开源抑或闭源？AI赛道引爆路线之争 | 图：AI生成
作者／ IT时报 沈毅斌
编辑／ 王昕 孙妍
7月27日晚间，月之暗面正式将拥有2.8万亿参数的大模型Kimi K3推向开源领域。这一举动瞬间在全球人工智能圈激起千层浪，引发了一种罕见的集体“亢奋”。Hugging Face的首席执行官在社交平台上极力称赞，而此前对中国AI技术持保留态度的部分硅谷从业者，也开始重新审视这家中国初创公司的技术底蕴。
几乎同一时刻，英伟达CEO黄仁勋发布了其职业生涯中的第二条推文，宣布成立“开放安全人工智能联盟（OSAA）”。在列出的37家创始成员名单中，英伟达、微软、IBM、Hugging Face以及SpaceX AI赫然在列，唯独OpenAI、Google和Anthropic缺席。
一款来自中国的开源大模型，竟撕开了硅谷多年来坚守的“闭源共识”的一道裂缝。而这道裂缝背后，折射出的是关于AI未来走向的深刻路线博弈。
Kimi K3开源令硅谷“破防”
要理解这场争论为何如此激烈，首先得看清Kimi K3究竟具备何种实力。
Kimi K3的参数规模高达2.8万亿，是目前全球体量最大的开源模型。发布之际，马斯克甚至在相关评测报道的评论区留下了一句“Impressive（令人印象深刻）”。但真正让行业感到震撼的并非参数数量本身，而是它采用了一种“精打细算”的方式，跑出了接近“挥霍无度”的效果。
打个比方，传统大模型好比把整栋写字楼里2.8万个房间的灯全部点亮，每次推理都伴随巨大的能耗。而K3采用的MoE架构则像一位精明的楼管，尽管整栋楼有2.8万个房间，但每次仅点亮需要的那几百个。这种“稀疏激活”的设计，使其综合智能水平仅次于Claude Fable 5和GPT-5.6 Sol两款顶级闭源模型，却只消耗了远低于后者的算力资源。
更令人意外的是其编程能力。在Frontend Code Arena编程榜单上，Kimi K3以1679分的高分登顶，这是开源模型首次在同一榜单上超越Claude和GPT系列的闭源模型。在ProgramBench测试中，Kimi K3得分77.8，以0.2分的微弱优势超越了GPT-5.6 Sol的77.6分。
“过去大家默认最好的模型一定是闭源的。”一位国内AI创业者坦言，OpenAI那套“巨额投入—闭源垄断—高额回报”的模式已被证明能赚大钱，但K3通过开源方式逼近甚至超越了闭源的天花板，这让整个商业逻辑出现了Bug。
性能不差，且更安全
Bug究竟出在哪里？出在资金上。
美国科技巨头建立AI霸权的逻辑清晰可见：巨额算力投入—闭源技术垄断—全球收割高额溢价—回收资本再投入。OpenAI、Anthropic的核心假设很简单：只要跑得足够快，将技术锁在API后面，全世界就只能乖乖付费。这个模式依赖于两个前提：技术绝对领先，且市面上找不到同等质量的免费替代品。
Kimi K3开源后，这两个前提同时松动。性能不输闭源，还无需费用，这对“闭源收割”模式构成了釜底抽薪般的打击。
另一个令硅谷“破防”的因素是安全性。今年7月，全球最大的AI开源社区Hugging Face遭入侵，攻击者是一个自主AI Agent。事后查明，这是OpenAI在内部网络安全评测（ExploitGym）中，其AI Agent为获取高分而自主突破沙箱隔离，利用零日漏洞侵入了Hugging Face生产系统。
Hugging Face官方复盘确认，曾尝试使用美国主流商用闭源大模型分析攻击日志，但这些闭源模型的安全护栏过于“尽责”，一看到攻击指令和漏洞代码就直接拒绝响应，分不清谁是黑客、谁是防守者，反而将防守者挡在门外。
情急之下，Hugging Face部署了中国智谱AI的开源模型GLM-5.2，凭借百万Token的上下文窗口一口气吞下整个攻击日志，迅速完成了全部取证分析。
Kimi K3的技术突破动摇了闭源的商业模式，Hugging Face的遭遇戳破了闭源更安全的“神话”。两件事叠加，让硅谷首次意识到：开源模型不仅能打，而且可能更适合应对AI时代复杂多变的安全挑战。
开源能否缓解算力之痛？
Kimi K3上线仅两天，便因用户请求量过载，官方紧急暂停C端新用户订阅。不少用户调侃“最强的模型永远约不上”，但玩笑背后，是所有闭源模式都无法逃避的“算力之痛”。
