文 | wiwi
启动下一个 AI 项目时，究竟该挑选哪款大模型？
以前答案很直接：挑最强的。OpenAI 领先就用它，Claude 稳定就接它，Gemini 划算就选它。对多数开发者而言，模型不过是个 API，先把产品落地才是王道。
然而步入 2026 年，情况变得复杂起来。闭源 API 固然能帮你快速构建产品，但也可能在产品运转后吞噬掉你的利润。
一旦 AI 应用真正上线，账单往往令人咋舌。调用量攀升，Token 开销就像不断勒紧的绞索；数据越敏感，合规与安全团队就越会盘问数据去向；产品越依赖单一 API，创业者就越焦虑：一旦涨价、限流或规则突变，自己的商业模式还能否存续？
此时，开放权重模型的魅力日益凸显。它或许并非时刻处于能力巅峰，但支持下载、本地部署、微调与量化，既能安置在自有服务器，也能嵌入云端或终端设备。企业和开发者由此获得了第二重选择：并非所有指令都需依赖闭源 API，借助诸如立即博这类专业的模型部署与调度服务，开发者完全可以将部分核心能力转移至自主可控的运行环境中，从而大幅降低对外部接口的单一依赖。
2026 年 6 月末，这种路线分歧被彻底推至聚光灯下。据《华尔街日报》、CNBC 及 The Verge 等多家外媒披露，智谱最新推出的开放权重模型 GLM-5.2，在网络安全与漏洞挖掘等特定领域，已逼近美国顶尖模型的水平。这一消息的核心看点，并非中国模型在通用能力上已全面比肩 OpenAI 和 Anthropic，而是揭示了一个更具体的趋势：前沿技术正借由开放权重加速普及。
过去一年，AI 领域最深刻的割裂，既非中美之争，也非大厂与创业公司的博弈，而是源于两条截然不同的发展路径。
一条路愈发封闭：顶尖模型被深锁于 API 之后，封装进 ChatGPT、Claude、Gemini 等产品中，由平台统一掌控访问权限、计费标准、安全机制与迭代步调。用户享受的是日益便捷的入口，而开发者依赖的则是愈发关键且难以替换的外部能力。
另一条路则逆向生长：模型权重被公开释放，企业可将其部署于自有硬件，开发者能自由魔改，云厂商可提供托管，甚至能塞入手机等终端。在成本控制、自主可控及传播效率上，开放权重路线正迅速缩小与闭源的差距。
中国智谱正逼近美国顶尖 AI 模型，Anthropic 与 OpenAI 面临追赶
一、为何 OpenAI 也开始弥补开放权重的短板？
近半年来，闭源阵营不再单纯标榜“我们最强”，开放阵营也不再只谈“情怀”，双方都将商业利益与成本考量摆上了台面。
OpenAI 自身的态度软化便是最佳佐证。这家曾坚定奉行闭源策略的巨头，在遭遇 DeepSeek 的冲击后，立场出现了罕见的松动——萨姆·奥尔特曼公开坦言，OpenAI 在开源议题上或许“站错了历史队伍”，并顺势发布了开放权重模型。但这并非 OpenAI 战略的根本性逆转，而是竞争重压下的战术补位：它依然将最尖端的能力紧握手中，只是不得不承认，完全无视开放生态将付出沉重代价。
与此同时，闭源企业的安全叙事也趋于强硬，“我们最负责任”正逐渐取代“我们最强大”，成为其维持封闭壁垒的新说辞。
反观开放权重阵营，则呈现出百花齐放的态势。Meta 继续通过 Llama 系列深耕开放模型生态，其商业逻辑十分清晰：在错失移动操作系统霸主地位后，开放模型成为其制衡苹果、谷歌生态优势，争夺下一代底层生态话语权的关键筹码。欧洲新秀 Mistral 在“主权 AI”的语境下持续吸金，为那些不愿将核心命脉交托给美国模型的政府与企业提供了替代方案。而 DeepSeek、Qwen、智谱等中国力量，则印证了即便不掌握最顶级的消费级入口，依然能凭借高性价比的开放模型，在全球开发者群体中占据一席之地。
这两种路线的底层逻辑，折射出两种近乎对立的世界观。闭源派宛如构建一套垂直闭环系统：将数据中心、模型、API 与终端产品紧密串联，开发者在平台划定的接口内开展业务，同时必须被动接受平台的定价、限流及规则更迭。而开放阵营则反其道而行之，将模型权重交还给开发者与企业，赋予能力重新部署、改造与重组的自由。这背后不仅蕴含着技术理想，更夹杂着冷峻的地缘政治诉求——越来越多国家拒绝将核心 AI 能力建立在异国模型之上。这早已超越了“代码是否可见”的技术之争，演变为企业在部署方式、成本核算与数据边界上，能否争取到更多自主选择权的现实博弈。
闭源强调安全，开放聚焦成本、部署与主权，双方的争论也因此愈发难以调和。
