文 | wiwi

下一個 AI 項目該選什么模型？

以前這個問題很好回答：誰最強，就接誰。OpenAI 強就接 OpenAI，Claude 穩就接 Claude，Gemini 便宜就接 Gemini。對很多開發者來說，模型只是一個 API，先把產品做出來，比什么都重要。

但到了 2026 年，這道題沒那么簡單了。閉源 API 幫你把產品做出來，也可能在產品跑起來后吃掉你的利潤。

一個 AI 應用只要真的跑起來，賬單會先變得刺眼。調用量越大，Token 成本越像一根不斷收緊的繩子；數據越敏感，法務和安全部門越會追問：這些內容到底去了哪里？產品越依賴某個 API，創業者越會擔心：哪天價格變了、接口限了、模型規則改了，我這門生意還在不在？

這時，開放權重模型突然變得誘人起來。它未必總是最強，但它可以下載、部署、微調、量化，能放進自己的服務器，也能塞進云廠商和端側設備。企業和開發者開始有了第二種選擇：不是所有任務都必須交給閉源 API，也可以把一部分能力放到自己可控的部署環境里。

2026 年 6 月底，這場分裂被推到臺前。據《華爾街日報》、CNBC、The Verge 等外媒報道，智譜最新的開放權重模型 GLM-5.2 在網絡安全、漏洞發現等特定任務上，已經接近美國前沿模型的水位。這個消息真正值得看的地方，不是中國模型是否已經在通用能力上全面追平 OpenAI 和 Anthropic，而是另一件更具體的事：前沿能力正在通過開放權重更快擴散。

過去一年，AI 行業最重要的分裂，其實不在中美之間，也不在大廠和創業公司之間，而在兩條路線之間。

一條路越走越封閉：最強的模型被放在 API 后面，被裝進 ChatGPT、Claude、Gemini 這樣的產品，由平臺統一控制訪問、計費、安全和迭代節奏。用戶看到的是一個越來越好用的入口，開發者依賴的則是一個越來越關鍵、也越來越難替換的外部能力。

另一條路反方向生長：模型權重被公開釋放，企業能部署在自己的機器上，開發者能自由改造，云廠商能托管，也能塞進手機等終端。在成本、可控性和擴散速度上，開放權重這條路正快速追近閉源。

China’s Zhipu is closing in on top U.S. AI models with Anthropic and OpenAI held back

一、為什么連 OpenAI 也開始補開放權重短板？

最近半年，閉源派不再只談"我們最強"，做開放權重的公司也不再只談"為了理想"，雙方都把商業和成本的算盤擺到了臺面上。

OpenAI 自己的松口，最能說明問題。這家長期堅持閉源路線的公司，在 DeepSeek 帶來的沖擊之后，態度也出現了少見的松動——薩姆·奧爾特曼公開承認，OpenAI 在開源這件事上可能"站在了歷史錯誤的一邊"，并對外發布了開放權重模型。但這不是 OpenAI 路線的根本反轉，而是一次被競爭壓力逼出來的補位：它仍然把最前沿能力握在手里，只是不得不承認，完全忽視開放生態會付出代價。

與此同時，閉源公司的安全敘事也在變硬，"我們最負責"正取代"我們最強"，成為它們維持封閉的新理由。

開放權重這一端則越來越熱鬧。Meta 仍在用 Llama 系列押注開放模型生態，商業邏輯并不難理解：在移動時代錯失操作系統霸權之后，開放模型是它削弱蘋果、谷歌生態優勢、爭奪下一代底層生態的方式。歐洲的 Mistral 在"主權 AI"的敘事下持續融資，給那些不愿把命脈交給美國模型的政府和企業一個替代選項。而 DeepSeek、Qwen、智譜這些中國名字，則證明了即便不掌握最強的消費級入口，也能靠高性價比的開放模型，在全球開發者中贏得一席之地。

這兩條路的底色，是兩種幾乎相反的世界觀。閉源派更像是在搭一套垂直系統：數據中心、模型、API、終端產品被串在一起，開發者在平臺提供的接口上做生意，也必須接受平臺的定價、限流和規則變化。做開放權重的公司則相反，把模型權重交給開發者和企業，讓能力可以被重新部署、改造和組合。這背后既有理想，也有冷峻的地緣訴求——越來越多國家不愿把核心 AI 能力建立在別國的模型之上。這已經不只是"代碼是否可見"的技術爭吵，而是企業在部署、成本和數據邊界上，能不能保留更多選擇權的問題。

