你国ai大厂盗窃扭曲了“开源”的含义并故意搅浑水
传统意义上的开源：开放源代码，每个看到源代码的人都可以完整的理解，使用和编辑整个项目，开源社区里每个人都可以参与项目共创
大模型厂嘴里的“开源”，仅提供成品模型，训练算法和数据集全都是严格保密的商业机密，下载了模型的社区用户除能够做的改动仅有微调权重，传统开源追求的社区共创完全不成立
正因此，你国ai大厂整天嚷嚷的“开源”实际上也和西方国家的开源精神完全没有关系，本质还是在自己没有足够算力的情况下，背靠国家意志的统一指挥和资金补贴低价分发模型使用权，让不需要支付训练成本的服务器提供商用更低的价格倾销tokens，和光伏，电动车一样本质是国家力量极限压缩产品价格以压垮西方同行的“中国制造”老套路，但是这种牛马经济窃取“开源”这个概念给自己脸上贴金，明显是对开源精神的侮辱
大模型厂嘴里的“开源”，仅提供成品模型，训练算法和数据集全都是严格保密的商业机密，下载了模型的社区用户除能够做的改动仅有微调权重，传统开源追求的社区共创完全不成立
正因此，你国ai大厂整天嚷嚷的“开源”实际上也和西方国家的开源精神完全没有关系，本质还是在自己没有足够算力的情况下，背靠国家意志的统一指挥和资金补贴低价分发模型使用权，让不需要支付训练成本的服务器提供商用更低的价格倾销tokens，和光伏，电动车一样本质是国家力量极限压缩产品价格以压垮西方同行的“中国制造”老套路，但是这种牛马经济窃取“开源”这个概念给自己脸上贴金，明显是对开源精神的侮辱
38 个评论
辩证地看待中国式开源模型超低价格打开市场份额策略本质上是输出过剩产能。吃一堑，长一智。被星球大战计划摆了一刀的前苏联继承人就不上当。
最后说一次了。
排华迟了。
彻底变成毫无意义的话题了。
Anthropic是最强的智能体。但被中国人抄袭了。
你没法阻止现在，你只能阻止未来支那猪对人类的污染。
你会发现，所谓的穆斯林危害社会，但穆斯林从来没炒作这些玩意，人家所谓的占领靠的还是原始秩序。
限制支那猪去美国，是唯一解。
当然，日本。
排华迟了。
彻底变成毫无意义的话题了。
Anthropic是最强的智能体。但被中国人抄袭了。
你没法阻止现在，你只能阻止未来支那猪对人类的污染。
你会发现，所谓的穆斯林危害社会，但穆斯林从来没炒作这些玩意，人家所谓的占领靠的还是原始秩序。
限制支那猪去美国，是唯一解。
当然，日本。
>> 最后说一次了。排华迟了。彻底变成毫无意义的话题了。Anthropic是最强的智能体。但被中国人...
