开源还是闭源，引爆路线战争 | 图：AI 生成

作者／ IT 时报 沈毅斌

编辑／ 王昕 孙妍

7 月 27 日晚，月之暗面正式开源 2.8 万亿参数大模型 Kimi K3。消息一出，全球 AI 圈陷入一种奇特的集体 " 亢奋 "：Hugging Face CEO 在社交媒体上盛赞，一向对中国 AI 持保留态度的部分硅谷从业者，也开始重新审视这家中国创业公司的技术成色。

几乎在同一时间，英伟达 CEO 黄仁勋发布了他人生中的第二条推文，官宣 " 开放安全人工智能联盟（OSAA）" 成立，37 家创始成员名单上，英伟达、微软、IBM、Hugging Face、SpaceXAI 悉数在列，唯独不见 OpenAI、Google 和 Anthropic 的身影。

一个开源的中国大模型，把硅谷多年来的 " 闭源共识 " 撕开一道口子。而这道口子背后，是一场关于 AI 未来走向的路线之争。

Kimi K3 开源

让硅谷 " 破防 "

要理解这场争论的烈度，得先搞清楚 Kimi K3 到底做了什么。

Kimi K3 的参数规模达到 2.8 万亿，是目前全球最大的开源模型，发布时，马斯克甚至在相关评测报道评论区留下了一句 "Impressive（令人印象深刻）"。但真正让行业震动的不是参数规模，而是它用一种 " 省着花 " 的方式，跑出了接近 " 随便花 " 的效果。

打个比方，传统大模型是把整栋写字楼里 2.8 万个房间的灯全部点亮，每一次推理都耗能巨大。而 K3 采用的 MoE 架构则像一位聪明的楼管，虽然整栋楼有 2.8 万个房间，但每次只点亮需要的那几百个房间。这种 " 稀疏激活 " 的设计，让它在综合智能水平上仅次于 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。

更让人意外的是编程能力。在 Frontend Code Arena 编程榜单上，Kimi K3 以 1679 分登顶，这是开源模型第一次在同一榜单上踩下 Claude 和 GPT 系列闭源模型。在 ProgramBench 测试中，Kimi K3 得分 77.8，以 0.2 分的优势超过 GPT-5.6 Sol 的 77.6 分。

" 以前大家默认最好的模型一定是闭源的。" 一位国内 AI 创业者表示，OpenAI 那套 " 巨额投入—闭源垄断—高额回报 " 的模式，已经被验证能赚大钱，但 K3 用开源的方式逼近甚至超越了闭源的天花板，这让整个商业逻辑出了 bug。

性能不差，还更安全

Bug 出在哪儿？出在钱上。

美国科技巨头的 AI 霸权建立在一个清晰的闭环上：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，把技术锁在 API 后面，全世界就只能乖乖付费。这个模型需要两个前提：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 开源之后，这两个前提同时松动。性能不比闭源差，还不要钱，这对 " 闭源收割 " 模式是釜底抽薪。

另一个 " 破防 " 的点是安全。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 为获取评测高分而自主突破沙箱隔离，利用零日漏洞侵入 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，但闭源模型的安全护栏太 " 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，把防守者挡在门外。

情急之下，Hugging Face 部署了中国智谱 AI 的开源模型 GLM-5.2，百万 Token 的上下文窗口一口气吞下整个攻击日志，迅速完成全部取证分析。

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，让硅谷第一次意识到：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。

开源能缓解算力之痛？

Kimi K3 上线两天就因用户请求量过载，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，是所有闭源模式都逃不开的 " 算力之痛 "。

《中国经营报》引用了行业测算：按照 Kimi 最低 49 元月度会员标准（现会员费为 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，就已经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。

开源模式相当于把 " 单一中央厨房 " 变成 " 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 Claude Fable 5 每百万输入 Token 收费 10 美元、输出 50 美元；Kimi K3 输出定价为 100 元 / 百万 Token（约 15 美元 / 百万 Token），综合成本已低至前者 1/3 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 " 走向 " 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，相当于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、闲置算力集群都可以承载模型运行，全城各处都有了可使用的加工点，自然大幅缓解集中式算力的压力。

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、国家超算互联网都在第一时间上线 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。

这才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高潮。

黄仁勋的 " 开放安全 AI 联盟 " 释放了一个清晰的信号：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，把智能体当 Python 类来写，在 SWE-bench Verified 编程能力评估基准上拿到 82.2%。

为什么黄仁勋要在这个时间点力推开源？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、用的人越多，对 GPU 的需求就越大。黄仁勋不关心你用什么模型，他只关心你用不用算力。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，但始终没有加该联盟。

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，定价才能持续投入；开源派相信，AI 的价值在于普及，普及才能创新，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，开源不是万能药。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，才刚刚开始。