开源权重大模型已跨过「够用」门槛

近期，作者在两周内集中体验了 Moonshot AI 的 Kimi K3 与阿里巴巴的 Qwen 3.8 Max 两款中国开源权重大模型（权重承诺即将开放下载）。两家公司都在基准测试中宣称其能力可对标 Anthropic 的 Fable 5 与 OpenAI 的 GPT-5.5 Sol 等西方前沿模型。作者本人并不认同这种「对标」说法，但认为这些模型在 AI 辅助编程等场景中确实已经「非常能打」。

编程场景实测：开源权重已足够好用

作者在自己的 vibe-coding 基准上用 Fable、Sol、K3、Qwen 分别生成测试小游戏，结果差异不大；在更严肃的「按规格构建 Web 应用」测试中，K3、Qwen 与 Fable 三者产物高度相似，由 Sol（Codex 接口）担任 AI 评审给出的代码评价也均为正面，其中 Fable 略胜一筹。

作者最看重的信号是：开源权重模型已经达到「够用于严肃 AI 辅助工程」的临界点。Anthropic 与 OpenAI 在 2024 年 10–11 月间率先跨过这一门槛，随后在软件开发行业掀起了大规模采用浪潮；但始终存在「翻车」风险——token 价格过高、模型被主动撤回（如 Fable 风波）、或被过度对齐的限制策略削弱。开源模型则是对冲这类风险的最佳保险。

第三方推理与本地化部署

虽然 Kimi K3（2.8T 参数）、Qwen 3.8 Max（2.6T 参数）等模型规模太大，普通爱好者几乎不可能本地运行，但围绕它们的第三方推理服务商已形成稳定生态；对于必须严控数据外泄的组织，也可以选择（昂贵的）私有化部署方案。

「中国威胁论」的边界

针对西方舆论对中国模型的担忧，作者认为：一是所谓「价值观不一致」并不成立——Anthropic 与 OpenAI 同样抓取整个公共互联网并以版权作品训练，再去禁止他人基于 API 结果训练本身就缺乏说服力；二是中国政府的审查与对齐确实存在，但开源后可通过后训练手段剥离审查层。

西方并非缺席：百花齐放的开源生态

中国模型（Kimi、Qwen、DeepSeek、GLM）虽然最为显眼，但并非垄断开源生态：Google DeepMind 的 Gemma 是最受欢迎的小模型之一，Laguna S2.1、Nemotron 3、Mistral Small 4 等模型虽鲜有声势，却也能力不俗。整体来看，4B 到 3T 参数不等的开源 LLM 已形成健康生态，多数为「仅开放权重」，少数为「完全开源（含训练数据）」，并已在各自细分场景中成为主流闭源大模型的可靠替代。

硬件：最后一公里的现实瓶颈

用户体验层面，开源权重模型与真正自由软件的最大差异在于硬件。2026 年中，普通爱好者仍无法以可用速度运行大模型：Mac Studio、NVIDIA DGX Spark、AMD Strix Halo 等统一内存机型售价约 5000 美元，最多只能跑 100B–200B 参数的模型，远不及 K3、Qwen Max 这样的万亿级体量。作者对此持乐观态度：NVIDIA 市值 5 万亿美元、利润率高达 85%，HBM 厂商同样盆满钵满，充足的资本涌入将带来更强的算力竞争、更高的性能和更低的硬件价格——尽管晶圆厂建设仍需时间。