kimi3的模型已经开源了，大概3T的参数。应该是美国上一代顶尖模型的水平，也就是2025的水平。现代美国的顶尖模型，也就是这一两个月刚发布的 应该是10T参数的水平。
事实上就是现在的AI行业根本不值这么多钱，如果真的有什么独门技术，那怕是偷的，Kimi也不会开源了。能开源就说明中国想把LLM AI也从高新技术转成互联网码农式的高级劳动力密集行业。
只能说AI概念股已经到顶了，能跑的赶快跑吧。单纯靠LLM实现AGI是在画大饼而已。
只能说AI概念股已经到顶了，能跑的赶快跑吧。单纯靠LLM实现AGI是在画大饼而已。
特朗普跟习近平绝对是一对卧龙凤雏，甚至前者还比后者更SB
我可以给你捋一下时间线：
本来，Manus有望成为第一个agent AI，结果结局我们也知道，创始人直接给边控了，meta收购案告吹。剩余的员工只能在新加坡苟延残喘。
紧接着，fable 5横空出世。接下来的操作就更神了，特朗普一看这玩意太厉害了，不能给外国人用，竟然下令禁止所有外国人使用，哪怕是在美国本土的外国人也不行。这就导致了fable直接下线半个多月。
就这短短的半个多月，就给kimi 3追平了。也就是说kimi v3能出来的这么快，得感谢特朗普同志的努力
举个不太恰当的例子，我们在跑马拉松：本来跑道上的第一个，直接让人给拖下去了腿打折了。说你不许替别人跑
然后第二个突然之间被人叫住，停了19秒，就这短短的19秒，第二就他妈追上来了。
我真的不是一个川黑，就这个事情我们基本可以发现，就这个人绝对是美利坚合众国的冤亲债主，来到世间讨美国债来了
我可以给你捋一下时间线：
本来，Manus有望成为第一个agent AI，结果结局我们也知道，创始人直接给边控了，meta收购案告吹。剩余的员工只能在新加坡苟延残喘。
紧接着，fable 5横空出世。接下来的操作就更神了，特朗普一看这玩意太厉害了，不能给外国人用，竟然下令禁止所有外国人使用，哪怕是在美国本土的外国人也不行。这就导致了fable直接下线半个多月。
就这短短的半个多月，就给kimi 3追平了。也就是说kimi v3能出来的这么快，得感谢特朗普同志的努力
举个不太恰当的例子，我们在跑马拉松：本来跑道上的第一个，直接让人给拖下去了腿打折了。说你不许替别人跑
然后第二个突然之间被人叫住，停了19秒，就这短短的19秒，第二就他妈追上来了。
我真的不是一个川黑，就这个事情我们基本可以发现，就这个人绝对是美利坚合众国的冤亲债主，来到世间讨美国债来了
>> kimi3的模型已经开源了，大概3T的参数。应该是美国上一代顶尖模型的水平，也就是2025的水...
差距时间在缩短
毕竟，中国就不应该出这种东西
而且，找这个速度下去，支那迟早会影响人类的生活方方面面
目前抖音和手游拼接普通的技术已经危害全世界
支那猪发顶刊越来越多，导致顶刊质量下降，因为粗制滥造，数据造假各种
认真搞科研的可能很多年都发不了好文章，甚至普通的也根本发不了
>> 差距时间在缩短毕竟，中国就不应该出这种东西而且，找这个速度下去，迟早会影响人类的生活方方面面目...
不不不
大模型的技术方面完全是透明的
因为相关的技术手段早在几年前就通过学术论文 做到全世界公开了
更有各种训练的开源基础库都是全世界免费共享
现在大模型训练的门槛只有一个 就是高昂的硬件投资成本
中国这么不计成本的搞大模型 到底是利是弊很难说
因为中国在大模型上投入的越多 美国通过半导体产业链受益越大
也就是中国是纯失血的一方
至于美国的大模型投入，首先那些投入的钱来自全世界的投资者，相当于整个地球经济（包括中国）为美国的资产投入买单。其次美国的大模型投入 基本上是肥水不流外人田，数据中心基建也好，半导体产业链也好，美国基本都能吃到大部分额度。
就比如说最近英伟达老黄发声，号召支持开源大模型。什么用意很清楚， 就是要多卖gpu吗。最好全世界每个国家都举国之力 搞大模型，这样的话 老黄卖gpu能笑死。 现在只有这么几家大模型，就已经把gpu和存储芯片 买成天价。
基于现有的发表论文，有些开源模型在论文中公布了自己的训练需要的算力数据。那些只是几十B参数大小的模型，我记得就已经需要千张显卡的集群来训练。那些上T参数的模型，肯定是需要十万张，甚至百万张显卡的集群才能训练。