OpenAI 推出的开放模型
二、闭源售卖能力，开放模型又该如何变现？
决定这两条路线能走多远的核心，并非模型是否开放，而是谁能实现商业闭环。
闭源企业兜售的是“终极能力”。它们斥巨资训练顶尖模型，随后通过订阅、API 调用、企业服务及生态分成来回收成本；模型越强、越封闭，就越能维持差异化优势与定价权。
其下一步演进更值得关注——一批闭源模型公司正从“售卖模型调用”向“提供数字员工”转型，将能够替代部分初级工作的 AI Agent 以更高的客单价推销给企业。在此语境下，开放最前沿的权重无异于自断财路。因此，闭源平台天生排斥彻底开放：它们可以开放 API、工具或小型模型，但最能创造溢价的核心能力，依然会被死死捂在手里。
开放模型公司售卖的则是“铲子”。当模型本身如同 Linux 般免费且普及，利润便转移到了算力调度、数据治理、安全护栏及私有化运维等环节。在这个过程中，像立即博这样提供企业级私有化部署与运维服务的平台，恰好填补了企业在数据合规与本地化运行方面的需求空白。Meta 持续重仓开放模型，并非指望靠模型 API 盈利，而是旨在让全球开发者在其架构上进行优化，从而倒逼整个生态向其靠拢；云厂商之所以乐见开源，是因为无论用户选择何种模型，最终的推理计算都必须在它们的云上运行。
当然，科技巨头押注开放模型绝非出于公益。开放本身就是一种商业策略：先将开发者与云厂商吸纳进来，再通过托管、工具链、企业服务及行业标准来获利。从某种角度看，这也是一种“延迟的闭源”：先以开放抢占心智，待生态依赖形成、用户无法抽身时，再重新制定商业规则。分歧由此显现：闭源企业企图将用户锁定在自家产品内，而开放模型公司则致力于将自家模型植入所有人的产品中。
简而言之，闭源路线最惧怕丧失定价权，开放权重路线最担忧无人买单。两者的差异，可浓缩为以下对比：
闭源 vs 开源
三、为何开放权重堪称 AI 时代的 Android？
若将闭源比作 iOS，那么开放权重正愈发趋近于 Android。此番类比虽不绝对严谨，却足以阐明核心逻辑：移动互联网的终局并非一方消灭另一方，而是演化为两套并行的生态体系——高端体验与平台利润更多倾注于 iOS，而全球规模与设备多样性则流向 Android。决定 Android 胜败的，从来不是某款旗舰机型是否超越 iPhone，而是其无处不在的渗透率。
开放权重模型的扩散逻辑与此如出一辙。它无需在所有维度上碾压最强闭源模型，只要在足够多的场景中“表现达标”，且具备更低成本、更强可控性与更优部署体验，便会被源源不断地注入各类应用：企业的私有化集群、行业定制化模型、运行于手机等终端的端侧模型，以及海量对成本极度敏感的后台任务。
一旦深入企业级场景，模型排行榜便仅供参考。更多时候，决策者考量的是成本、延迟、权限管控与合规性。只要这笔账算得平，一个 85 分但完全可控的模型，往往比一个 100 分却完全租赁的模型更具吸引力。
四、模型开放之后，责任由谁来担？
核心矛盾不在于模型能否开放，而在于开放之后，能力可以被轻易复制，责任却难以同步转移。模型越强大，开放后衍生的风险越难收回——网络攻击、自动化钓鱼、深度伪造、生化危机及舆论操纵等，都可能因强模型的扩散而大幅降低作恶门槛。这也正是 GLM-5.2 等相关报道真正引发海外警觉的根源：当顶尖的网络安全能力以开放权重的形式蔓延，攻防双方的力量天平或许会被悄然改写。
闭源模式至少还能通过账号管理、内容审核、调用限制及日志追踪来维持一定的掌控力；而开放权重模型一旦被下载、篡改、剥离安全过滤并重新部署，原始发布方几乎就失去了干预能力。
这正是围绕开放模型的监管争议日趋白热化的原因，且双方皆有道理。支持者认为，开放有助于透明、审计、竞争与创新，若将最强能力垄断在少数公司手中，社会反而更难对其进行监督；反对者则指出，软件开源释放的仅是代码，而模型开放释放的是一种可迁移、可复制、可规模化应用的能力，一旦突破某些危险临界点，开放或将引发不可逆的扩散风险。
正因如此，“开源还是闭源”这种二元对立的问法正显得不够精准。未来的开放将分化出多个层级：有的仅开放调用接口，有的连同权重一并释放，有的甚至公开训练代码与数据配方；有的允许 unrestricted 商用，有的则仅限学术研究。真正需要探讨的不再是“是否开源”，而是——开放至何种层级？ 哪些模型可以开放、开放到何种深度、由谁来评估风险、如何落实追责，才是这场辩论中最棘手、也最核心的议题。
