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，
“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。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，
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，
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、持续迭代，并在协作中不断增强，但这种优势并不完全适用于大模型。”
因此，Amodei 表示自己看到一款新模型时，从来不会先问它是否开源。就连
上面发言发生在这样的一个背景下：“前沿开源模型”正越来越多地被等同于“中国模型厂商产品”，讨论“前沿开源模型能力”时，不可避免地会与蒸馏等其他争议绑定在一起。最近外媒还报道称，美国官员单方面估计，未经授权的模型蒸馏每年给美国 AI 实验室造成的收入损失最高可达 60 亿美元，但并未给出计算依据。
在 Lambert 看来，政府所谓“有权审查”的能力门槛会不断变化，但一旦这种制度建立起来，开源模型获得批准的速度，很可能会远慢于闭源模型。一方面，闭源模型确实更容易实施安全控制；另一方面，闭源模型公司在游说方面的能力也明显更强。
而开源 AI 相关政策一旦发布，开源模型获得批准的速度，很可能会远慢于闭源模型。一方面，闭源模型确实更容易实施安全控制；另一方面，闭源模型公司在游说方面的能力也明显更强。
Lambert 将矛头直接指向了 Anthropic。
“当前反对国内模型的行动主要由 Anthropic 推动。它通过博客文章、信件等方式详细描述国内公司正在做什么。Lambert 评价称，这场行动最初或许源于真实的商业担忧，但如今已经越来越像是在变相给自己建立市场壁垒了：如果 Anthropic 所指控的模型公司被禁止，其产品就会获得极大的收益保障。
“假如 Anthropic 只是以更加中立的方式提供信息，例如告诉部门‘事实在这里，如何处理由你们决定’，社区可能会给予更多理解。但现在它做的更像是在一项高速演进的前沿技术上，直接推动具体政策，而不是单纯分享信息。如果 Anthropic 的技术真像它所宣称的那样强大，强大到类似能力的开源模型理应被禁止，那么它首先应该有能力保护自己的 API 安全。我仍在等待 Anthropic 解释，为什么它做不到这一点。它现在的几种说法中，至少有一种必须被撤回。”
Lambert 继续道，Anthropic 还在以其他方式抽走通往智能能力的梯子。它以安全为名，限制竞争对手获得相关技术，因此它提出的政策建议与其更广泛的限制访问策略是一致的。“当许多员工正在走向足以改变几代人财富水平的回报时，人们很容易认同‘更加重视安全’的企业文化。我并不责怪这些员工，但我们必须把 Anthropic 的公司战略放在更大的背景中理解。”
“Anthropic 实际上要求的，是在美国大范围禁止几乎所有中国开源模型。”Lambert 直言道，围绕开源模型建立的产品，其商业逻辑都建立在模型持续进步之上：随着模型能力增强，产品市场匹配度和计算效率都会提高。一旦这些模型被禁止，正在形成的开源模型经济也会被摧毁，包括推理服务公司、微调公司、新产品以及整个产业链中的其他参与者。
Anthropic 当然可以保护自己的知识产权，但 Lambert 认为，它不应该要求官方替它固化市场地位，更不应该因此让美国与全球开源社区相互隔绝。目前，除了让各家实验室自行采取技术和商业措施进行约束，蒸馏问题并不存在好的政策解决方案。
在安全问题上，Lambert 认为，与其说复杂地微调一个参数量超过 1 万亿的模型会快速扩散危险能力，不如说不安全的 API 更可能让这些能力迅速落入恶意行为者手中。“假如 Anthropic 的模型真的包含极其危险的能力，那么逻辑上最一致的做法，应该是根本不要通过可直接查询的 API 提供这些能力，而不是先把它上线，再讨论别人是否会蒸馏它。”
因此，我们现在面对的是两场同时展开、都会影响开源模型命运的关键讨论：一场围绕模型蒸馏，另一场围绕前沿能力。这两个问题在本质、回应必要性以及可采取的政策工具上都非常不同，但它们正在合流，逐渐形成一套支持“未来 6 个月内禁止开源模型”的强势叙事。
“现在的蒸馏议题实际上在很大程度上已经变成一场‘打压行动’，因为目前摆在桌面上的所有解决方案，都会让推动这些方案的机构获得巨大利益。”Lambert 说道。
“开源生态无法被阻止”
“我们确实需要为前沿开源模型制定合适的政策，但全面禁止大概率不是答案。”Lambert 说道，“即便只有美禁止引进某些模型，全球开源社区仍会继续发展。”
他认为，真正能够为开源发展设置上限的，只有一项关于如何管理 AI 模型风险的全球协议，而我们距离这种协议还非常遥远。其他任何延迟措施，都只会让 AI 的落地变得更不可预测、更混乱，最终的局面可能会很像 GPT-5.6 的发布过程，只不过届时受限的不只是少数公司获得开放、廉价智能的收益，而是所有恶意行为者仍能立刻获得这些能力。
“开源模型提升安全性的方式，是让更多人能够访问、理解和审视模型，而不是只把守法、正当的参与者打残。”Lambert 说道，“现实是，开源生态无法被阻止。”
要让开源摆脱这场死亡螺旋，Lambert 表示有一条短期出口，那就是让一家美企发布能力相近的开源模型。这样，讨论的焦点就会转向“所有人都身处同一个生态，应该共同处理不断变化且极其复杂的前沿问题”。
“这对开源而言是一项生存级任务。那些在商业上有理由发布开源模型的公司，例如 Microsoft 和 Meta，应该尽快行动，因为开源模型能够把它们的互补业务变成基础设施优势。”Lambert 说道，假如 Reflection 手里已经有一个尚可、但还没有达到前沿水平的模型，它可能也需要尽快发布，以挽救自己所设想的商业方向。”
比起重新训练一个新模型，更快的解决方案是立即建立联盟。Lambert 呼吁前沿实验室之外的“所有其他人”，现在就必须开始行动，思考如何继续安全地发布开源模型，并捍卫开源模型所代表的原则与价值。
本文来自微信公众号“InfoQ”（ID：infoqchina），作者：褚杏娟，36氪经授权发布。