閉源談安全，開放談成本、部署和主權，爭論也因此變得更難收場。

OpenAI 的開放模型

二、閉源賣能力，開放模型靠什么賺錢？

真正決定這兩條路線能走多遠的，不是模型有沒有開放，而是誰能把錢收回來。

閉源公司賣的是"最終能力"。它投入巨額算力訓練最強模型，再通過訂閱、API、企業服務和生態分成收回成本，模型越強、越封閉，越能維持差異化和定價權。

它的下一步更值得注意——一批閉源模型公司，正從"賣模型調用"轉向"賣數字員工"，把主打能替代部分初級工作的 AI Agent 以更高客單價賣給企業。在這種圖景下，開放最前沿的權重無異于自斷財路。所以閉源平臺天然抗拒徹底開放：它們可以開放 API、開放工具、開放較小的模型，但最能帶來溢價的核心能力，仍會牢牢攥在手里。

開放模型公司賣的是"鏟子"。當模型本身像 Linux 一樣免費且無處不在，利潤就轉移到了算力調度、數據治理、安全護欄和私有化運維上。Meta 持續押注開放模型，不是要靠模型 API 賺錢，而是要讓全世界的開發者都在它的架構上優化，倒逼整個生態向它靠攏；云廠商樂見開源，是因為不管你用什么模型，最終都得在它的云上跑推理。

當然，大廠押注開放模型，也不是為了做公益。開放本身就是打法：先把開發者和云廠商拉進來，再在托管、工具鏈、企業服務和標準上賺錢。某種意義上，這也是一種"延遲的閉源"：先靠開放占住心智，等生態依賴形成、用戶離不開了，再回頭談商業條款。分野就在這里：閉源公司想把用戶留在自己的產品里，開放模型公司想把自己的模型鋪進所有人的產品里。

簡單說，閉源路線最怕失去定價權，開放權重路線最怕沒人買單。兩條路的差別，可以濃縮成一張表：

閉源 vs 開源

三、開放權重為什么像 AI 時代的 Android？

如果閉源更像 iOS，那么開放權重越來越像 Android。這個類比并不完美，卻足夠說明問題：移動互聯網的結局不是一方消滅另一方，而是分成兩套生態——高端體驗和平臺利潤更多流向 iOS，全球規模和設備多樣性更多流向 Android。決定 Android 勝負的，從來不是某一臺旗艦機比 iPhone 強，而是它無處不在。

開放權重模型的擴散邏輯與此高度相似。它不需要在所有維度上擊敗最強閉源模型，只要在足夠多的任務上"夠用"，并且更便宜、更可控、更好部署，就會被源源不斷地塞進各類場景：企業的私有化部署、行業定制模型、跑在手機和設備上的端側模型，以及大量對成本敏感的后臺任務。

真正進了企業場景，模型榜單只是參考。更多時候，大家算的是成本、延遲、權限和合規。只要這些賬算得過來，一個 85 分但可控的模型，往往比一個 100 分但完全租來的模型更有吸引力。

四、模型一旦放出去，誰來負責？

問題不在于模型能不能開放，而在于模型開放之后，能力可以被復制，責任卻很難被復制。模型越強，開放之后的風險越難收回——網絡攻擊、自動化釣魚、深度偽造、生物化學風險、輿論操縱，都可能因強模型的擴散而降低門檻。這也正是 GLM-5.2 那類新聞真正讓海外警覺的地方：當頂尖的網絡安全能力以開放權重的形式擴散，攻防的天平可能被悄悄改寫。

閉源至少還能靠賬號、內容審核、調用限制和日志追蹤保留一定控制權；而開放權重模型一旦被下載、改寫、去掉安全過濾、重新部署，原始發布方就幾乎管不到了。

這正是圍繞開放模型的監管爭論越來越激烈的原因，而且雙方都不全錯。支持者說，開放有利于透明、審計、競爭和創新，如果最強能力都攥在少數公司手里，社會反而更難監督它們；反對者說，軟件開源釋放的是代碼，而模型開放釋放的是一種可遷移、可復制、可規模化的能力，一旦跨過某些危險閾值，開放可能帶來不可逆的擴散。

也正因如此，"開源還是閉源"這個問法本身正在變得不夠精確。未來的開放會分成很多層級：有的只開放調用接口，有的連模型權重一起放出，有的甚至公開訓練代碼和數據配方；有的允許隨便商用，有的只限研究。真正該問的不再是"要不要開源"，而是——開放到哪一層？ 哪些模型可以開放、開放到什么程度、由誰評估風險、如何追責，才是這場爭論最困難、也最重要的部分。

