在第 2 章的前面几节，我们讨论了参数规模、训练范式、上下文窗口、涌现与幻觉等技术概念。但当一家企业或开发者真正准备落地时，面临的第一个战略选择往往不是“用什么算法”，而是：走开源路线自建，还是调用闭源 API？ 这个选择将直接决定你的成本结构、数据主权、定制自由度和团队编制。
本节把开源与闭源的生态现状、代表玩家和选型陷阱一次性说清楚。
一、“开源”在大模型语境下的特殊含义
传统软件开源通常指“代码公开、可自由修改分发”。但在大模型领域，核心交付物不是代码，而是训练好的权重文件（Checkpoint）。因此，判断一个模型是否“开源”，关键看三点：
| 开放层级 | 含义 | 典型例子 |
|---------|------|---------|
| 权重开源 | 可下载预训练参数，本地加载推理 | Llama 3、Qwen2、Mistral、DeepSeek |
| 训练代码开源 | 公布预训练/微调/对齐的完整代码 | 多数开源模型会配套 GitHub 仓库 |
| 训练数据开源 | 公布语料来源、清洗策略甚至数据集 | 极少，完全公开者如 Dolma、FineWeb |
| 完全开源（Open Source AI 定义） | 以上全部+可复现训练过程 | 目前业界争议极大，几乎无真正达成者 |
实用认知：今天市面上常说的“开源大模型”，绝大多数仅指权重+推理代码开源。你并不知道它的训练数据里具体有什么，也无法从零完全复现一个一模一样的模型。但这已经足够让企业和开发者做私有化部署和二次微调了。
二、闭源阵营：API 即服务，能力前沿
闭源模型由厂商独占权重，用户通过云端 API 或 SaaS 产品访问，按 Token 量或调用次数付费。
国际代表：
- OpenAI：GPT-4o、GPT-4 Turbo、o1（推理模型），能力标杆，定价最高；
- Anthropic：Claude 3.5 Sonnet，以长上下文和指令遵循见长；
- Google：Gemini 1.5 Pro/Ultra，多模态和长文本能力突出。
国内代表：
- 百度文心一言、阿里通义千问（闭源版）、字节豆包、月之暗面 Kimi、智谱 GLM-4、MiniMax 等。
闭源的核心优势：
- 能力天花板最高：最顶级的模型（如 GPT-4o、Claude 3.5）目前仍由闭源厂商掌握；
- 零运维负担：无需关心显存、量化、并发和机房，调用 REST API 即可；
- 配套生态完整：通常附带视觉、语音、代码解释器、联网搜索等增值能力。
闭源的核心劣势：
- 黑盒不可控：模型版本、系统提示词（System Prompt）、安全策略由厂商单方面更新，今天能用的功能明天可能被限；
- 数据出境与隐私：金融、医疗、政务等敏感场景，数据上云存在合规风险；
- 成本随规模线性膨胀：用户量一旦起量，API 账单会指数级增长，且议价空间有限；
- 无法深度定制：你只能 Prompt Engineering 或 RAG，不能对模型权重做 SFT/RLHF（见 2.2 节）。
三、开源阵营：从基座到社区生态
开源模型允许用户免费下载权重，在本地或私有云部署，并支持自行微调。
国际核心玩家：
- Meta Llama 系列：Llama 2、Llama 3/3.1（含 405B 版本），生态最繁荣，Hugging Face 上衍生模型数量最多；
- Mistral AI：Mistral 7B、Mixtral 8×7B/8×22B（MoE 架构），欧洲开源旗帜；
- Google：Gemma 2B/9B/27B，轻量级，适合端侧；
- Microsoft：Phi-3 系列，小模型中的性能黑马。
国内核心玩家：
- 阿里通义千问（Qwen/Qwen2）：开源版从 0.5B 到 110B 全覆盖，中文和代码能力极强，海外社区采纳度极高；
- 智谱 ChatGLM 系列：GLM-4-9B 等，国内高校和开发者生态活跃；
- DeepSeek（深度求索）：DeepSeek-V2、Coder 系列，以极高的性价比和开源深度著称；
- 零一万物 Yi、百川 Baichuan、书生 InternLM：各侧重不同场景。
开源的独特价值：
- 数据主权：数据不出域，满足国央企、金融、医疗的合规要求；
- 成本可控：一次性投入算力后，推理成本远低于持续调用 API（尤其在高并发场景）；
- 可深度定制：基于自有数据做全量微调（Full Fine-tuning）或 LoRA，打造垂直领域专属模型；
- 技术自主：不受制于厂商的限速、封号或区域封禁策略。
开源的隐性成本：
- 人力门槛：需要 AI Infra 团队做部署、量化、并发优化（见 1.4 节工程层）；
- 能力代差：开源模型普遍比同代闭源顶尖模型弱半档到一档；
- 安全责任自负：闭源 API 自带内容审核和风控；开源模型部署后，你需要自己搭建过滤层，否则容易输出有害内容。
四、选型决策：不是是非题，而是条件题