現在ai模型明顯還完全沒有標準化定制，美國大公司自己就競爭非常激烈，一天出一個版本都不奇怪，當然如果在這個發展過程中，美國政府和各大公司繼續信任白左那套新產業就要共響的傻x理想，視自己商業機密為無物的話，不認真地嚴格從各個方面在美國堵截和加大懲罰匪諜滲透，那說什麼都救不了。
这个倒不是扭曲“开源”的定义，而是传统软件和AI大模型有偏差
AI大模型的算法其实很简单大家也都知道，麻烦在于海量的数据，天量的算力和巨大的电费，这三个才是限制大模型能力的。 中国玩家蒸馏，等于站别人肩膀上省去初期训练。但是靠蒸馏是追不上先进模型的。
很明显，真赚钱的不会把训练好的模型直接放出来给大家下载，把权重全部拿出来一清二楚大家随便用随便改，而开源了大模型的算法跟没开源有啥区别？
AI大模型的算法其实很简单大家也都知道，麻烦在于海量的数据，天量的算力和巨大的电费，这三个才是限制大模型能力的。 中国玩家蒸馏，等于站别人肩膀上省去初期训练。但是靠蒸馏是追不上先进模型的。
很明显，真赚钱的不会把训练好的模型直接放出来给大家下载，把权重全部拿出来一清二楚大家随便用随便改，而开源了大模型的算法跟没开源有啥区别？
>> 这个倒不是扭曲“开源”的定义，而是传统软件和AI大模型有偏差AI大模型的算法其实很简单大家也都...
现在玩close model的那几家 估计还是有新东西的，只不过他们不再公开发表论文而已了。
transformer架构的论文是google发表的，那都是快10年前的事情了。 依照最近20年ai爆发性进展的速度， tranformer之后 貌似学术界已经没什么大的突破了，非常不合理。
我觉得解释之一 就是 突破性的进展 已经不公开发表了
我去，这叫个毛的“开源”？
最多称为“免费”使用罢了。
最多称为“免费”使用罢了。
>> 这个倒不是扭曲“开源”的定义，而是传统软件和AI大模型有偏差AI大模型的算法其实很简单大家也都...
它这个肯定不能算“开源”。
另外：
用别人的输出当成自己的输入，理论上是不可行的，因为容易过拟合。
>> 它这个肯定不能算“开源”。另外：用别人的输出当成自己的输入，理论上是不可行的，因为容易过拟合。...
benchmark跑分高 不就是过拟合吗
针对benchmark，就跟针对高考原题训练 刷题 一样
两个模型参数存在数量级差别的，在benchmark上跑分差不多，只有一种解释，就是那个小模型针对benchmark过拟合了。就相当iq100的人天天猛刷高考题，最后高考分数跟不刷题的iq130的差不多
>> 依然distill是走捷径毕竟即使有无限的显卡 很多人依然喜欢抄袭
考虑到美国ai头部企业中超高的华人工程师比例，以及华人群体普遍身在美心在支热衷于为党偷科技的前科，靠这群人直接偷anthropic，openai和google内部的关键技术灵感效率远比蒸馏高，现在我认为大力炒作蒸馏让两拨人在这个话题互喷，本质还是给这群吃里扒外的内鬼打掩护
>> benchmark跑分高 不就是过拟合吗针对benchmark，就跟针对高考原题训练 刷题 一...
算法同样重要，几年前智力震惊全世界的GPT4，1.76T巨大参数量综合性能完全不如今年的qwen3.6 35b
>> 算法同样重要，几年前智力震惊全世界的GPT4，1.76T巨大参数量综合性能完全不如今年的qwe...
不可能
算法都是一样的
什么算法？ 底层的算法 简单的吓死人 就是矩阵的乘法 加法而已。
大模型的智能涌现就涌现在 那些海量参数里
>> 不可能算法都是一样的什么算法？ 底层的算法 简单的吓死人 就是矩阵的乘法 加法而已。大模型的智...
是这样的：
所谓AI训练是在寻找一个大函数，这个函数可以根据输入，得到输出。
这个函数的参数，就是所谓的多少多少T的参数。
理论上，可以得到有无数个效果类似的拟合函数。
通过训练得到这个函数的方法，叫做算法，类似于人类的学习。
算法有不同的侧重点，如深度学习，强化学习，各种神经网络等等。
当然，最终都是矩阵计算。
>> 是这样的：所谓AI训练是在寻找一个大函数，这个函数可以根据输入，得到输出。这个函数的参数，就是...
