最近这一周，AI圈上演了一场相当尴尬的竞争。

美国想靠巨额投资打造自己的开源AI，中国模型不断刷新行业认知，法国公司则突然拿出一款号称能够跻身顶级行列的新模型。

最有意思的是，有些公司花了数十亿美元，折腾了两年才交出答卷，结果产品刚亮相，就遇到了更强的竞争对手。

先说法国的Mistral。

这家公司发布了Mistral Large 4，一款拥有1万亿参数的开放权重模型。它支持原生多模态，拥有百万级Token上下文窗口。按照官方的说法，它在代码编写、长任务处理和安全漏洞分析等方面都有不错的表现。

不过，参数规模大并不意味着实际能力一定更强，官方公布的跑分也不能完全代表真实使用体验。更关键的是，这款模型发布时还没有完成全部训练，权重也要等到本月晚些时候才会开放。

但真正让这次发布变得有意思的，并不是模型本身，而是它出现的时间。

因为就在此前，美国一家备受瞩目的AI创业公司刚刚发布了自己的首款模型，结果很快就遭遇了竞争压力。

这家公司叫Reflection AI，背后有英伟达等资本支持。它的目标非常明确：打造一个能够与中国顶级模型竞争的美国开放模型。

为了实现这个目标，公司此前募集了数十亿美元资金。

这次发布的模型名为Beam，拥有5010亿参数。据公司介绍，基础模型使用约24万亿Token进行训练，训练过程持续了不到四周，之后又花了四周进行后训练，重点提升代码能力、工具调用和长时间自主执行任务的表现。

听起来相当强悍。

问题在于，模型虽然已经发布，但普通用户暂时仍需要获得邀请才能使用，权重也尚未公开。更尴尬的是，按照原稿所引用的测试结果，Beam刚刚亮相，就遇到了Mistral新模型的竞争。

花了这么多钱，最终能不能拿出真正领先的产品，还得看后续表现。

当然，美国并不是没有自己的开源模型。Google此前发布的Gemma系列，就是普通开发者可以关注的选择。对于没有大型数据中心、只想在自己的电脑上运行模型的人来说，这类模型往往更加现实。

但如果把目光转向中国，故事就完全不同了。

中国AI公司Moonshot AI，也就是Kimi背后的团队，早已在开放模型领域积累了相当大的关注度。

原稿提到，Kimi K3拥有2.8万亿参数，于今年7月发布。由于使用需求增长过快，平台甚至一度停止接受新用户订阅。微软、亚马逊和Google也被曝出与相关模型的托管事宜展开接触。

与此同时，Moonshot AI的融资估值据称已经达到500亿美元，并开始筹备香港上市相关事宜。

这意味着，开放模型竞争已经不只是技术团队之间的较量，还牵涉到资本、算力、云服务和国家层面的产业布局。

那么，为什么各国都开始重视开放权重模型？

核心原因其实很简单：谁掌握了模型，谁就更有机会掌握数据和AI应用的主动权。

使用闭源AI时，你通常需要通过服务商提供的接口发送提示词和数据。具体数据如何保存、是否用于模型改进、哪些内容会触发安全审查，都要受到服务商政策和产品设计的约束。

对于普通用户来说，这可能只是隐私问题。

但对于政府、金融机构、电力公司和大型企业而言，风险就复杂得多。

假设一家电力公司想利用AI检查电网漏洞，如果必须把内部系统架构和敏感资料交给一家外国AI公司，企业就不得不认真考虑数据泄露、合规要求和供应链安全等问题。

而开放权重模型提供了另一种选择。

企业可以把模型部署在自己的服务器上，减少对外部API的依赖，并根据自身需求进行调整。当然，这并不意味着所有风险都会消失，模型许可、系统安全、数据管理和运行维护依然需要自己负责。

也正因为如此，开放模型正在成为各国争夺AI产业主动权的重要筹码。

回头看这一轮竞争，美国希望建立具有竞争力的本土开放模型体系，法国的Mistral试图凭借技术和企业市场寻找突破口，中国厂商则在模型研发、应用落地和商业化方面持续推进。

三条路线，目标其实相同：让AI不再只是少数公司的专属产品。

至于普通用户应该选择谁？

如果你只有一台配置不错的个人电脑，可以优先考虑适合本地运行的轻量模型，例如Gemma系列，实际选择还要看显存、量化版本和任务需求。

如果你拥有自己的服务器，希望获得更强的模型能力，可以关注Kimi等开放权重模型，但要提前确认模型许可、硬件需求和部署成本。

如果你是企业用户，特别重视安全合规，那么Mistral这类面向企业市场的产品也值得研究，不过必须等模型正式开放，并经过实际测试后再作决定。

至于Beam，如果后续真的开放权重，而且性能能够兑现宣传中的承诺，它仍然有机会成为美国开放模型阵营的重要选手。

但在AI这个行业，融资规模不等于技术实力，参数数量也不等于实际能力。

真正决定胜负的，是模型能不能解决问题、运行成本是否合理，以及开发者愿不愿意长期使用。

这场比赛还远远没有结束。

当美国还在努力打造自己的开放模型，中国和欧洲的竞争者已经站在了同一条赛道上。接下来，比拼的不会只是参数和跑分，而是谁能让更多人用得起、用得好，并且真正离不开自己的AI。

AI竞争进入下半场，真正的赢家，未必是花钱最多的那一家。