OpenAI应该改名CloseAI吗? Kimi开源背后的大模型战争

OpenAI应该改名CloseAI吗? Kimi开源背后的大模型战争

开放传播与平台控制之间，是大模型行业正在形成的结构性分野。

2026 年 7 月，Kimi 发布了新一代旗舰模型 Kimi K3。 按照月之暗面的官方介绍，Kimi K3 拥有 2.8 万亿总参数、原生多模态能力和百万 token 上下文，被定位为面向长程编程、知识工作与复杂推理的旗舰模型。更引人注意的是，月之暗面宣布 Kimi K3 将开放模型权重，完整权重计划于 2026 年 7 月 27 日发布。

消息出来后，一个已经讨论了很久的问题再次被摆上桌面： 为什么近年来中国大模型公司频繁开源，从 DeepSeek、Qwen 到 Kimi，越来越多国产旗舰模型选择公开权重；而 OpenAI、Anthropic 等美国头部公司，最强模型通常只能通过网页、订阅和 API 使用？

有人开玩笑说，OpenAI 早就应该改名叫“CloseAI”。 这个梗确实有讽刺意味。只是大模型行业发展到今天，单纯用“中国开源、美国闭源”来概括已经不够准确。真正决定一家公司是否开源的，往往不是国籍，也不是理想主义，而是它在市场中的位置。

对于挑战者，开源是一种进攻武器。

对于已经掌握入口、用户和定价权的平台，闭源则是一座收费站。

一、先说清楚：大多数“开源模型”，准确来说是开放权重

公开模型参数，并不等于公开训练数据、代码与完整训练流程。

讨论这个问题之前，需要先澄清一个经常被忽略的概念。 现在行业里常说的“开源大模型”，大部分其实属于“开放权重模型”：公司公开训练完成后的模型参数，允许开发者下载、部署、微调和二次开发，但通常不会公开完整训练数据、数据清洗流程、训练基础设施、全部训练代码和详细数据配方。

开放源代码促进会认为，开放权重与完整意义上的开源人工智能并不完全相同。权重只是训练结果，真正可复现的开源系统还涉及训练代码、数据说明和生成这些权重所需的信息。 因此，Kimi、DeepSeek、Qwen 等模型被称为“开源”，更多是在行业通行语境下，指模型权重和推理代码能够被开发者获得。

但即使只是开放权重，它带来的影响依然巨大。 Kimi K2 的代码和模型权重采用 Modified MIT License；DeepSeek-V3 支持商业使用，后续部分版本的代码与权重采用 MIT License；Qwen3 系列的开放权重模型采用 Apache 2.0。开发者可以下载模型，将它部署到自己的服务器，在特定行业数据上微调，甚至基于它开发一套与原公司毫无关系的产品。

这意味着模型不再只是公司服务器里的一项能力，而会逐渐变成整个开发者生态的基础设施。

二、“CloseAI”这个梗，为什么会流行

“CloseAI”的讽刺指向旗舰模型的商业模式，而不是OpenAI发布的每一个项目。

OpenAI 在 2015 年成立时，将自己定义为一家非营利人工智能研究机构，并强调研究不受财务回报要求约束，希望让人工智能造福全人类。 从名字到组织定位，它都带着早期互联网开源社区的理想主义色彩。

后来，训练大模型所需的资金、芯片、数据中心和顶尖人才成本迅速上升。2019 年，OpenAI 创建“有限利润”结构，明确表示需要扩大对算力和人才的投资，并通过引入资本来支持研发。OpenAI 后来披露，当时预计需要筹集约 100 亿美元才能继续推进 AGI 研究。 从那以后，OpenAI 的核心产品逐渐转向闭源服务模式。

用户可以使用 ChatGPT，开发者可以调用 API，企业可以购买专门的服务，但无法下载 GPT 系列旗舰模型的完整权重，也无法在自己的服务器上独立运行这些模型。OpenAI控制着模型版本、使用权限、调用价格、内容政策和产品入口。 “OpenAI 变成 CloseAI”的嘲讽，正是由这种反差产生的：一家名字中带着“Open”的公司，最终建立了大模型行业最成功的封闭平台之一。