不不不
现代ai的各种架构，本质都是一回事
就是在各种抽象，一级抽象，二级抽象，三级抽象，乃至n级抽象
最后抽象到 潜空间，也就是latent space， 一个不知道多少维度 （几万亿是有的）的高维空间里。
抽象到高维空间之后，在进行还原或者synthesis，基本是和抽象的相反过程。就是脑补，补充各种细节，一级一级的加细节。 最后加出来的东西，看看跟原来的抽象过程的原数据能差多少。 这个差异最小化的过程 就是所谓的无监督学习。
这玩意 最开始是用于图像，也就是卷积深度网络，图像是2维数据。 后来是用于文字，文字是一维数据，就不能用2维数据的卷积那套来抽象。 用的是attention mechanism来抽象。我觉得这种基于文字或者语言的机制 应该是能诞生出智能的。 因为人活着说生物的大脑进化就是从处理视觉信息开始，到最终阶段 诞生出语言能力。 诞生出语言之后，也就是大脑皮层是专门用来处理语言的，抽象的级别可以加到无限高
>> 老登，你这是问那个AI得出来的？还是给你点个赞吧，哈哈😄……
这不是ai说的啊
这是我自己的总结
现代这些ai的本质就是 逐级抽象+逐级还原， 跟人的大脑思维是一样的。 不过这也不奇怪，神经网络本来就是仿生吗
>> 不不不大模型的技术方面完全是透明的因为相关的技术手段早在几年前就通过学术论文 做到全世界公开了...
所以有人说AI竞赛其实就是星球大战2.0。跟1.0不一样的是这次完全是阳谋，正大光明地挖好了坑让你往里跳。
>> 是这样的：所谓AI训练是在寻找一个大函数，这个函数可以根据输入，得到输出。这个函数的参数，就是...
AI模型训练本质上就是对训练数据进行有损压缩。最底层的运算可以很简单，高效低损的压缩算法才是不传之秘。这就好比单个人类神经元的工作原理现在都已经搞明白了，但整个人脑的思维（算法）仍然是未解之谜一样。
>> 这不是ai说的啊这是我自己的总结现代这些ai的本质就是 逐级抽象+逐级还原， 跟人的大脑思维是...
还原式科学研究搞了好几个世纪，把最底层的原理差不多都搞明白了，但是能否从微观的原理定律倒推建立宏观的原理定律，一直都没有结论。这次邓煜拿菲尔茨奖，就是因为他在数学层面上证明了在特定条件下，从微观定律倒推回宏观定律是可能的（希尔伯特第六问题的弱化版），但这种倒推是否适用于普遍的情况仍然是未知数。我的猜测是不适用，广义的希尔伯特第六问题很可能需要新的数学框架才能解决。现在的AI本质上也属于希尔伯特第六问题的范畴：哪怕现在对AI模型底层的矩阵计算乃至每个transformer结构单元了如指掌，对整个AI模型的运行机制仍然是瞎子摸象，只能通过不断的训练试错来建立更好的模型。
>> 这不是ai说的啊这是我自己的总结现代这些ai的本质就是 逐级抽象+逐级还原， 跟人的大脑思维是...
你这个是数学理论。
工程上来说，多级抽象，高维空间，卷积，线性/非线性方程，都是一回事。
最终都是用多项式来拟合，因为理论上，多项式可以拟合任何函数。
而计算机擅长计算多项式。
实际上就是将偷来的东西公开化。
>> 还原式科学研究搞了好几个世纪，把最底层的原理差不多都搞明白了，但是能否从微观的原理定律倒推建立...
