开放权重三杰：Llama、DeepSeek、Qwen 如何改写模型供给格局
数据截止 2026-09。承接开源模型反攻、DeepSeek 时刻、API 商品化与价格战。
开放权重不是某一家公司的独角戏，而是三条路线汇成的大潮：Meta 的 Llama 把“开放权重”从边缘做成主流、并孵出庞大衍生生态；DeepSeek 用极致效率和开放策略制造了地缘级震动；阿里的 Qwen 以最齐全的型号矩阵和活跃社区登顶全球下载榜。 三者共同把“最强能力必须锁在闭源 API 后”的旧叙事撕开了大口子，深刻改变了模型、云、芯片乃至数据主权的格局。
先说结论
- 要先分清“开放权重 ≠ 传统开源”：能下载权重不等于许可证无条件开放，商用规模上限、衍生分发、命名与附加条款各家不同。
- Llama 是生态旗手，用近乎开源的策略聚拢全球开发者与海量微调衍生版，让开放权重成为默认选项之一。
- DeepSeek 是效率颠覆者，以相对低的算力成本逼近一流、并开放权重，重写了“只有巨头烧得起”的假设。
- Qwen 是型号矩阵最全的玩家，覆盖从端侧小模型到旗舰、多模态与代码，凭工程完整度和社区拿下全球份额。
- 连锁效应明确：压低 API 价格、推动私有化/主权部署、削弱闭源护城河、并改变芯片需求结构——开放模型让“买卡自跑”重新有底气。
节点速览：技术 / 玩家 / 成熟度 / 预期
数据截止 2026-09。标尺说明见 AI 产业链总览。
| 象限 | 要点 |
|---|---|
| 关键技术 | ① 开放权重+可本地推理（TRL-5）② 高效架构与训练/后训练方法（MoE、推理范式等，TRL-4）③ 微调/LoRA 与衍生生态（TRL-5）④ 全尺寸+多模态型号矩阵（TRL-4）⑤ 许可证合规框架（TRL-4） |
| 主要玩家 | 全球：Meta Llama、谷歌 Gemma 等开放权重阵营；中国：DeepSeek、阿里 Qwen，另有多家国产开放模型；承接生态：Hugging Face、云厂商托管、无数微调与应用公司 |
| 做到什么程度 | 头部开放权重在多数通用/代码/推理任务上已逼近或局部追平同期闭源；衍生模型海量；私有化部署成为企业与主权现实选项 |
| 后续预期 | 6 个月：三方继续高频迭代、差距收窄（置信度高）；18 个月：开放权重在企业自托管份额上升（置信度中）；36 个月：开放/闭源走向长期共存、能力差趋同（置信度中） |
一、先厘清：开放权重不等于开源
中文语境常把“能下载模型”笼统称为“开源”，但严格说多数大模型是“开放权重（open weights）”：你能拿到权重在本地跑、能微调，但使用条款未必符合 OSI 意义上的开源。
| 维度 | 传统开源 | 开放权重（常见） |
|---|---|---|
| 权重可得 | 是 | 是 |
| 训练数据/代码 | 通常开放 | 多数不开放 |
| 商用 | 自由 | 常有规模/领域/地区限制 |
| 衍生分发 | 自由 | 需遵守许可证与命名条款 |
| 典型代表 | 多数软件项目 | Llama 系、Qwen 系等（条款各版不同） |
因此选型时必须读具体许可证：是否允许大规模商用、是否要求同名/标注、衍生模型能否再许可、是否有“被淘汰组织”或司法辖区限制。模型能力是技术问题，许可证是法律问题，企业商用前合规这一步不能省。
二、Llama：把开放权重做成主流的旗手
Meta 的策略在当时颇具颠覆性：一个拥有海量社交数据与算力的巨头，却把旗舰模型权重近乎开放地放出来。它的真正武器不是“免费”，而是生态位。
当一个基座足够好且开放，全球开发者会自发为它做微调、量化、适配各硬件、写教程、修工具，形成海量衍生模型；这些又让它成为新项目的“默认起点”，反过来巩固其地位。对 Meta 而言，开放模型本身不是直接利润中心，而是维系其在 AI 时代影响力、标准话语权与分发渠道的战略资产。这条“开放—生态—标准”的路径，为后来者立下了范本。
