一个让硅谷紧张的趋势

2026年7月，Meta发布了Llama 4的405B参数版本。在MMLU、HumanEval、GSM8K等主流基准上，Llama 4的得分分别达到了90.1、93.5和95.2——与GPT-5的差距缩小到了3个百分点以内。

更重要的是：Llama 4是开源的。任何人都可以下载、修改、部署。

这个趋势让硅谷的AI巨头们感到不安。OpenAI的CEO Sam Altman在2026年6月的一次演讲中警告：“开源AGI模型可能被恶意行为者滥用，造成不可预测的安全风险。“但Meta的Yann LeCun反驳：“开源是防止AGI被少数公司垄断的最好方式。”

金句：开源AGI是2026年AI领域最分裂的话题。支持者看到的是"AI民主化”，反对者看到的是"AI安全噩梦”。

2026年开源AGI的进展

Llama 4（Meta）： 405B参数，开源（Apache 2.0协议），在90%的基准测试上达到GPT-5的95%以上水平。Llama 4的社区生态迅速发展——在Hugging Face上，Llama 4的微调版本超过10万个。

DeepSeek-V3（中国）： 671B参数（MoE架构，每次推理激活约37B），开源，在数学和代码基准上甚至超过了GPT-5。DeepSeek-V3的训练成本仅为GPT-4的1/10，证明了"效率路线"的可行性。

Mistral Large 2（法国）： 开源，在欧盟GDPR框架下训练，强调数据隐私和合规。Mistral Large 2在多语言任务上表现尤其出色。

Qwen 2.5（阿里巴巴）： 开源，在中文和英文任务上均表现出色。Qwen 2.5的社区生态在中国尤其活跃。

开源AGI的争论

支持方论点：

  • AI民主化： AGI不应该被少数公司垄断。开源让全球的研究者、开发者、企业都能参与AGI的开发和部署。
  • 安全性： 开源让更多人能"审查"模型的安全性，而不是相信少数公司的"安全声明"。
  • 创新速度： 开源社区的创新速度远超闭源公司。Llama 4的微调版本在特定任务上已经超过了GPT-5。

反对方论点：

  • 滥用风险： 开源AGI模型可以被恶意行为者用于生成虚假信息、制造网络攻击、开发AI武器。
  • 不可逆性： 一旦开源模型被发布，就无法"收回"。如果发现严重的安全漏洞，无法像闭源模型那样"按下停止按钮"。
  • 对齐挑战： 开源模型可以被"微调"成任何方向——包括"不安全的"方向。这增加了AI对齐的难度。

2026年，开源AGI的"中间道路"

2026年，一些研究者提出了"开源AGI"的中间道路：

分级开源： 不是"全开"或"全不开"，而是"分级开放"——基础模型开源，但某些"危险能力"（如代码生成、自主决策）需要额外的安全审查。

开源安全测试： 在开源之前，由独立的第三方进行安全测试，确保模型不存在已知的安全漏洞。

责任共享： 开源模型的使用者（而不仅仅是开发者）也需要承担"负责任使用"的义务。

结论：开源AGI的发展是不可阻挡的。 2026年，开源模型和闭源模型的差距正在缩小，这个趋势在未来几年只会加速。关键问题不是"要不要开源"，而是"如何安全地开源"。