俗话说，是骡子是马，牵出来溜溜就知道。

最近，开源大模型届的“汗血宝马”Llama3，似乎要露馅了。

据美国媒体The Information报道，在全球最大云计算服务商亚马逊的AWS平台上，一度被开发者好评如潮的Llama开源大模型竞无人问津，企业用户最喜欢的是Anthropic的闭源大模型Claude。无独有偶，报道称在微软云平台上，Llama也一样坐着冷板凳，销售人员甚至不会主动进行推销。

卖是卖不动了，那作为开源模型最引以为傲的下载量呢？也在跌。

据报道，Meta最新推出的开源大模型Llama 3.1 405B，上线一个月后的下载量仅为360万，比上一代模型降低了40%。

为什么Llama3会一路遇冷？

“假开源”：不知参数、不明算法

在互联网和软件开发时代，开源具有重要意义。开源允许用户自由获取、使用、修改和分发软件的源代码，不仅能降低软件使用成本，还能激发更多的开发者参与到软件的创新和改进中，推动技术的发展迭代。这样“众人拾柴火焰高”的开源精神，是互联网时代最宝贵的财富之一。

但时代变了。如今的开源大模型，都是有限开源——仅开放参数和调用接口，但训练数据、训练代码、算法等这些核心部分都未开源。这就好比让你下厨但不给菜谱，光开放厨房有啥用呢？

百度的李彦宏前一段时间直接炮轰过这个问题，他指出很多人混淆了模型开源和代码开源的概念，所谓的模型开源只能拿到一堆参数，还要再做SFT、安全对齐，即使是拿到对应源代码，也不知道是用了什么样的数据去训练这些参数，并不能实现“站在巨人的肩膀上”的效果做迭代开发。闭源大模型比开源模型明显更适用于商业社会和企业服务市场。

『AI教母』李飞飞带领的斯坦福人工智能团队前几个月公布的测评结果也显示，开源大模型全面落后闭源大模型。尤其是在最能体现模型应用和智能体能力的AgentBench项目上，闭源模型评分为4分，而开源仅为0.96，两者差距高达300%。

不仅能力差，开源大模型还存在一系列问题：

一是海外开源模型大多未经过严格的安全测试，数据、代码都是“黑盒子”，内部的逻辑和决策过程不透明，开发者难以对其进行精确的控制和约束，极易存在安全隐患。

其次，Post-pretrain消耗资源大，开源模型需要企业自行进行精调和优化，没有钞能力的个人玩家和小企业，很难负担起其所需的算力资源、技术开销和人力成本。

“真门槛”：想用开源，算力够吗？

用不起，是Llama3一路遇冷的另一重要原因。

美国知名AI创业者、VRSEN公司的创始人Arsenii Shatokhin在访谈中直言，“我们只有一两个客户有足够资源，来精调或运行700亿参数的Llama开源模型。”

VRSEN是一家专注于为企业客户打造AI智能体的公司，曾为多家知名企业如思科、StripePMA、HUGO PFOHE等提供过AI解决方案。

在结合真实的市场反馈和落地经验后，Arsenii Shatokhin分析出Llama3等开源大模型卖不动的原因——效率低、性价比更低。

他解释说，闭源大模型的API优化效率更高，“因为这些API是专门为模型构建的，并且尽可能地进行了优化，你只需要为你使用的东西付费，而无需其他费用。”与之相对，如果在开源模型中开发这样的优化系统，“是非常复杂的”。

正如谷歌前CEO Eric Schmidt所言，开源是一个好的模式，谷歌历史上的大部分基础设施都受益于开源，但AI行业的成本太高，开源负担不起。同时，开源模型和闭源模型相比，存在性能差距，这种差距还将继续扩大。他强调，自己投资的法国大模型公司Mistral，将会从开源转为闭源路线。

大模型的开源闭源之争，或终将随着Llama 3在市场的持续遇冷得到一个明确的答案。