一、开篇：AI 是开源还是闭源？

2026 年的 AI 时代，开源 vs 闭源是核心议题之一：

• 闭源派（OpenAI、Anthropic、Google）—— 安全可控、性能领先；
• 开源派（Meta、Mistral、DeepSeek、阿里、智谱）—— 透明可控、生态强大。

开源大模型 5 年的故事，从 2023 年 Meta 发布 LLaMA 开始，到 2025 年 DeepSeek 引发美股暴跌达到高潮。本文梳理这场革命。

二、开源 vs 闭源：早期争论（2010s – 2022）

2.1 深度学习开源传统

深度学习本身建立在开源之上：

• TensorFlow（Google 2015 开源）；
• PyTorch（Meta 2016 开源）；
• Hugging Face Transformers（2018 开源）。

早期 AI 研究是高度开放的——论文 + 代码 + 数据集全部公开。

2.2 GPT-2 的”开源争议”（2019）

2019 年 OpenAI 发布 GPT-2（15 亿参数），最初因为”太危险”暂不开源：

• • 引发”AI 是否应当开源”大讨论；
  • 2019 年 11 月全量开源；
  • OpenAI 在 2019 年仍然认为”AI 应该开放”。

2.3 GPT-3 闭源（2020）

GPT-3 改变了 OpenAI 的态度：

• 1750 亿参数；
• 2020 年发布时只通过 API 提供，不开源；
• 标志 AI 行业从”开源”转向”API 商业化”。

GPT-3 之后：

• • OpenAI 不再开源任何后续模型；
  • Anthropic、Google 也闭源；
  • AI 行业进入”封闭 API”时代。

2.4 EleutherAI 和开源反抗（2020 – 2022）

• 2020.7 EleutherAI 启动——一群 AI 研究员决定”复制 GPT-3″；
• 2020.12 GPT-J（60 亿参数）发布；
• 2021.6 GPT-NeoX（200 亿参数）发布；
• 2021 The Pile 数据集发布（825 GB）。

EleutherAI 是开源大模型的火种——证明了”开源社区可以复现闭源大模型”。

三、LLaMA 引爆开源时代（2023）

3.1 LLaMA-1（2023.2）

Meta 发布 LLaMA-1——开源大模型的转折点：

• • 65B / 33B / 13B / 7B 四种规格；
  • 仅限学术研究使用（非商业）；
  • 训练数据 1.4 万亿 token；
  • 在多项基准测试上超越 GPT-3。

3.2 LLaMA”泄露”事件（2023.3）

LLaMA-1 在 2023 年 3 月通过 BitTorrent 泄露：

• • 几周内被下载数十万次；
  • 全世界的开发者开始基于 LLaMA 微调；
  • Meta 的”限制使用”条款形同虚设——开源精神战胜了商业限制。

3.3 LLaMA-2（2023.7）

Meta 顺势发布 LLaMA-2——完全开源可商用：

• 70B / 13B / 7B 三种规格；
• 允许商业使用——直接和 GPT-3.5 / GPT-4 竞争；
• 训练数据 2 万亿 token；
• 与微软合作分发到 Azure。

LLaMA-2 的意义：证明开源大模型可以在性能上逼近闭源模型——闭源不再是不可逾越的护城河。

3.4 LLaMA-3（2024.4）

Meta 发布 LLaMA-3：

• • 8B / 70B / 400B（最大）三档；
  • 405B 版本在多项基准上接近 GPT-4；
  • 训练数据 15 万亿 token；
  • 原生多模态支持（图像 + 文本）。

3.5 LLaMA-3.1（2024.7）

• • 405B 模型开源；
  • 128K token 上下文；
  • 多语言支持（8 种语言）；
  • Meta 把 LLaMA-3.1 定位为”开源 GPT-4″。

3.6 LLaMA-3.3（2024.12）

• 70B 模型性能逼近 405B；
• 进一步优化推理能力。

Meta 的开源 LLaMA 系列=开源大模型的最强阵容——直接挑战 OpenAI 闭源霸权。

四、Mistral：欧洲开源力量（2023 – 至今）

4.1 Mistral AI 创立（2023.4）

Mistral AI 由前 Google / Meta AI 工程师在巴黎创立：

• • 创始人：Arthur Mensch（DeepMind 前研究员）+ Guillaume Lample + Timothee Lacroix；
  • 定位：欧洲版 OpenAI，开源为主；
  • 融资：6 个月估值从 0 到 20 亿美元（创纪录）。

4.2 开源产品

Mistral 的双轨策略：

• 开源小模型（建立生态）；
• 闭源大模型（商业化收入）。

五、中国开源大模型（2024 – 至今）

5.1 智谱 AI（GLM 系列）

• • 2024 GLM-4 开源；
  • ChatGLM 系列是中国早期开源大模型（2022 起）；
  • 智谱 AI（北京，2019 创立）—— 清华系，开源 + 闭源混合。