五、中國 AI 為什么更需要開放權重？

對中國公司來說，這個問題尤其現實。沿閉源路線和 OpenAI、Anthropic、谷歌正面硬碰，要面對的不只是模型能力差距，還有算力、生態、品牌信任和市場準入等一連串落差。閉源當然必須做，中國也需要自己的強模型和強平臺，但如果只是做一個中文版的超級入口，很容易陷入同質化。

開放權重反而可能是中國 AI 更有機會形成全球影響力的地方，原因很簡單：它能繞過產品入口的壁壘。一個中國模型只要夠便宜、夠強、夠好部署，就能被全球開發者直接拿去用，不必先說服用戶下載一個 App、也不必建完整的海外銷售體系。

DeepSeek 當初帶來的沖擊，本質上不是"又出了一個模型"，而是證明了一種可能——即便不掌握最強的消費級入口，也能靠高性價比模型改變全球開發者對中國 AI 的認知。美國國會下屬的 USCC，在 2026 年《兩個循環》報告里就點破了這套機制：開放模型在國內反哺產業鏈、在國外擴張影響力，兩個循環彼此加強。

但這條路有代價。開放權重會削弱模型本身的直接收費能力，也讓對手能更快學走你的成果。中國公司如果選開放路線，就不能停在"放出模型、刷榜、贏口碑"，必須回答下一步的硬問題：如何把開發者熱度變成企業收入？如何把下載量變成生態控制力？如何把開放權重變成商業護城河？答不上來，開放就只會變成一場昂貴的流量戰。

六、最后真正賺錢的，可能不是模型本身

把未來押注在開源或閉源任何一邊，大概都是誤判。更可能的結局是混合路線時代：最前沿、最高風險、最昂貴的模型，仍由少數公司閉源控制，負責沖擊能力上限、承擔更高的安全責任。

大量中高性能模型，則會以開放權重、可商用許可、行業版本、端側版本的形式擴散，負責降低成本、擴大覆蓋、進入垂直行業和本地場景。企業不會只選一種，開發者也不會只押一個模型。

這種"既要又要"，會把應用層推向一種新形態——從"選一個模型"變成"編排一組模型"：最難的問題交給閉源前沿模型，普通任務交給開源模型，碰隱私和內網數據則用本地模型。由此浮現出一個新的產業機會——模型調度層：誰能幫企業在閉源、開源、本地、行業模型之間自動分配任務（哪個合適就調哪個），誰就可能成為 AI 時代新的中間層，它不一定訓練最強模型，卻掌握模型如何進入業務流程。

最懂這門生意的，是那些同時押注兩端的巨頭。微軟是其中最矛盾、也最精明的存在：它在閉源這邊重押 OpenAI，又在開源社區擁抱 Hugging Face，還在 GitHub 上力推 Copilot——但無論你最終用閉源還是開源，很可能就有一部分要用到它的云、它的工具或它的代碼托管。這種"中間地帶"的繁榮恰恰說明，AI 的分裂并不是物理隔離，而是一場圍繞云、工具鏈和企業服務展開的再分工：大模型競爭，正在從"模型公司之間的競爭"，擴展為"模型生態之間的競爭"。

結尾：從"誰最強"回到"誰還愿意一直租用 AI 能力"

"閉源還是開源"，表面是技術社區爭了幾十年的老問題，放進 AI 時代卻變成了一個更大的產業命題：智能能力應該如何分配？

所以這從來不是非黑即白的選擇。閉源解決能力上限，開放權重解決能力擴散。但擴散之后，新的封閉也會長出來——云、工具鏈、模型路由、企業服務，都可能成為下一輪入口。爭論的核心，正在從模型能力轉向部署權、成本結構和生態議價權。

過去兩年，全球 AI 都在追問同一個問題：誰能做出最強的模型？接下來幾年，問題會變成另一個——當模型足夠強之后，它該屬于誰？而這個問題，最終會落到一個個具體的日常選擇上：下一個項目，你是接入那個昂貴而強大的封閉接口，還是下載一個低成本、可改、跑在自己機器上的開放模型。

它會先出現在一些不起眼的遷移里：一家創業公司把普通任務從閉源 API 切到開放權重模型；一家醫院為了合規，把模型部署到本地；一家車企為了端側響應速度，訓練自己的小模型。

真正改變大模型格局的，未必是某一次榜單排名，而是越來越多人開始問：這套能力，我為什么一定要一直租？