开源闭源争论不休，浅谈大模型开源和闭源

【点击】 加入大模型技术交流群

写在前面

前一阵子的开源和闭源之争炒的比较火热，之前一直想写点什么，由于太懒就没写，但是最近开源模型真的太火爆了，前有Grok-1、Mistral-8x22、Llama3，后有Yi-1.5、Deepseek-V2、Qwen1.5-110B， 开源模型现在真的卷到飞起。

今天简单聊聊下面的几点内容，欢迎大家拍砖，给出不同看法：

• 开源模型有哪些优势
• 开源模型与闭源模型的差距会越大还是越小
• 开源模型哪家强

开源模型有哪些优势

个人认为， 开源大模型是让大模型行业卷起来的根源。

在ChatGPT刚刚出来的时候，业内满是焦虑；在Llama开源之后，业界满是兴奋，因为更多人看到了光。

开源的优势主要是人多，可能有人会反驳说AI需要高精尖的人才，但老话不是常说三个臭皮匠顶个诸葛亮嘛。（很多大佬其实也是没有什么资源，从头预训练的资源消耗真的太大了）

人一多，点子就多，就会衍生出很多大模型相关Trick，就像如何进行上下文扩展（NTK、YaRN、LongLora等）、如何小代价进行模型Merge得到更大更好的模型（SOLAR、Llama-Pro等）、如何更好更高效地进行人类偏好对齐（DPO、ORPO等）等等。如果没有好的开源模型，很多研究也许就没法涌现出来。

更多人涌入到大模型相关研究中，总会给大模型的发展带来积极的作用。闭源大模型团队的人也可以从外界汲取一些方法，来进一步提升模型本身效果。

随着微调项目的开源、部署框架的不断开源、进步，现在很多中小企业和开发者可以很快地用上大模型，摸清大模型落地的边界，让大模型产品有更多的玩法、可操作性更强，进而会推动AI的落地发展。

就像网上基于通义千问的开源大模型Qwen1.5-110B模型微调后的效果远超原始模型一样， 开源亦有能量。

当然上面只是从技术思维来讲开源的好处，但不可否认的是开源的商业模式确实不明朗，很难避免白嫖的现象。

我觉得从现在GPU的成本来看，很多选择开源模型的企业还是在10B参数规模， 太大了成本也兜不住，还不如选择API ，那么这时候占据开源市场的头部企业的机会不就来了嘛。

开源大模型跟闭源大模型最后应该是相辅相成的 ，只是不同人群用的不同。穷玩家、愿意钻研的玩家、需要有更多私有化定制的玩家，可能选择去玩开源大模型。富有玩家、想伸手就用的玩家、追求更高逼格的玩家，可能选择去玩闭源大模型。

开源模型与闭源模型的差距

个人认为， 开源大模型跟闭源大模型最后应该是相辅相成的

真的不敢想想大模型发展会这么迅猛，不敢想想之前惊为天人的GPT3.5都已经不配跟头部开源模型对标，都在对标GPT4。

从对战榜单上来看， 头部模型中，开源模型占比不在少数 ，可以感觉出来差距在减小。从体验上来说，头部开源模型得效果也是不错的。

闭源有数据壁垒，确实很难追，只能靠头部开源组织发力，个体或者小组织只能缝缝补补啦，反正Pre-train真是做不了。

但也请别小瞧缝缝补补的工作， 反正一些任务微调微调72B模型真能干过GPT4的。

开源模型哪家强