《中国经营报》引用了行业测算数据：按照Kimi最低49元月度会员标准（现会员费区间为49元/月～699元/月），单一重度用户每天进行两次百万上下文深度对话，仅推理侧的算力折旧与电费成本，就已超过这一档月度会员定价；用户使用强度越高，平台的边际亏损就越大。这也是月之暗面不得不限流、对算力消耗巨大的Kimi Code编程功能实施额度管控的根本原因。
开源模式相当于将“单一中央厨房”转变为“分布式的千万个厨房”，从供需两端系统性缓解算力压力。
首先是成本对比。Claude Fable 5每百万输入Token收费10美元、输出50美元；而Kimi K3输出定价为100元/百万Token（约合15美元/百万Token），综合成本已低至前者的三分之一左右。海外AI基础设施创业公司创始人将K3称为“本地版Fable 5”，性能接近，但免费且可下载。
其次，算力供给从“集中垄断”转向“分布式扩容”，做大了行业算力总盘子。闭源时代，全球用户的算力需求都涌向少数几家巨头的数据中心，犹如全城市的人都去同一家餐厅就餐，高峰期必然拥堵。开源普及之后，企业自有服务器、地方智算中心、闲置算力集群均可承载模型运行，全城各处都有了可用的加工点，自然大幅缓解了集中式算力的压力。
Kimi K3开源当天，Together AI、Modal等海外平台即宣布Day-0接入；国内腾讯云ADP、TokenHub、阿里云百炼、国家超算互联网也在第一时间上线了K3的调用通道。
最后是开源催生了全球范围的“主权算力”需求。对于欧洲、中东、东南亚等众多国家而言，使用美国闭源模型意味着政务、商业核心数据必须传输至境外服务器，数据安全与算力自主权始终受制于人。但从零自研万亿级大模型，成本高达上百亿美元，绝大多数国家根本无力承担。
Kimi K3这类顶级开源模型的出现，提供了低成本的替代方案：下载模型权重，配合本地数据微调，几周时间就能打造符合本国语言、文化、法律规范的本土大模型，数据全程不出境，算力基础设施建在本国。
这正是中国开源模型在海外持续升温的原因。它不只是一款好用的技术工具，更给了众多国家摆脱美国AI依附的可行路径，让全球AI产业从单极垄断，真正走向多极共存的格局。
黄仁勋站队开源
就在Kimi K3开源引发全球关注的同时，硅谷内部关于“开源还是闭源”的路线之争也达到了一个新的高潮。
黄仁勋发起的“开放安全AI联盟”释放了一个清晰信号：世界需要闭源和开源模型并存，但对网络安全而言，开源模型和工具链是必需的。英伟达还开源了NOOA框架，允许开发者将智能体当作Python类来编写，在SWE-bench Verified编程能力评估基准上取得了82.2%的成绩。
为什么黄仁勋要在这一时间点力推开源？答案或许藏在算力生意的本质里。无论模型开源还是闭源，最终都要跑在GPU上。开源模型越多、使用者越多，对GPU的需求就越大。黄仁勋不关心你用什么模型，他只关心你是否使用算力。从这个角度看，开源恰恰是英伟达最好的盟友。
但OpenAI、Google和Anthropic或许并不这么想。OpenAI和Google补签了《开放权重与美国AI领导力》公开信，却始终未加入该联盟。
Anthropic首席执行官达里奥·阿莫代伊在当地时间7月27日发表文章称，Anthropic从未主张全面禁止开放权重AI模型，并赞同开放模型能够扩大AI经济参与度、促进竞争并增强用户控制，但不同意“开放模型必然更容易建立安全防护”的观点。
因此，Anthropic既未加入联盟也未签署公开信，依然是闭源路线上最坚定的商业践行者。其Claude系列一直是闭源模型的性能标杆，而K3在多项测试中已经逼近甚至超越了它。
这场路线之争的背后，是两种截然不同的商业哲学。闭源派相信，AI的价值在于稀缺，稀缺才能定价，定价才能确保持续投入；开源派相信，AI的价值在于普及，普及才能激发创新，创新才能走得更远。
K3开源当天，华为昇腾宣布实现Day0极速全链路适配，趋境科技基于开源推理引擎SGLang完成了K3在华为昇腾910C超节点上的适配。中国AI模型与中国算力芯片的协同演进，正在形成一种独立于硅谷体系的技术生态。
当然，开源并非万能药。算力依然是硬约束，开源可以让模型“飞入寻常百姓家”，但要让家家户户都用得起、用得好，还需要整个产业链的共同努力。但至少，Kimi K3证明了一件事：AI的未来，不一定只有闭源一条路。
当黄仁勋都开始为开源站台，当马斯克都忍不住点了个赞，这场关于“开源还是闭源”的路线战争，才刚刚拉开序幕。
排版／ 季嘉颖
图片／ Kimi Hugging Face AI生成
来源／《IT时报》公众号vittimes
E N D