5.2 阿里通义千问（Qwen）

• Qwen-7B/14B/72B（2023.4）开源；
• Qwen-VL 多模态开源；
• Qwen-2（2024.6）开源；
• Qwen-2.5（2024.9）—— 训练数据 18 万亿 token，号称”开源 SOTA”；
• Qwen-3（2025）—— 进一步逼近 GPT-4。

Qwen 是中国开源大模型的代表——在 Hugging Face 下载量长期排名前列。

5.3 百度文心（ERNIE）

• • 文心 4.0 闭源为主，部分开源（ERNIE-ViLG 等）；
  • 与阿里、字节错位竞争。

5.4 字节豆包（Doubao）

• • 字节 2024 年发布豆包大模型；
  • 价格战主力（每千 token 0.8 厘 vs OpenAI 数十倍）。

5.5 DeepSeek（深度求索）—— 2025 美股地震

DeepSeek 是 2025 年最戏剧性的 AI 公司：

• 2024.12 DeepSeek-V3 发布——671B 参数 MoE，开源；
• 2025.1 DeepSeek-R1 发布——推理模型，性能对标 OpenAI o1；
• 2025.1.27 美股因 DeepSeek 暴跌——英伟达单日跌 17%（市值蒸发 6000 亿美元）；
• 训练成本仅约 600 万美元（vs OpenAI 数亿美元）。

DeepSeek 的意义：

1. 开源大模型可以逼近闭源前沿模型；

2. 训练成本可以大幅降低（算法 + 工程优化）；

3. AI 集中化的护城河被打破——单家公司难以独占领先优势。

六、开源大模型生态

6.1 Hugging Face

Hugging Face 是开源大模型的事实平台：

• • 2022 年估值 20 亿美元；
  • 2025 年估值 45 亿美元；
  • 平台托管 100+ 万模型；
  • Transformers 库被所有 AI 公司使用。

6.2 中国开源平台

• • ModelScope（阿里达摩院，2022）—— 中国版 Hugging Face；
  • ModelZoo（开源中国）—— 中文 AI 模型社区；
  • 始智 AI（Wisemodel）—— 中文开源大模型平台。

6.3 微调框架

• LLaMA-Factory（中国开发者）—— 最流行 LLaMA 微调框架；
• Unsloth—— 速度提升 2-5 倍的微调工具；
• Axolotl—— 简化微调流程；
• Hugging Face TRL—— 强化学习微调。

七、开源 vs 闭源：核心争议

7.1 支持开源的理由

1. 透明性——可审查、可重现；

2. 民主化——每个人都能用 AI；

3. 生态——社区贡献推动模型进步；

4. 数据主权——数据不出本地；

5. 安全——多方审查发现漏洞；

6. 学术研究——可重复验证。

7.2 支持闭源的理由

1. 商业可持续——保护商业模式；

2. 安全——防止 AI 滥用；

3. 性能领先——闭源有更多资源；

4. 责任——闭源公司承担责任；

5. 防止恶意使用——避免被坏人利用。

7.3 监管立场

• 欧盟 AI Act——不强制开源，但要求训练数据透明度；
• 美国——倾向监管而不强制开源；
• 中国——《生成式 AI 办法》要求”安全可控”，但鼓励开源生态；
• Meta 立场——开源是”AI 民主化”，防止 AI 集中；
• OpenAI 立场——闭源是”安全可控”。

八、未来 5 年：开源大模型的下一波

8.1 趋势预测

• • 开源追上闭源——开源模型性能继续逼近闭源前沿；
  • 训练成本下降——DeepSeek 模式被广泛复制；
  • 垂直模型爆发——医疗、法律、教育、金融等垂直开源模型；
  • 端侧部署——手机、汽车、IoT 设备上的开源小模型；
  • 国家力量——各国把”开源大模型”上升为国家战略。

8.2 关键不确定因素

• AGI 时间点——AGI 临近时，开源是否受限？
• 监管——AI Act + 各国监管可能限制开源；
• 地缘政治——开源 vs 闭源成为”中美 AI 战”前线；
• 商业可持续——开源公司如何持续盈利？

九、结语：开源大模型是 AI 时代的”GNU 运动”

回到 1998 年——Linux 和 GNU 运动证明了开源软件可以挑战微软；到 2025 年，DeepSeek 证明了开源大模型可以挑战 OpenAI。

开源大模型 5 年告诉我们：

• 开源不是慈善，而是技术 + 商业 + 哲学的综合选择；
• 开源不是低性能，而是”开放 + 性能”的组合；
• 开源不是无序，而是社区驱动的新协作方式。

未来 5 年，开源大模型将从”挑战者”变成”主流”——这是 AI 时代的 GNU 运动。