随便哪一周刷科技榜单,都会看到同一个模式重复出现。一个开源模型登上 Hacker News 头条。一家中国实验室的发布领跑 Hugging Face 论文榜。一个基于开源权重的新智能体框架在 GitHub 上走红。名字在换——这个月是 Kimi,上个月是 DeepSeek,下个月可能是别人——但类别不动。开源 AI 不是昙花一现,它已经持续了足够久,久到值得问一句:到底是什么在变化。
被"开源"的是什么
"开源"这个词覆盖的范围很宽,而宽窄本身很重要。一端是完全开放权重加宽松许可证:下载模型、随处运行、微调、放进产品里卖。另一端是"开放权重"但限制商业使用,或者权重公开、训练数据和训练过程不公开。榜单常常模糊这个区别,而这种模糊本身就有信息量——受众在乎的不是许可证文本,而是能不能用这个东西。
可用性才是真正的故事。一个只能通过 API 访问的前沿模型是一项服务;一个能下载运行的前沿级模型是基础设施。差别体现在被造出来的东西上:API 模型催生的是套壳和演示;可下载的模型催生的是框架、本地智能体、针对特定领域的微调,以及能离线运行、能部署在公司防火墙内的产品。GitHub 热榜实际上就是这个区别的仪表盘——它量的是开发者真正能拿起来造东西的能力,而不是只能围观的东西。
为什么总是中国实验室领跑
这轮里最稳定的名字是中国公司:DeepSeek、Kimi(月之暗面)、Qwen(阿里)。这不是巧合,也不只是谁算力多的问题,而是激励机制的问题。美国实验室已经收敛到封闭的 API 优先商业模式——模型就是产品,产品按量计费。中国实验室在出口管制限制最先进芯片的情况下,押了相反的注:把模型做得够好、够开放,让生态围绕它生长,靠采用率而不是按 token 收租来赢。
这个赌注在榜单上看得清清楚楚。Kimi 或 DeepSeek 一发布,不只登上一个榜:Hacker News 讲技术细节,Hugging Face 上权重和论文,GitHub 上几天内就出现基于它做的项目,微博和知乎讲产业意义。同一次发布是四个不同的故事——技术事实、社区事实、建造事实、产业事实——而它同时是这四个,本身就是重点。封闭的 API 发布只上一个榜;开放的发布能上所有榜,因为不同的受众都能拿它做点什么。
底下还有一个成本故事。开源模型压缩了智能的价格。当一个有能力的模型可以本地运行或自托管,AI 功能的边际成本就趋向算力成本,而不是 API 定价。这就是为什么智能体框架——自托管的 Claude 智能体、Replit 式的智能体商务、本地编程助手——总跟模型发布一起出现。模型让智能体跑起来变便宜,智能体让模型对更多人有用。这是一个循环,每转一圈都会在榜单上留下痕迹。
它改变了什么
结构性的变化在于谁有资格建造。在 API 时代,用前沿 AI 造东西意味着成为少数几家实验室的客户。你能做产品,但核心能力是租来的,租金随时可能变。在开源权重时代,用前沿级 AI 造东西意味着拥有这种能力——下载它、改它、在你想放的地方运行它。这改变了每个开发者和每家小公司的议价能力,也改变了哪些产品变得可行:那些永远付不起 API 价格的产品、需要离线运行的产品、受监管行业里不能把数据发给第三方的产品。
它也改变了竞争逻辑。封闭实验室比的是能力——造一个比上一个更好的模型。开放实验室比的是采用率——造一个好到让生态围绕它标准化的模型,让生态本身成为护城河。这是另一种游戏,而中国实验室目前在榜单上赢的正是这种游戏,不是因为它们的模型在绝对能力上碾压封闭模型,而是因为开放会复利:每一个基于开源模型建的项目,都让下一个开源模型更有价值;每一个学会用开源权重的开发者,都成为下一次发布也开源的理由。
这并不意味着封闭模型完了。最强的模型仍然是封闭的,对很多用途来说 API 就是更方便。但榜单的方向是明确的:开发者真正在做的事、真正在启动的项目、真正在读的论文,越来越多建立在开源权重之上。榜单不是在预测未来,它在报告现在,而现在的情况是,AI 领域里真正动手建造的地方,已经是开源这一边。