不过，这个说法今天已经不能被当作严格事实。 2025 年 8 月，OpenAI 发布了 gpt-oss-120b 和 gpt-oss-20b 两款开放权重推理模型，采用 Apache 2.0 许可证，允许下载、修改和商业部署。

所以，OpenAI 并非完全拒绝开放。它采用的是分层策略：把部分模型交给开源生态，同时继续将能力最强、商业价值最高的旗舰模型留在自己的产品和 API 体系中。 换句话说，“CloseAI”形容的是它的旗舰模型商业模式，而非它发布的每一个项目。

三、为什么中国大模型公司更积极开源

对挑战者而言，开放权重首先是一种争取分发、标准和技术信誉的竞争策略。

许多人把国产模型开源理解成一种技术理想，甚至理解成企业更有“互联网精神”。 这种解释有些浪漫。

开源当然可以推动技术进步，但对大模型公司来说，它首先是一种极其现实的竞争策略。

1. 开源可以买到最昂贵的东西：分发渠道

一家公司开发出模型后，真正困难的环节往往不是发布模型，而是让开发者愿意使用它。 OpenAI 拥有 ChatGPT，Google 拥有搜索、Android、Workspace 和云服务，Meta 拥有覆盖全球的社交产品。它们可以把模型直接送到数以亿计的用户面前。

中国大模型厂商在海外市场普遍缺乏同等级别的消费级入口。即使模型能力足够强，也很难依靠一个聊天网站迅速建立全球影响力。

开源可以绕过这道门槛。

模型权重一旦公开，Hugging Face、GitHub、Ollama、vLLM、云计算平台、芯片公司和独立开发者都会成为分发节点。开发者会主动完成量化、适配、部署、插件开发和性能优化，模型能够进入原公司触达不到的市场。 传统软件公司需要花钱购买流量，大模型公司则可以通过开放权重，让全球开发者帮助自己完成传播。

Kimi 开源后，月之暗面失去了一部分对模型权重的独占，却获得了更广泛的开发者覆盖和技术影响力。对于仍在争夺全球认知度的公司来说，这笔交易具有现实价值。

2. 开源可以争夺技术标准

未来的大模型竞争不会只发生在聊天框里。 模型将进入编程工具、智能硬件、浏览器、办公软件、机器人、游戏、教育系统和企业工作流。谁的模型被更多开发框架、推理引擎和硬件平台优先支持，谁就更可能成为事实标准。

开发者基于某个模型建立的工具越多，迁移成本就越高。 开源模型可以更快地进入各种框架，让开发者围绕其接口、模型结构和部署方式形成习惯。厂商表面上免费提供模型，实际上是在争夺未来人工智能基础设施的默认位置。

这和 Android 当年的逻辑非常相似。Google 没有依靠销售 Android 系统授权赚钱，却借助开放生态迅速扩大覆盖范围，并在移动互联网时代掌握关键入口。 对于 Kimi、Qwen 和 DeepSeek来说，开放权重也承担着类似作用：让模型先进入服务器、开发工具和企业系统，再考虑后续商业化。

3. 开源是最直接的技术证明

闭源模型的能力主要依靠公司公布的测试成绩和用户体验来证明。 开放权重模型则会面对全球开发者的拆解。

研究人员可以分析模型架构，工程师可以测试推理效率，企业可以在真实业务数据中验证能力，竞争对手甚至可以直接研究模型的缺陷。 这种透明度会带来风险，同时也能建立信誉。

DeepSeek 能够迅速在全球技术圈传播，与其开放权重和技术报告密切相关。开发者不需要相信宣传文案，可以下载模型亲自运行。Kimi 延续这一策略，相当于把技术发布会变成了一场全球范围的公开验货。 对于一家尚未建立全球品牌信任的公司而言，允许别人拆开产品查看，有时比投放广告更有效。