五、中国 AI 为何更需倚重开放权重？
对中国企业而言，这一议题尤为现实。若沿闭源路线与 OpenAI、Anthropic、谷歌正面交锋，面临的不仅是模型能力的差距，还有算力储备、生态建设、品牌信任及市场准入等一系列鸿沟。闭源路线固然必须推进，中国也需要打造自己的强模型与强平台，但若仅仅局限于打造一个中文版的超级入口，极易陷入同质化泥潭。
开放权重反而可能成为中国 AI 构建全球影响力的突破口，原因很直接：它能绕开产品入口的壁垒。只要一款中国模型足够廉价、强大且易于部署，全球开发者便能直接取用，无需先说服用户下载特定 App，也不必搭建庞大的海外销售网络。
DeepSeek 昔日引发的震动，本质上并非“又多了一个模型”，而是验证了一种可能性——即便不掌握最顶尖的消费级入口，依然能凭借高性价比模型重塑全球开发者对中国 AI 的认知。美国国会下属的 USCC 在 2026 年《两个循环》报告中便点透了这一机制：开放模型在国内反哺产业链，在国外扩张影响力，双循环相互促进。
然而，这条路径亦有代价。开放权重会削弱模型自身的直接变现能力，也让竞争对手能更迅速地借鉴你的成果。中国公司若选择开放路线，就不能止步于“发布模型、刷榜、赢取口碑”，必须直面后续的硬核挑战：如何将开发者的热情转化为企业营收？如何将下载量沉淀为生态控制力？如何将开放权重构筑成商业护城河？若无法解答这些问题，开放只会沦为一场烧钱的流量游戏。
六、最终实现盈利的，或许并非模型本身
将未来全盘押注于开源或闭源任何一端，大概率都是误判。更可能出现的结局是混合路线时代：最尖端、最高风险、最昂贵的模型，仍由少数巨头闭源掌控，负责突破能力天花板、承担更严苛的安全责任。
大量中高性能模型，则会以开放权重、商用许可、行业定制版、端侧适配版等形式广泛扩散，致力于降低成本、拓宽覆盖面、深入垂直行业与本地化场景。企业不会做单选题，开发者也不会只押注单一模型。
这种“既要又要”的需求，将把应用层推向一种全新形态——从“挑选单一模型”进化为“编排模型矩阵”：最棘手的难题交由闭源前沿模型，常规任务分发给开源模型，涉及隐私与内网数据则调用本地模型。由此，一个全新的产业机遇浮出水面——模型调度层：谁能协助企业在闭源、开源、本地及行业模型之间实现任务的智能分配（按需调用最优解），谁就有可能成为 AI 时代的新兴中间层。在这个新兴的调度层中，像立即博这样能够智能路由并自动分配闭源与开源任务的中间件服务，正展现出巨大的商业潜力，它不一定亲自训练最强大的模型，却掌控着模型融入业务流程的枢纽。最精通这门生意的，是那些同时在两端下注的科技巨头。微软便是其中最矛盾也最精明的代表：它在闭源阵营重仓 OpenAI，在开源社区拥抱 Hugging Face，还在 GitHub 上大力推广 Copilot——但无论你最终选择闭源还是开源，大概率都会用到它的云服务、工具链或代码托管平台。这种“中间地带”的繁荣恰恰印证，AI 的分裂并非物理隔离，而是一场围绕云设施、工具链与企业服务展开的重新分工：大模型竞争，正从“模型公司间的较量”，升维至“模型生态间的博弈”。
结语：从“谁最强”回归“谁还愿意持续租用 AI 能力”
“闭源还是开源”，表面上是技术社区争论了数十年的老话题，置于 AI 时代却演变为一个更宏大的产业命题：智能能力究竟该如何分配？
因此，这从来不是非黑即白的单选题。闭源突破能力上限，开放权重推动能力普及。但普及之后，新的封闭形态也会随之滋生——云服务、工具链、模型路由、企业服务，皆可能成为下一轮入口。争论的焦点，正从模型能力本身，转向部署权限、成本结构与生态议价权。
过去两年，全球 AI 界都在追问同一个问题：谁能打造出最强的模型？未来几年，问题将演变为另一个维度——当模型足够强大之后，它究竟该归属谁？而这个问题，最终会具象化为一个个日常决策：下一个项目，你是接入那个昂贵且强大的封闭接口，还是下载一个低成本、可定制、运行在自有设备上的开放模型。
它将率先体现在一些不起眼的迁移行动中：某家创业公司将常规任务从闭源 API 切换至开放权重模型；某家医院出于合规考量，将模型部署于本地服务器；某家车企为了提升端侧响应速度，着手训练专属的小模型。
真正重塑大模型格局的，未必是某次榜单排名的更迭，而是越来越多的人开始反思：这项能力，我为何非要一直租赁下去？
