82
Using the release of Kimi K3 as a thread, this article maps out the multiple takes on the open-source vs. closed-source debate circulating on Zhihu, revealing the industrial ecosystem and interest structures behind competing technical roadmaps. 
Yesterday 4167 words (about 17 min) View Source →
Sign in to highlight text and take notes as you read. Sign in now
这段时间，如果顺着知乎上的 Kimi K3 相关讨论一路看下去，会发现话题的重心连续转了几次弯。
最初，大家关心的是：这个 2.8 万亿参数的新模型到底有多强？很快，问题变成了：面对悬殊的算力和资金差距，中国团队为什么还能做出 K3？随后，OpenAI 负责人把 Kimi 开源称为「减速主义」，将争议推向了开源与闭源；黄仁勋首次在 X 发文，又把「世界需要前沿闭源模型，也需要前沿开源模型」摆到了台前。
一款模型的发布，最终引发了一场关于 AI 如何进步、由谁承担成本、谁能分享收益的公开辩论。这条讨论的逻辑脉络，几乎是同步在知乎上生长出来的。
严格来说，Kimi K3 目前更准确的表述是「开放权重」而非完全开源。为了行文简洁，本文在讨论行业争议时沿用更常见的「开源模型」说法；涉及具体技术边界时，则使用「开放权重」。
K3 发布后
人们先看到的是「巨大」
7 月 16 日，Kimi K3 推送后，知乎的第一批讨论集中在它的参数规模和实际表现上：
总参数 2.8T，支持 1M 长上下文，在游戏开发、前端工程、3D、CAD 等工作流中表现突出。
在知乎答主@toyama nao 的编程实测中，K3 的前端直出跨过了可用线，在复杂 Debug 和 500K 上下文场景中仍能保持对原始目标的把控；知乎答主@德里克文 则用 K3 完成了睡眠管理应用，并继续让它生成产品视频。
这些实测让讨论超出了 Benchmark 上的一行行数字。用户开始看到，一个超大规模模型如何进入真实的产品工作流。
惊艳之外，知乎答主也给这轮热度加上了注脚：单次 prompt 的展示很难代表复杂项目中的稳定生产力，榜单靠前也无法消除真实使用成本。
K3 正式开放权重并发布技术报告后，另一组数字浮出水面：每次生成激活约 104B 参数，模型文件约 1.56TB。知乎答主@waterwu 如此评价这套部署门槛：
_这个规模，反正个人玩家基本出局，怎么量化都没用，需要数据中心级硬件。官方推荐是 64+ 卡的超节点、而且刚需 NVLink 级别的高带宽互联、电费 45kW 级别。_
K3 面向整个行业开放，开发者和企业获得了理解、改造与部署模型的权利，许可门槛随之降低；可算力门槛依然存在。它像一座公开全部图纸的巨型工厂，任何人都可以研究结构，但真正开动机器仍需要重型基础设施。
海外关注的
还有一笔更难算的账
K3 引起海外关注，或许源于它再次放大了一组反差：美国头部 AI 公司拥有千亿美元级融资、领先芯片和庞大算力集群，资源受限的中国团队却仍将模型推到前沿牌桌。
知乎答主@yue cz 的回答不长，却点出了技术突破背后的资本问题：
_一个 DeepSeek 你还能说是孤例，月之暗面总共融资融了 300 亿人民币，300 多人的团队，用着落后的算力卡，追上美国动不动就千亿融资千人团队的头部 AI 公司，你说该怎么跟美国的投资人算这笔账？_
如果把视线从模型价格移到算力，K3 背后还有一场更具体的中美 AI 博弈。
知乎答主@恋猫 援引研究者 Nathan Lambert 的判断：「开放权重模型真正进入前沿竞争，单极的美国闭源主导格局正在结束」。
这正是 K3 引发海外关注的深层原因：美国以先进芯片、巨额资本和闭源服务建立领先优势，中国团队则在资源限制下，通过算法、数据、基础设施和组织效率压缩差距。
K3 并不能单独证明哪一条路线必然胜出，但它至少说明，资金与算力不是决定模型能力的唯一变量。随着国产算力节点逐步补位，工程效率可能在下一阶段的竞争中获得更高权重。
OpenAI 所说的「减速」
减的是谁的速度？
争论最激烈的一幕，来自 OpenAI 战略与未来团队负责人 Dean W. Ball。他将 Kimi K3 的开放权重与「减速主义」联系起来，大意是：开放权重模型会压低闭源公司的收入和投资回报，继而削弱其投入前沿研究的动力。
这套逻辑有现实基础。训练前沿模型需要巨额资本，闭源公司依靠订阅、API 和企业服务回收投入，也推动了 scaling laws、推理能力和 AI agent 等重要方向。商业回报的确为前沿探索提供了燃料。
知乎上的追问则集中在另一个环节：闭源公司的回报下降，能否直接等同于技术进步减速？
知乎答主@Trisimo崔思莫 从技术协作与市场竞争两条线给出了回答：
_开源技术之所以存在，是为了迭代加速，让更多的在 A 的基础上，快速做出 A1、A2、A3，避免重复造轮子。如果你害怕开源，因为你的技术不够领先了。_
知乎答主@手动狗头 则从投资效率角度提出质疑：
_有没有可能，在下一代模型的技术路线，商业前景，付费意愿，各方面都不明确的时候，先砸上几百亿美元就是错误的行为？_
从训练框架、注意力机制、优化器到推理基础设施，大模型技术一直在不同团队之间流动、吸收和再创造。开源会挤压高毛利，却也加速技术扩散、成本下降和应用落地。