4. 开源不等于放弃赚钱

很多人会问：模型都开放了，公司靠什么盈利？ 答案在于，大模型公司的收入不一定来自出售模型权重。

模型可以免费，算力不会免费；代码可以下载，稳定的企业服务、数据治理、模型更新、技术支持、Agent 平台和云端推理仍然需要付费。 即使企业能够自行部署模型，也未必愿意自己维护集群、处理高并发、完成安全评估和持续升级。大量客户依然会购买官方 API、云服务和行业解决方案。

开源在这里更像免费提供基础层，通过托管服务、企业部署、产品订阅和应用生态完成商业化。 Red Hat 可以依靠开源 Linux 获得收入，云计算公司可以围绕开源数据库赚钱，大模型厂商同样可以围绕开放权重建立商业服务。

因此，开源并不意味着企业不赚钱，只是收入来源从“模型使用许可证”转向“算力、服务和生态”。

四、为什么 OpenAI 和 Anthropic 更倾向闭源

当公司已经掌握入口和用户，闭源同时保护定价权、资本回报、安全治理与核心资产。

如果开源能带来这么多好处，OpenAI 为什么不把最强的 GPT 模型也公开？ 因为它已经拥有了开源最想获得的东西：用户入口、开发者规模、品牌认知和平台地位。

1. 闭源能够保留定价权 当模型只能通过 API 使用时，模型公司可以决定每百万 token

的价格、上下文限制、访问区域、并发额度和服务条款。 开发者的应用一旦深度依赖某个模型，切换供应商就会产生测试、适配和数据迁移成本。模型公司由此获得持续收入和平台控制力。

如果旗舰模型权重完全开放，其他云服务商可以自行托管，芯片公司可以进行深度优化，竞争对手也可以基于模型开发替代服务。原厂仍然可以赚钱，但对价格和分发渠道的控制会明显下降。 对于尚未形成平台优势的公司，扩大使用规模更加重要；对于已经拥有大量用户的平台，维持控制权通常更有价值。

2. 巨额资本需要稳定的回报机制

训练旗舰模型需要持续投入算力、数据中心、电力、芯片和人才。OpenAI 在解释组织结构变化时多次强调，前沿模型研发需要规模极大的资本。 投资者提供的资金最终需要通过商业收入获得回报。

API、订阅和企业服务是一套相对清晰的商业模型：公司控制模型，用户按照使用量或订阅周期付费。完全开放旗舰权重后，价值可能流向云厂商、硬件公司和下游应用，模型研发方未必能够捕获足够收益。 闭源因此不仅是技术选择，也与资本结构有关。

一家承担了数百亿美元基础设施投入的企业，很难仅依靠社区声誉向投资者解释回报。

3. 安全是理由，也是控制模型的正当性来源 OpenAI 和 Anthropic

都强调，前沿模型可能带来网络安全、生物安全、自动化攻击和模型失控等风险。 Anthropic 的“负责任扩展政策”甚至要求对模型权重实施严格访问控制，将权重泄露视为重要的安全风险。

这一理由并非完全虚构。 API 模式允许模型公司监控异常调用、限制高风险请求、更新安全策略，也可以在发现问题后迅速暂停服务。模型权重一旦公开，公司便无法阻止用户移除安全限制，也无法收回已经下载的版本。

然而，安全与商业利益并不冲突。 同一套封闭机制既能降低部分滥用风险，也能保护商业机密、阻止竞争对手蒸馏模型并维持平台控制权。企业在强调安全时，通常不会主动强调后面几项收益，但它们确实同时存在。

4. 最强模型本身就是核心资产 对于 Anthropic 和

OpenAI，模型权重、训练数据、后训练方法和推理系统构成了最重要的知识产权。 Anthropic 已公开讨论如何防范模型蒸馏攻击，即竞争者通过大量调用目标模型，利用其输出训练自己的模型。

连模型输出都要防止被竞争对手用于训练，更不可能轻易交出旗舰模型权重。 在这种情况下，闭源与传统科技公司的专利、源代码和商业秘密没有本质区别。模型能力越领先，开放它的机会成本越高。

