开放模型继续逼近帕累托前沿

开放模型生态没有快速收缩，反而更拥挤了

过去几年，许多观察者曾预计大模型训练实验室会很快走向整合。理由很直接：训练成本每年都在以数量级上升，能够承担前沿模型训练的机构似乎会越来越少。

但现实正在呈现另一种图景。即便完整投入仍可能达到数亿美元乃至数十亿美元，训练强模型的公司数量仍在增加，并且越来越多机构选择以开放方式发布模型。

背后的关键变量是 token 需求。随着模型效率提升、可用场景扩大，市场对 token 的需求仍然很高，并可能继续增长。许多原本被认为需要整合的实验室，正在意识到构建“token 机器”本身可能是一条重要的价值路径。

Thinking Machines 是一个典型案例。该公司在 2025 年 2 月宣布成立时，并不一定会被外界归类为开放模型公司。但现在，它的开放模型微调服务 Tinker 已形成可观收入，并开始发布美国构建的开放权重模型。

其首个模型 Inkling 是一个 975B-A41B 的多模态 MoE 模型，支持文本、图像和音频输入，并输出文本。它在同规模模型中并非最强，尤其与中国同类模型相比仍有差距，但其定位是成为一个适合微调的基础模型。

Thinking Machines 还发布了更小版本 Inkling-Small，规模为 276B-A12B。按其体量来看，这个小版本具有较强竞争力。

开放模型生态的另一端，是中国实验室持续稳定的发布节奏。包括小米等新进入者，也在更广泛的 AI 经济中积累关注度。

如果此前更容易押注“行业整合”，那么现在更稳妥的判断可能是：开放模型的采用仍会继续扩大。接下来的关键问题包括：

Inkling 来自 Thinking Machines，是其首个公开模型。它的特点包括：

它不一定是当前同量级最强模型，但开放权重与微调服务结合，显示出一种新的商业化路径。

Hy3 来自腾讯，是一个 295B-A21B MoE 模型。相较前代，它在各项指标上都有提升。

更值得注意的是许可证变化：前一个版本采用较为受限的自定义许可证，而 Hy3 改为 Apache 2.0。这对开放模型生态来说是重要信号，因为更宽松、标准化的许可通常更有利于开发者采用。

该模型还被用于证明一个有 50 年历史的数学问题，但这一过程使用了专门的评测框架，并以 Sol 作为评判者；后者在其中发挥多大作用仍不明确。

Laguna-S-2.1 来自 Poolside。Poolside 近期在开放模型生态中频繁出现，这已经是其连续数月受到关注。

Laguna-S-2.1 是一个 118B-A8B MoE 模型，经过新的预训练和后训练。它的一大特点是可以适配 DGX Spark，因此获得较多关注。

Poolside 还采用了 OpenMDW 许可证。该许可证类似 Apache 2.0，属于自由许可，但针对 AI 模型提供了更明确的法律支持。

此外，Poolside 对训练流程变化披露了更多细节，并公开了评估轨迹。这种透明度在开放模型发布中并不常见。

DeepSeek-V4-Flash-0731 是 DeepSeek 对 V4 Flash 模型的更新。它发布于 OpenAI 下调最小模型价格之后不久，并在性能与成本的帕累托前沿上形成竞争。

目前更大的 V4 模型尚未更新，因此其最终性能位置仍有待观察。此前 V4 系列发布时，Flash 版本在单位参数性能上更突出，而 Pro 版本表现相对不那么亮眼。

这批开放模型释放出几个信号：

开放模型并未因高昂训练成本而迅速退场。相反，更多机构正在尝试通过开放权重、微调服务、许可创新和性能优化，进入前沿模型竞争。