品葱上的人谈ai基本都是那套话术：
什么拟合函数啊
这是之前机器学习时代 support vector machine的玩法。 跟现在的深度学习时代 根本不是一回事。 可见品葱上大部分人对于ai的了解 都是看文科生写的自媒体文章得到的 一知半解。
>> AI模型训练本质上就是对训练数据进行有损压缩。最底层的运算可以很简单，高效低损的压缩算法才是不...
脑的视觉 研究的已经比较明白了，就是一层层的信息处理。 而且处理的也不是像素信息，而是特征信息。 从视网膜 视神经出来 就已经上特征信息了，也就是说视网膜上的视神经 是进行处理的第一层，也类似卷积一样 出来的都是什么边缘之类的特征。
脑的语言功能 之类 更加抽象，而且只有人类大脑有语言功能，估计也不大好做实验。 所以这个还比较模糊。
>> 品葱上的人谈ai基本都是那套话术：什么拟合函数啊这是之前机器学习时代 support vect...
深度学习是机器学习的一种。
现在做AI的都是以前做机器学习的。
正好碰上google 的alpha go横空出世，工程能力强的就把google那一套学过来了。
后面的都是在这些基础之上的。
国内的比如梁文峰都是一开始做机器学习，然后这么走过来的。
>> AI模型训练本质上就是对训练数据进行有损压缩。最底层的运算可以很简单，高效低损的压缩算法才是不...
这是一种AI的理论，不过我是不认同压缩论的。
现在AI明显具备了推理能力，这不是压缩所能涵盖的。
其实人类对AI到底是怎么回事，完全没有搞明白。
现在只能摸着石头过河，走一步算一步。
中国没有ai大厂，中国算力只有美国几分之一，分散度却比美国高得多。因此基座模型预训练规模上不去，预训练执行期周期也长得多。
这有两个后果，一方面，中国厂商为了追赶模型迭代，用相同基座模型，大量蒸馏搞后训练微调; 另一方面这样搞出来的中国厂商模型，token会便宜很多，之前我还以为它们推理优化做得好，其实只是财务摊销问题。
最后，评论区外行不看论文，张嘴就来，不论是否开放模型权重，相关论文一直都是正常发的。
这有两个后果，一方面，中国厂商为了追赶模型迭代，用相同基座模型，大量蒸馏搞后训练微调; 另一方面这样搞出来的中国厂商模型，token会便宜很多，之前我还以为它们推理优化做得好，其实只是财务摊销问题。
最后，评论区外行不看论文，张嘴就来，不论是否开放模型权重，相关论文一直都是正常发的。
没有海量训练数据和硬件，开源代码也没有意义。至于赚钱，有能力本地部署Kimi K3的公司需要给moonshot license fee，个人和小团队可以免费用但是没有compute资源，高度quantization的阉割版个人和小团队可以负担得起，但是性能肯定差很多。结果是绝大多数用户还是会从moonshot那里买token。更主要的是如果可以控制开源AI的ecosystem，moonshot就掌握该领域的定价权，等到用户转移到Kimi 3后，大可以用其他方式去赚钱。
>> 这个倒不是扭曲“开源”的定义，而是传统软件和AI大模型有偏差AI大模型的算法其实很简单大家也都...
产品推广期不都这么搞吗？国内的美团滴滴，国外的amazon，doordash和Uber，作为领域的disruptor，你必须先得撒钱来占领市场。别说moonshot了，其他AI公司也是一样，以现在的订阅费和token inference成本，没有AI公司可以盈利，现在这种人人都有免费AI access的好日子不会一直延续下去。他们所期待的不过是先把占领用户，等消费者把AI integrate到他们的routine workflow后再开始提价。现在各大公司已经开始通过限制token quota开始变相提价了。
>> 这不属于陷阱式营销吗
>> 产品推广期不都这么搞吗？国内的美团滴滴，国外的amazon，doordash和Uber，作为领...
现在用户的玩法就是毫无忠诚度，你这边提价我就去用那边，美国的闭源大模型都提价我就去用中国模型，总有人要提供免费token给大家偷啃
我不懂AI，我还不懂中国人吗？