近一年国产大模型密集「开源」，但很多人对「开源」的含义有误解。这里做个简单的澄清。
「开源」其实是「开放权重」
AI 大模型所说的开源，通常指的是开放权重（open weights）——把训练完成的参数文件作为二进制成品公开。它与传统软件开源「公开源代码、任何人可复现构建」的含义只有部分重叠：你拿到的是一套「训练好的成品大脑」，而不是制造大脑的全部配方。
为什么开源成了全球趋势？
核心原因是各家模型的技术差距越来越小，真正稀缺的不再是技术本身，而是落地、推广、触达用户的渠道。对后入场的公司来说，开源是成本最低、最直接拿到市场分发权限的方式。这也解释了为什么 Meta 从 5 月「旗舰不适合开源」的立场，8 月就发布开源模型 Muse Glimmer；OpenAI 首席执行官也公开承认在开源问题上「站在了历史错误的一边」。
开源 ≠ 免费
很多人以为开源就意味着免费使用，其实不是。开源的是「权重」这一环免费，但后面还有几项都要花钱：
- 算力：把权重跑起来需要 GPU 或云资源，这是持续成本。
- 部署工程：推理优化、服务化、运维，都需要投入。
- 持续迭代：基座在更新，要跟上就得持续投入。
- 合规责任：数据、内容、安全合规的成本并没有消失。
一句话总结：开源改变的是「价格锚」，加速的是固定能力成本曲线的下滑，而不是前沿能力价格的下滑。对中国企业而言，开源模型累计下载量已居全球首位，7 月全球多模型调用量排行榜前 5 名也被中国企业包揽——开源正在成为中国大模型走向世界的重要路径。