遭受围攻的 API 模式
当 Moonshot 发布 Kimi K3 时，影响是立竿见影的。这是一个能力极强的开源权重模型，企业可以将其下载、定制并部署在自己的服务器上，而无需向第三方 API 发送任何 token。对于那些已经对将专有客户记录、法律文件或源代码发送到外部云端感到紧张的企业来说，这不仅仅是一个替代方案，更是一个避风港。
这个避风港让既得利益者感到恐惧。像 OpenAI 和 Anthropic 这样的前沿实验室建立其帝国遵循一个简单的公式：投入数十亿美元训练大规模模型，然后通过严格控制、高利润的 API 提供访问权限。这一赌注建立在这样一个假设之上：即客户缺乏在本地运行尖端智能的基础设施或专业知识，或者至少在法律层面上不敢这样做。开源权重模型打破了这一假设。一旦权重公开，任何拥有足够 GPU 容量的组织都可以完全绕过按 token 计费的模式。经济模式正从租赁服务转向拥有引擎。
这种威胁已经在企业 IT 部门内部显现。合规团队更倾向于物理隔离部署。财务团队更倾向于可预测的资本支出，而非波动的用量账单。工程团队更倾向于自行微调模型行为，而不是向供应商乞求调整温度参数。对专有利润的整体压力是不言而喻的。
OpenAI 负责战略未来的 Dean W. Ball 最近明确了其中的利害关系。他敦促美国政府探索监管工具，以在开源权重发布周围制造他所谓的“不确定性和不信任”。剥去政策术语的外壳，其动机是显而易见的。如果企业转向更便宜的自托管替代方案，那么那些耗资数十亿美元的训练运行所带来的回报就会崩塌。前沿实验室需要锁定订阅用户，以证明其资本支出的合理性。开源权重将专有资产变成了公共底层。这对于买家来说是极好的，但对于那些估值依赖于持续 API 租金的卖家来说，则是灾难性的。
并非所有人都看到了死亡螺旋。Snorkel AI 的联合创始人 Braden Hancock 认为，虽然开源权重模型会压缩前沿利润空间，但它们同时也会扩大整个行业的 AI 总用量。计算的历史支持这一观点。更便宜的处理器并没有杀死 Intel；相反，它们将计算嵌入到一切事物中，并做大了蛋糕。悬而未决的问题是，封闭式实验室能否在从奢侈品定价向通用工具转型的过程中生存下来，而不至于崩溃。
中国问题
当华盛顿开始审视这些模型的来源时，这场辩论便演变成了地缘政治问题。有报告指出，特朗普政府正在考虑禁止先进的中国开源权重模型，而 Kimi K3 正处于风口浪尖。支持者提出了三个具体的担忧。
首先是数据主权。人们担心，部署在美国组织内部的中国模型可能会在暗中为中华人民共和国进行数据采集。其次是隐性偏见。分析人士警告称，使用中文语料库训练的模型可能会嵌入微妙的亲华意识形态倾向，从而扭曲从历史总结到政策起草辅助的一切内容。第三是安全护栏。美国监管机构已推动国内前沿实验室安装严格的协议以防止滥用，特别是在针对网络安全漏洞利用方面。一些官员担心，中国的发布版本缺乏同等的严谨性，使得有心之士更容易将其武器化，用以攻击计算机系统。
这些担忧听起来非常紧迫。但在稍加审视之下，它们也显得经不起推敲。安全研究人员指出，运行在本地服务器上的开源权重模型本质上是一个静态文件。它并