100 亿次下载,不是 100 亿个用户。
工信部的口径是“国产开源大模型累计下载量突破 100 亿次”。下载量计的是拉取次数:同一个模型被同一个人下十次,算十次;一个团队把权重拉进内网再分给 20 个人,可能只算一次。它既不是用户数,也不是收入,更不是调用量。三个口径混着用,100 亿会变成一个很好用的形容词。
它是一种分发指标。
分发指标只回答一个问题:有多少人把东西拿走了。拿走之后用不用、用多久、付不付钱,它一个字都不说。所以 100 亿次能证明的是入口足够宽,不能证明留下来的人足够多。把这两个问题分开,才看得清开源这两年走到了哪一步。
入口宽,不等于留得住。
分发不是收入
那 100 亿次里,最大的一块来自哪儿,公开口径没有拆分。能确定的是它被当作一个成绩来发布:累计、突破、100 亿。三个词放在一起,说的是规模,不是质量。规模能证明生态有入口;质量要靠另一件事,有人把别人的权重,当成了自己产品的第一行代码。
第一行代码。
这才是“主线”的含义。备选是自己训一个试试,主线是拿现成的权重当底座,把自己的活干在上面。
两条路的差别不在技术,在起点。
一个从零开始,一个从别人的终点开始。
权重放出来以后
月之暗面公布 Kimi K3.1 Pro 的完整模型权重,被称为全球参数规模最大的开源模型。“完整”两个字值得停一下:开源的常见做法是放小号、放旧版、放推理代码不放权重;放完整权重,等于把最贵的那部分资产交出去。交出去之后,别人可以拿它做基座、做微调、做蒸馏,也可以拿它当竞争对手的对照组。
交出去,就收不回来。
权重是训练的结果,代码是训练的方法。放出结果,别人能站在你的终点上起跑;放出方法,别人才知道你是怎么跑到那儿的。两件事都叫开源,给出去的东西不一样,接得住的人也不一样。前者要的是算力,后者要的是耐心。
一个给结果,一个给过程。
开源这个词,至少装着三样东西:权重、代码、许可证。权重决定别人能不能用,代码决定别人能不能改,许可证决定改了能不能商用。三样里放开两样,叫开放;三样都放开,才叫可以拿走。这次公布的是权重,另外两样是另一道题。
一条注意力的算式
Kimi K3 用的是自研的混合线性注意力。杨植麟是月之暗面 Kimi 创始人兼首席执行官,他的说法是“超长文本算得更省,超大模型训得更稳”。这句话里有两个“更”,都没给倍数。注意力的计算量随文本长度怎么涨,是长上下文模型最实在的一道成本题;线性注意力想改的就是这条曲线。
两个“更”,没有倍数。
没有倍数的说法,只能当方向听。方向是省,省多少要等第三方复测。
复测之前,这句话的作用是解释路线,不是证明结果。
长文本的账,难在计算量涨得比长度快。一段话翻一倍,模型要两两比对的位置不止翻一倍,这就是全注意力最贵的地方。混合线性注意力想做的,是把这条曲线压平一些:让长度继续涨,成本涨得慢一点。压平多少,才是那个没给的倍数。
推理成本的台阶
再往前一步是 DeepSeek。去年初那批模型对混合专家架构做了创新,把推理成本和算力需求一起压下来;此后 MoE 成了全球共同探索的方向。这句话的主语不是某一家公司,是一个架构。一个架构被全球同行接过去,说明省下来的成本是结构性的,不是补贴出来的。
结构性,才搬得走。
补贴能降价,补贴停了价就回去;架构省下来的算力,换个国家、换个团队还在。
下载的是权重,跟着权重一起过去的,是别人已经验证过的省法。
显示屏厂的模型
京东方自己的说法是,以国产开源大模型为底座,自研了“蓝鲸显示大模型”,覆盖研发设计、生产制造、质量管理。姜幸群是京东方高级副总裁、联席首席技术官。一家面板厂要的是良率、是工艺参数、是缺陷图片,这些数据不会出现在任何公开榜单上,只会出现在它自己的产线里。
面板厂不缺数据。
它缺的是一个能读懂这些数据的底座。自己从零训一个,成本高、周期长;拿一个开源权重回来接着训,起点就不一样。
这是开源最容易被忽略的一类用户:不在互联网行业,不发布模型,也不参加评测,只是把模型接进了车间。他们的下载不会变成榜单上的名次,会变成产线上的参数。100 亿次里有多少次是这种下载,没有拆分。
车间里的下载,不计名次。
新加坡的千问基座
更远一点,新加坡的“海狮 V4”多语言大模型,基座是阿里千问的开源模型。一个多语言项目,选了一个中国团队放出来的权重做起点。这件事的分量不在“输出”,在“被选”:选基座的人会对比许可证、对比多语言能力、对比后续维护,选完还要对使用它的人负责。
选,是最硬的投票。
下载是拿走,选是留下。拿走可以反悔,留下要改架构、改数据管线、改评测集。
主线怎么算成立
三个用户放在一起看:一个月之暗面放完整权重,一个京东方拿开源做产线模型,一个新加坡团队拿千问做多语言基座。三件事分别对应供给、内需和外需。开源从备选变成主线,证据不在 100 亿次这个数上,在这三件事同时发生。
三件事,三个方向。
三种用户的共同点,是自己不从零训。模型厂放权重,是因为它已经训完了;面板厂用权重,是因为它不想从头训;新加坡团队用权重,是因为它要的是多语言,不是从零堆语料。三种“不训”,合起来才是主线的样子:训练集中在少数几家,使用分散到很多家。
100 亿次是结果,不是原因。原因是有人愿意把最贵的权重放出来,也有人愿意把产线的数据交给一个外来的底座。
黄琦是中国科学技术信息研究所党委书记。他的说法是:“一批全球领先的开源模型持续涌现,下载量、衍生模型数量领跑,引领全球人工智能开源生态。”这句话里,“下载量、衍生模型数量”是可以被数出来的,“全球领先”“引领”要别人认。两半放在一句里,前一半有数,后一半还得等别家的基座清单来说话。
领跑是数量,领先是判断。
引用一句判断,和验证一句判断,是两件事。
海狮 V4 的基座那一栏,写的是千问。这一栏是公开的,可以被核对。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。