五、真正的分界线并不在中国和美国之间

国籍不是唯一解释，企业所处的市场位置往往更能决定开放或封闭策略。

把大模型行业描述成“中国坚持开源，美国坚持闭源”，听起来很有传播性，却会掩盖大量反例。 美国的 Meta 长期开放 Llama 系列权重，允许开发者下载、微调和本地部署；Google 也通过 Gemma 系列提供开放权重模型。

OpenAI 自己也发布了 gpt-oss。 法国的 Mistral 同样依靠开放模型迅速建立影响力。

与此同时，中国公司也不会公开所有技术。训练数据、商业产品、推荐系统、用户数据和许多旗舰能力依然受到严格保护。即使开放模型权重，完整训练流程通常仍然属于公司机密。 所以，更准确的分类方式是：

拥有强大用户入口和平台优势的公司，更有动力保持旗舰模型闭源；需要扩大影响力、吸引开发者和挑战现有格局的公司，更有动力开放权重。 Meta 是一个特殊案例。它的核心收入来自广告和社交平台，而非销售大模型 API。开放 Llama 可以削弱 OpenAI 和 Google 对人工智能基础设施的控制，降低 Meta 在模型层受制于人的风险。因此，Meta 即使来自美国，也能够成为开放模型的重要推动者。

Kimi、DeepSeek、Qwen和 Mistral 所处的位置更接近挑战者。它们希望让模型快速进入全球开发者生态，开源自然具有更高的战略价值。 国籍能够影响监管环境、供应链和市场结构，但市场位置往往更能解释企业的选择。

六、未来不会是开源消灭闭源

旗舰闭源与次旗舰开放的双轨制，可能成为更常见的长期结构。

很多人把开源与闭源看成一场只能留下一个赢家的战争。 现实可能更像长期共存。

前沿模型公司可能继续采用“双轨制”：最先进、成本最高、风险最大的模型通过 API 和产品提供；经过压缩、能力稍弱或已经完成商业迭代的版本，则以开放权重形式进入社区。 OpenAI 发布 gpt-oss，却没有开放 GPT 旗舰模型；Google开放 Gemma，同时将 Gemini 的核心旗舰能力保留在自己的服务体系内。这已经展示了双轨模式的雏形。

中国公司未来也可能采取类似路径。 当一家企业处于追赶阶段，它会强调开放、兼容和生态；当它获得大量用户、掌握关键入口并建立领先优势后，也会重新计算开放旗舰模型的成本。

今天最积极的开源者，未必永远开源。 今天最封闭的公司，也可能在竞争压力下释放更多模型。

开源和闭源都不是企业永久不变的信仰，它们是随着竞争位置变化而调整的战略。

写在最后

表面争夺的是模型权重，底层争夺的是下一代人工智能基础设施的话语权。

所以，OpenAI 应该改名叫 CloseAI 吗？ 作为一句讽刺，它依然有效。OpenAI 从早期研究机构走向全球人工智能平台，最强模型也从研究成果变成了需要付费进入的商业基础设施。名字里的“Open”，确实与今天的旗舰模型策略存在明显张力。

但如果把问题只停留在名字上，就会错过真正值得讨论的变化。 Kimi 开源，并不意味着中国企业天然更加无私；OpenAI 闭源，也不能完全归因于某家公司背叛理想。它们分别选择了符合自身竞争位置的道路。

挑战者需要传播，于是把模型交给开发者。 平台需要控制，于是把模型留在服务器里。

当一家公司缺少入口时，它会先把道路修成公共道路，希望所有人都从这里经过；当一家公司掌握入口后，它更愿意在道路上修建收费站。 Kimi 的开源，说明国产大模型已经不满足于在国内应用榜单中竞争。它们开始争夺全球开发者、技术标准和人工智能基础设施的话语权。

这场战争表面上讨论模型权重是否公开，底层争夺的却是一个更大的问题： 未来的人工智能世界，究竟由少数平台按次收费，还是由任何人都能下载、修改和部署的模型共同构成？

答案还没有出现。

但至少，Kimi、DeepSeek 和 Qwen 已经让“人工智能只能掌握在少数公司手中”这件事，不再显得理所当然。