每季上演的DeepSeek時刻

有一個問題，每一季隨著新聞播出，我就要回答親友：「開源模型是不是追上了閉源模型？」最近更是如此。

近期，AI模型又迎來了號稱第2次的DeepSeek時刻。月之暗面在7月16日推出了Kimi K3，擁有2.8兆總參數，直接以1679分登上Frontend Code Arena榜首，它是第1個在前端編程榜單上超越Claude與GPT等閉源模型的開源模型。

消息一出，很多人開始討論，甚至一度影響了美股AI相關股價；不過市場很快發現，其實還有不少問題，隨即又回調了。

開源崛起？真正價值是普及化而非超車

觀察這個產業的人都會發現，這1年多來，這類戲碼只是規模差異，永遠每隔1季就有人說某個開源模型又起來了，彷彿閉源模型領先地位下一秒就要崩塌。但實際上一直到現在，我個人的體感是，開源與閉源的差距並沒有真的被拉近多少。當然兩類模型我都會使用，在某些情境開源模型是很不錯的，但這件事情並沒有改變我的看法。

先講K3這次的爭議。發表沒幾天，就有爆料說它用了大量蒸餾（就是拿別人家先進模型的輸出，訓練自己的模型），甚至白宮科技政策辦公室主任出來公開指控，說K3涉嫌蒸餾Anthropic最先進的Fable模型。

月之暗面當然否認，端出3項自研技術說性能躍升來自原創架構。這事目前各說各話，但一方面來講，它確實也取得了一些進展，這點倒不用否認。

我覺得要回歸一個根本的事情，就是開源模型的實際效度問題。以K3來講，它有一個很基本的矛盾：2.8兆參數的部署級別還是非常昂貴，你必須購買超大機櫃、用高級GPU才跑得動。那這樣使用高級GPU的過程，不就和開源模型號稱要幫大家省錢的邏輯背離了嗎？這就像有人對你說，這家餐廳免費吃到飽，但你得先自備一套米其林等級的廚房才能進場，那到底是省到了什麼？

扣除這些爭議，就我個人而言，主流的幾個模型與這些開源差異還是很大。閉源模型因為有天量的資金投入，領先是不爭的事實，短期內看不出被撼動的跡象。

我覺得很多科技發燒友與產業人士的角度非常不一樣。獨立開發者當然覺得模型愈便宜、愈容易使用愈好，這完全合理；但企業決策者要面對的事情要多得多。開源模型的真正價值，其實是把幾個月前，甚至兩年前的模型能力普及化，這對某些情境的成本節省確實有巨大幫助，但這是普及化，不是超車。

至於地端部署的需求，目前雲端服務商也都有提供混合雲端與地端選項；而且如果你對地端要求高、對算力要求低，那其實更久之前的模型就夠用了，未必需要追最新的開源旗艦。

模型選擇？最終決策關鍵仍是地緣政治

然後是我認為最關鍵，但榜單上永遠看不到的一題：地緣政治。

目前美國的策略很清楚，就是要確保在人工智慧競爭中領先一代，並且穩操勝券。在這種情況下，如果你的企業使用了地緣政治上有風險的技術棧，未來就可能面臨產品無法輸美的風險。

台灣的產業鏈與上市公司營收結構，基本上全部是環繞著輸美邏輯在運作的，最終購買者就是美國。所以當你所有的營收結構、供應鏈的終端客戶都是美國時，你不太可能違反地緣政治邏輯，去採用與美國模型正面競爭的模型。我認為這是根本邏輯。

而且模型的採購決策和追劇不一樣，追劇看到爛尾可以棄劇，企業技術棧一旦選下去往往是半永久性的，整個工作流、資料、人員訓練都綁上去了。

過去每一季都有新的宣傳，模型公司都非常燒錢，有極大的動機去極大化宣傳自己的技術優勢，甚至集中火力把榜單分數刷高。但企業做技術選擇時，無法只看這種即時的短期優勢。

實際上我認為能長期獲勝的模型公司已經漸漸明朗，大概就是美國那3大巨頭，可能再加上法國1家，以及中國的1到3家，合格的供應商其實夠多了，多數企業的日常會用到的AI消耗成本目前其實也不是很高，等到高到那種程度才需要考量。

所以我還是比較看好主流的3家美國模型商。開源模型在特定場景當然有效，而關於地端資料數據的部署需求，我覺得未來幾年會有更多新作法出現。

至於每一季固定上演一次的「開源崛起」戲碼，看看熱鬧是可以的，現在多數企業連有效導入AI都還沒呢，遑論開源閉源之爭。