Enivia 最近，月之暗面发布了 Kimi K3。在部分公开评测中，K3 的表现能力已接近一线闭源模型（GPT-5.6，Claude Fable 5）。
7 月 17 日，OpenAI 的未来战略负责人 Dean W.Ball 发表了一篇很长的推文，谈到了他对 Kimi K3 的一些看法。
我们不妨顺着他的视角，看看以 OpenAI 为代表的闭源头部公司，对开源大模型的真实立场。
Kimi K3 有能力但并不便宜
面对一个在各类跑分系统中表现出色的中国模型，网络上的主流看法通常是：数据蒸馏、评测数据针对性优化，或者训练数据污染。
但 Dean 此次明确表示了，K3 的表现无法简单用这些理由解释。在他有限的测试中，K3 在 Agent 编程任务上的能力，几乎达到了 2026 年第一季度最佳公开模型的水平。
与此同时，他也提出了一个问题：Kimi K3 模型的 API 标价较低，但并不代表运行成本低，他观察到 K3 在执行任务时非常耗费 token。
一个单价便宜、但输出冗长、推理链复杂、反复调用工具的模型，最终完成同一项任务的总成本未必具有压倒性优势。
为何选择开源
Dean 对中国继续允许高水平模型开源感到意外。
在他的风险框架中，模型能力越强，公开权重带来的风险就越难控制。一旦模型可以被下载和修改，原始开发者便很难通过 API 权限、内容审查或账户封禁限制模型的用途。
对此他发表了以下几个观点：
- 不同国家和机构对通用人工智能发展速度及潜在风险的判断不一致。有人认为模型只是高级工具，有人则认为模型很快会获得足以改变经济和安全格局的自主能力。风险判断不同，自然会产生完全不同的开放政策。
- 开源也可能与算力条件有关。训练出模型以后，要向全球用户持续提供低延迟、高并发的推理服务，仍然需要大量芯片、数据中心和网络资源。当基础设施不足时，让其他公司自行部署，可能是一种更现实的扩散方式。
- 开放模型本身也是一种市场进入策略。当一家公司的品牌、云服务能力和企业销售渠道暂时落后于国际头部厂商时，开放权重可以迅速获得开发者、研究机构和创业公司的采用。模型未必直接产生最高收入，却可以形成技术标准和生态影响力。
在我看来，这部分真正触及了 OpenAI 对中国开放模型的复杂态度：它是一种可能改写竞争规则的策略。
开源会减速 AI 发展
Dean 认为，开源模型从长远来看对模型发展具有减速效果。
他的逻辑主要建立在资本投入上。
训练最前沿的模型需要巨额资金。如果一家企业投入数百亿美元完成训练，而竞争者很快便能用较低价格提供接近的能力，模型本身的利润空间就会下降。投资者看到模型层快速商品化，也会降低对下一轮超大规模训练的回报预期。
也就是说，开放模型会加快现有能力的传播，同时削弱继续投入巨额资本训练下一代模型的商业动力。应用层可能发展得更快，模型规模扩张的速度却可能下降。
这个结论其实反映了闭源前沿公司的核心利益。OpenAI、Anthropic 等公司的估值和融资能力，很大程度上建立在前沿模型具有稀缺性、可控制性和较高利润率的预期上。如果接近前沿的开放模型不断出现，模型能力就更像一种通用基础资源，闭源公司很难长期维持极高的技术溢价。
他担忧 AI 最终会变成公共基础设施
Dean 列举了很多政治因素，这里不展开细说，好奇的直接去看原文。
他表达的核心担忧是：当模型权重趋近免费，而训练成本依旧极高时，商业市场可能无法独立支撑下一代前沿模型。
届时，大型模型的研发可能越来越依赖公共资金、国家级算力平台或长期补贴。AI 会逐渐从企业销售的市场产品，转变为类似道路、电网、云计算底座的公共数字基础设施。
Dean 显然不喜欢这种未来。他更倾向于由市场竞争、知识产权和商业回报推动前沿模型发展。在他的框架里，企业通过领先模型获得利润，再把利润投入下一代训练，才能形成持续扩张的资本循环。
风险问题
Dean Ball 认为 K3 这一能力水平的开放模型“可能会让世界稍微变成更危险“。
当开放模型能够长时间自主执行任务、发现软件漏洞、操作复杂实验设备，或者辅助设计高风险技术时，开源的性质就会发生变化。届时，风险不再局限于生成有害内容，而是模型可能帮助使用者完成过去需要专业团队、昂贵设备和长期训练才能完成的工作。
对于国产的 Kimi、千问、DeepSeek 等模型来说，技术上的开放可以降低使用门槛，但无法自动消除信任门槛。对于银行、医疗、政府承包商和大型上市公司而言，不确定性本身就可能成为放弃采用的理由。
他文章的最后一句话带有明显的讽刺意味：
“A nonliving, invisible, dangerous, and infinitely self-replicating agent escaped from a Chinese lab,” you say? Color me shocked.
最后
OpenAI 明显还是受到了国内开源模型的冲击，因为它们削弱了头部公司单纯靠“卖模型能力”赚钱的空间。
类似的变化在软件产业中已经出现过多次：
Linux、安卓、PostgreSQL、Kubernetes 等基础技术从诞生之初便以开放形式发展，并没有让其产业失去商业价值，只是改变了价值分配的位置。底层能力越普及，利润往往流向更接近用户、场景和资源层。
而基础模型也可能会沿着相似的方向发展。