争议发酵后，Ball 发长文澄清：自己刚刚加入 OpenAI 不久，原先的措辞不够精准；开放权重可能会减少闭源公司的投资，在技术传播等层面则会带来加速，他本人仍然支持开放权重。
由此，真正的分歧浮出水面：谁来承担前沿创新的成本，谁能分享创新收益，以及一家公司商业回报的增减，是否足以代表整个行业的速度。
黄仁勋的发声
将产业生态带进了争论
7 月 24 日，黄仁勋首次开通 X 账号，第一篇内容便分享了一封由英伟达、微软、Meta、IBM、Hugging Face 等多家机构联署的公开信。知乎上也随即出现了对黄仁勋首次公开力挺开源模型和开放权重公开信的讨论。
!Image 6 公开信的核心判断很克制：世界需要前沿闭源模型，也需要前沿开源模型。
知乎答主@字母榜 对公开信的梳理提供了四个观察角度：开放权重能让企业、大学和公共机构从现有模型出发；能推动模型、芯片、云服务和应用之间的竞争；能让组织掌握自己的数据与部署环境；还能让更多研究者参与测试、红队和漏洞修复。
当然，黄仁勋的发声也有明确的产业坐标。知乎答主 @叶赫乎 指出：
_对于能自由买到英伟达芯片的美国企业，自研闭源 AI 的他们可以用自研的卡，但是不管是开源 AI 的制作者，还是想要本地部署开源AI的企业，还是得用英伟达。_
模型部署越繁荣，对芯片和基础设施的需求越旺盛。OpenAI 同样在维护自身的商业坐标，闭源服务的收入支撑着高成本的前沿探索。
这场争论的背后，既有技术判断，也有清晰的利益结构。两种主张的差异，或许正因它们处在产业链的不同位置。
开源还是闭源？
知乎上的多重判断
过去几年，我们在知乎上看到了一场持续发生的观点争鸣，从「究竟是开源好还是闭源好」到如今「开源会不会给闭源做嫁衣」，答主们并没有简单地把开源理解为技术共享。
从这些回答中，大致可以提炼出五种判断。 开源不是分享，而是挑战者的进攻武器
知乎答主@程墨Morgan 认为，担心开源模型被闭源公司利用，实际上忽略了开源在商业竞争中的主动性。
他回顾了 GNU 和 Android 的历史：当挑战者无法依靠资金、品牌和既有市场与领先者正面对抗时，开放技术、吸引开发者、建立新生态，往往是打破旧有格局的有效方式。
_开源根本就不是因为我善，而是因为我狠。开源模型就是来革闭源模型的命的，你还怕革命的给被革命的做嫁衣？_
闭源领先者希望市场围绕模型能力和 API 展开，挑战者则可以通过开放权重，把竞争扩大到开发者数量、硬件适配、模型微调和应用生态。一旦开源模型成为行业基础设施，闭源公司的技术领先就不再等于对市场的完全控制。
在他看来，开源不是弱者被迫公开自己的成果，而是挑战者主动把竞争从「一家公司之间的较量」，升级成「一家公司与整个生态之间的较量」。 开源把企业研发变成了全行业协作
知乎答主@第三个号了已经 关注的是开源对研发组织方式的改变。
_你不开源，就只能自己招人做。你开源了，全世界的码农帮你做，连友商的员工都在帮你。第一有的，你很快也会有。_
开源并不一定能够最先实现每一项突破，却可能拥有更强的学习和追赶能力。闭源公司需要独占每一次领先，开源模型则只需要让知识快速扩散，持续缩短与领先者的距离。
从这一角度看，与其说开源给闭源做嫁衣，不如说整个行业都在为开源生态提供研发资源。 开源换取的不是秘密，而是技术主权
知乎答主@pansz 从全球部署和技术封锁的角度理解开源。
_你用开源的方式让全世界部署这个模型，让它拥有无数多个备份，实质上变成无法被封禁的产品；让其他研究者学习你的技术，是必要的代价。_
开源模型分散部署在大量基础设施上。即使某一种硬件或某一个服务平台受限，开发者仍可能找到新的运行方式。
尽管其他模型公司能够研究权重、借鉴思路，但这些「代价」更像是一笔主动交换——用技术独占性换取部署规模、硬件兼容性和难以被单点封锁的生命力。
这么说，开源与闭源争夺的不只是市场份额，也是谁拥有模型的运行权、修改权和长期控制权。 对多数用户来说，最终购买的仍然是服务
知乎答主@恋猫 将选择题拉回到普通用户和企业的真实处境，以 GLM-5.2 和 Kimi K3 为例，完整部署运行的硬件成本达上百万：
_就算开源了，一般人和企业也跑不起来，维护这样一套的成本比买 API 贵太多了，所以实际上本质不管开源还是闭源，最终对用户来说都是订阅、API、模型能力和平台。_
权重是否公开会影响产业格局，而落到用户面前的指标依然是价格、稳定性、易用性，以及模型能否进入真实业务流程。此前知乎关于 Qwen 3.6 转向闭源引发的讨论也说明路线标签会变，服务竞争始终存在。 开放扩大防御能力，也扩大失控半径
近期在 OpenAI 模型突破测试环境、进入 Hugging Face 系统的热议中，知乎答主@赵泠 注意到，商业模型的安全护栏也可能妨碍防御者分析真实攻击数据：
_无论攻击者用的是越狱的闭源模型还是无限制的开放权重模型，攻击者畅通无阻，而防御工作被闭源大模型的护栏阻挡。这件事教育我们，你需要开放权重模型。_
知乎答主@字母榜 在梳理公开信时，也保留了开放权重难以逆转的一面：
_诚然，开放权重确实带有真实且独特的风险。权重一经发布，便不再受原始开发者控制；经过修改的版本也很难追踪或撤回。_
两段话构成了安全问题的两面：开放让更多研究者获得检查、测试和防御能力，也让恶意修改后的撤回与追踪更加困难。
Kimi K3 的实践说明，开放权重模型早已能够进入前沿竞争。
开源与闭源不再是一道单纯的路线选择题。比起谁更开放或更封闭，开放能否转化为生态、闭源能否证明溢价或许更为关键。
而部署成本、服务体验、安全治理和商业持续性，仍然决定着模型能走多远。
