更像是同一个生命周期中的两个阶段：企业先使用昂贵的前沿模型验证某个应用场景是否成立，等到场景逐渐成熟，再将其迁移到成本更低的开源模型上。随着越来越多成熟场景转向轻量模型，新的应用场景也在不断涌现，因此企业在前沿模型上的总体投入并没有明显下降。 他解释称，当一个应用场景刚刚出现时，企业会优先选择能够获得的最聪明的通用模型。因为你还不知道问题最终会呈现出什么形态，所以会愿意为一些未来可能根本用不上的智能能力支付溢价。在这个阶段，这是一笔合理的交换。 但当一个应用场景已经充分成熟，企业已经了解输入数据的分布、模型需要表现出的行为，以及必须防范的失败模式时，权衡就会发生逆转。此时，通用智能反而成了额外负担。企业真正需要的是体量最小、速度最快，并且经过专门微调、能够把特定任务做到极致的模型。 前沿模型收入依然很高的一个解释是，可被 AI 覆盖的任务市场增长得太快。即便越来越多成熟场景被迁移到开源模型上，顶级模型仍然可以依靠占据新应用早期验证阶段，维持自身的市场地位。 “开源模型支出占比下降，并不是因为开源模型正在失败，而是因为整个企业 AI 市场仍处于成熟曲线的最早期。”Jesse 说道，“按照这一逻辑，今天所有使用前沿模型进行原型验证的应用场景，未来都有可能迁移到开源模型。”“不过，这个过程会比很多人预想的更漫长。” 另外，即便客户开始转向开源模型，很多应用场景本身仍然足够复杂，无法完全被价格更低的模型替代。但无论如何，这种双层模型经济都有可能成为 AI 产业中相对稳定的结构。 “围绕蒸馏的争论，已演变成对竞争对手的打压” 一个几乎不可避免的现实是：开源模型的能力正变得越来越强。 Dario Amodei 不久前刚攻击过开源：在AI领域，开源是一个干扰项，或者说是一个伪命题。“即使模型公开，你也看不到它的内部运行机制，因此业内通常把这类模型称为‘开源’，而不是‘开源’。传统开源软件可以由社区共同修改