三、DeepSeek：用效率重写规则的颠覆者
如果说 Llama 证明了开放可行，DeepSeek 则重写了成本与门槛的假设。它以相对克制的算力投入，通过架构与训练/后训练上的效率工程，让模型在多项任务上逼近甚至比肩一流闭源，并把权重开放出来。
- 效率叙事：MoE 等架构、训练与推理上的优化，让“高水平模型不必天价算力”成为可讨论的命题，直接冲击“只有超巨头烧得起”的认知。
- 开放策略放大冲击：权重开放使全球研究者和企业能直接验证、部署、二次开发，技术主张无法被轻易否认，加速了扩散。
- 地缘外溢：它同时改变了外界对算力封锁效果、国产能力和追赶路径的判断，相关深层逻辑见 DeepSeek 时刻。
它的影响不仅是“多了一个好模型”，而是给整个行业的资本开支叙事、芯片需求预期和竞争节奏投下了变量。
四、Qwen：型号矩阵最全的全能选手
阿里 Qwen 的打法核心是“全”与“工程完整度”：不追求单一爆点，而是提供从端侧几 B 的小模型到旗舰大模型、覆盖语言/代码/多模态/数学/推理的密集型号矩阵，并配套完善的工具链、文档与开放社区运营。
| 打法要素 | Qwen 的选择 | 对采用者的意义 |
|---|---|---|
| 尺寸覆盖 | 端侧到旗舰全档 | 任何预算/设备都有对应型号 |
| 能力域 | 通用、代码、数学、多模态 | 一站式选型、减少拼装 |
| 开放治理 | 权重+活跃社区+工具链 | 易微调、易部署、易获支持 |
| 分发 | 国际平台与云托管 | 全球可得、下载量大 |
凭借这种“总有一款适合你”的矩阵化策略和稳健迭代，Qwen 在全球下载与衍生数量上长期领先，成为国际开发者使用最广的中国开放模型系列之一，也成为阿里云与生态的重要引流入口。
五、连锁效应：价格、主权与芯片需求
三股力量合流，影响远超模型层本身。
其一，压 API 价格：当企业能免费拿到“足够好”的模型自跑，闭源 API 的溢价空间被直接压缩，这正是API 价格战的供给侧推手。其二，私有化与主权部署：金融、政务、医疗等不愿数据出域者，可在内网/本地部署，呼应AI 监管与主权主题。其三，改变芯片需求：开放模型让“买卡自跑 vs 调用 API”的天平重新摆动，扩散了算力需求，也利好自建 vs 调用决策中的自建派。需要清醒的是，开放权重并不必然“免费更优”——自托管要承担算力、运维、升级与合规成本，长期看开放与闭源更可能长期共存、能力趋同而非一方独大。
常见误区
- 误区：开放权重=完全开源。 多数仅开放权重，训练数据/代码不开放，商用仍受许可证约束。
- 误区：免费模型就更省钱。 自托管的算力、运维、升级成本可能超过直接调 API。
- 误区：DeepSeek 证明算力不重要。 它证明的是效率工程的价值，前沿训练仍高度依赖大规模算力。
- 误区：开放会彻底杀死闭源。 更可能长期共存，闭源在前沿能力、托管与企业服务上仍有价值。
- 误区：三家只是在“跑分”。 真正的竞争在许可证、生态、工程完整度与可持续投入。
总结
Llama、DeepSeek、Qwen 以三条路线汇成开放权重大潮：Llama 用开放基座转动‘生态飞轮’成为事实标准，DeepSeek 以极致效率和开放策略重写了顶级模型的成本与门槛假设，Qwen 则凭端侧到旗舰、多模态全覆盖的型号矩阵和工程完整度赢得全球开发者；在‘开放权重≠传统开源’的法律前提下，它们共同压低 API 价格、让私有化与主权部署成为现实、并改变了芯片需求结构，长期将与闭源阵营能力趋同、共存共生。
相关与延伸
- 开放阵营总览：开源模型反攻
- DeepSeek 的深层逻辑：DeepSeek 时刻
- 价格连锁反应：API 商品化与价格战
- 自跑 vs 调用：自建 vs 调用基础模型
- 主权与监管：AI 监管与主权地缘