很多团队把开源 vs 闭源当成意识形态之争，这毫无意义。务实的选型逻辑如下：
| 场景特征 | 推荐路线 | 理由 |
|---------|---------|------|
| MVP 验证、小流量、追求快速上线 | 闭源 API | 省去运维，聚焦产品市场验证 |
| 数据敏感，需私有化部署 | 开源权重 | 满足合规，数据物理隔离 |
| 垂直领域深度定制（法律/医疗/制造） | 开源 + 微调 | 闭源模型无法注入领域知识到权重层 |
| C 端高并发、成本极度敏感 | 开源小模型 + 蒸馏/量化 | 7B 级模型量化后可在单卡运行，边际成本趋近于电费 |
| 需要绝对智能天花板（复杂推理/创意） | 闭源顶级模型 | 当前 GPT-4o/Claude 3.5 仍领先开源同代模型 |
| 混合架构 | 开源路由 + 闭源兜底 | 简单问题用本地 7B，难问题上调 GPT-4 |
“双轨制”已成为行业标配：阿里、智谱等国内厂商同时提供闭源 API 和开源权重，本质上是“用开源扩大影响力，用闭源 API 赚取现金流”。
五、许可证陷阱：开源≠可以随意商用
这是最容易踩坑的地方。大模型的许可条款比传统开源软件复杂得多：
- 商业规模限制（已减少但仍需留意）
Llama 2 时代曾有“月活超过 7 亿需单独申请许可”的条款（Llama 3/3.1 已大幅放宽，但仍有特定限制）。其他模型也可能对“用于训练其他模型”设限。
- “开源 washing”现象
部分模型宣传“开源”，实际使用 Custom Commercial License，限制二次分发或要求衍生模型使用相同许可。严格意义上，它们不属于 OSI 定义的 Open Source。
- 出口管制与合规
获取开源权重文件本身一般不受美国出口管制限制（除非你身处制裁名单），但用于训练这些模型的高端 GPU 对华禁运，是国内自研大模型面临的基础设施约束。此外，在中国境内提供基于开源模型的生成式服务，同样需要履行算法备案手续——开源不等于免监管。
- 社区生态的附属协议
在 Hugging Face 或魔搭社区下载模型时，附加的《模型许可协议》往往包含“不得用于违法用途、不得生成虚假信息”等条款，具有法律约束力。
实用建议：在生产环境使用任何开源模型前，务必让法务或合规团队审阅其 Model Card 中的 License 条款，不要只看标题里的“Open Source”字样。
六、生态趋势：从对立到融合
开源与闭源的边界正在模糊：
- 开源模型能力快速逼近闭源：Llama 3 70B、Qwen2-72B 在不少评测上已接近 GPT-3.5 水平，部分专项超过早期 GPT-4；
- 闭源模型通过蒸馏反哺开源：OpenAI、Anthropic 虽不开源旗舰模型，但大量开源小模型（如 Phi-3、Gemma）被认为用闭源大模型生成的数据做蒸馏训练；
- 工具链统一化：vLLM、Ollama、LangChain 等框架同时支持开源本地模型和闭源 API，让切换成本越来越低。
七、小结
开源与闭源不是价值判断，而是风险、成本、控制力和能力天花板之间的权衡。
关键 takeaway：
- 闭源 API 是“用金钱换时间和能力”，适合快速启动和需要顶级智能的场景；
- 开源权重 是“用人力换自主权和长期成本优势”，适合数据敏感、需要深度定制和高并发的场景；
- LLM 的开源≠传统软件开源，核心是权重开放，但数据和训练过程往往封闭，许可条款需逐条审查；
- 最优策略通常是混合架构：让开源小模型处理 80% 的常规请求，闭源大模型处理 20% 的复杂任务。
至此，第 2 章的五个核心概念——参数规模、训练范式、上下文与 Token、涌现/幻觉/对齐、开源闭源生态——已经全部梳理完毕。这些概念构成了你与大模型技术体系对话的“最小知识集”。在下一章，我们将进入更宏观的视角，探讨大模型从实验室走向产业化的完整技术体系全景……
（或根据全书结构接入第 3 章）
附：主流开源模型许可速查（截至 2024 年中）
| 模型系列 | 许可类型 | 商业使用 | 特别限制 |
|---------|---------|---------|---------|
| Llama 3/3.1 | Llama 3 Community License | ✅ 允许 | 不得用于非法用途；月活超 7 亿需申请（405B 版本） |
| Qwen2 | Qwen License / Apache 2.0（部分） | ✅ 允许 | 不同版本略有差异，需查看具体 Model Card |
| Mistral | Apache 2.0 | ✅ 允许 | 无显著限制 |
| Gemma 2 | Gemma Terms of Use | ✅ 允许 | 有单独的商业使用条款 |
| DeepSeek | MIT / 专用许可 | ✅ 允许 | generally 宽松 |
| Phi-3 | MIT | ✅ 允许 | 微软官方友好 |