Key Quotes
> Open source isn't because I'm kind — it's because I'm ruthless. Open-source models are here to upend closed-source models. Do you really think the revolutionaries are going to make wedding gowns for the ones being revolutionized?
> If you don't open source, you have to recruit people and do it yourself. Open source it, and coders around the world will do it for you — even engineers at your competitors. Whatever the leader has, you'll have it soon too.
> By going open source, you get the model deployed worldwide with countless backups, effectively turning it into a product that cannot be banned; letting other researchers learn your technology is a necessary price to pay.
> Even with open source, ordinary people and companies can't actually run these models — maintaining such a stack costs far more than buying API access. So in practice, whether it's open source or closed source, what users ultimately get is subscriptions, APIs, model capabilities, and platforms.
> Whether attackers use a jailbroken closed-source model or an unrestricted open-weights model, attackers sail through unimpeded, while defensive work is blocked by the guardrails of closed-source large models. This teaches us: you need open-weights models.
Tags
Open Source Models
Kimi K3
Open Weights
AI Commercialization
China-US AI
Related Articles
* Even with self-evolution, current AI cannot replace human judgment | Yuandong Tian, arguing that human judgment remains irreplaceable, and that a sense of direction (taste) and deep domain expertise are the ultimate moat.") * Tech Enthusiast Weekly (Issue 399): Notes on Visiting China's AI Giants * In the Past Month, Zhihu Users Secretly Built a Bunch of Wild AI Tools * AI and Careers Over the Last Three Years: Turbulence, Patterns, and Professional Portraits * Highly Upvoted: Rereading "Preface to Ma Sheng of Dongyang" Reveals a Survival Guide for the Poor in the Workplace * Film | Zhihu Movies Exclusive Dialogue with 'Spider-Man: Fresh Start' Stars Tom Holland and Zendaya * Film & TV丨Dialogue with Director Suan of 'Cold Case': Choices and Creation Behind Real Cases * "The Biggest IPO in Human History": Is SpaceX More Than Just Rockets? * Dowson Tong and Yao Shunyu in Conversation: Tencent AI's Second Half * Science Popularization: Does Ibuprofen Really 'Ask Each Organ if It Hurts'? What Is the Mechanism of Pain Relief?