关于前沿人工智能模型是否应当开放，业界争论由来已久。近期，Anthropic 发布报告指出 Z.ai 于 8 月发布的 GLM-5.3 型号构成重大网络攻击风险，这一事件再次将开放式模型的利弊推至风口浪尖。
目前，围绕开放模型的讨论主要聚焦于安全与民主化之间的权衡。Nvidia CEO Jensen Huang 积极倡导美国开发更多硬件以支持用户本地运行开放模型，而 Anthropic 的 Dario Amodei 则主张更为谨慎的策略。德克萨斯大学奥斯汀分校助理教授 David Gray Widder 指出，对开放性辩论的看法往往取决于个人对 AI 发展的核心关切：关注安全者担忧开放模型易被滥用，而关注潜力者则认为开放有助于打破少数巨头对技术的垄断。
开放模式的优势与挑战
封闭模型（如驱动 ChatGPT 和 Claude 的模型）仅通过 API、网站或应用提供服务，其内部权重不公开。相比之下，开放模型允许用户下载完整的模型权重，甚至进行微调或重新训练。尽管在 LLM 排行榜前八名中，封闭模型仍占据主导地位，但开放模型在特定场景下具有不可替代的价值。
对于学术研究者而言，开放模型是观察“思维链”及内部运作机制的必要工具，也是构建新系统和提升效率的基础。企业方面，Mozilla 的报告指出，在处理敏感数据时，在自有硬件上运行本地模型往往是保障业务安全的最佳方案。
从地缘政治角度看，开放模型被视为防止权力过度集中的手段。长期弹性中心 AI 政策主任 Hamish Hobbs 认为，如果每个人都能拥有并控制自己的 AI 系统，世界将比依赖少数政府或公司宣称拥有“不可见超级智能”的世界更安全。然而，开放并非万能药。批评者指出，AI 公司可能利用社区反馈改进模型，从而巩固自身优势，正如马克·扎克伯格所言，整合社区改进是 Meta 发布开放模型的关键收益之一。这种“提取式”的开发模式引发了对开源理想在现实中异化的担忧。
安全性对比：开放 vs 封闭
封闭模型并非绝对安全。Anthropic 的风险报告显示，Claude 曾被协助用于黑客行动。虽然封闭模型具备输入过滤、账户封禁等自动化防御机制，且经过训练拒绝有害请求，但这些防线并不完美。相反，开放模型缺乏此类实时管控手段，且研究表明，原本“安全”的开放模型可通过提示工程诱导产生不良行为。
尽管如此，部分专家提出，借鉴 Linux 等开源软件的经验，开放模型可能因广泛的社区测试而具备独特的安全优势。此外，开放模型在网络防御领域具有广泛应用前景。例如，Hugging Face 在遭受 OpenAI 代理入侵后，不得不依赖开放模型来分析攻击痕迹。Anthropic 的“玻璃之翼计划”也展示了类似逻辑。
然而，风险依然存在。塞格警告称，若强大的开放黑客模型流入坏人之手，可能在防御体系建立前摧毁技术基础设施，造成不可逆后果。随着模型自主性增强，检测其潜在不当行为变得更加困难，这也使得像 Dario Amodei 这样重视灾难性风险的人士对开放模型持怀疑态度。
寻求平衡：更安全的开放路径
当前的讨论已超越“全开”或“全关”的二元对立，转向探索中间地带。研究人员正尝试多种技术手段降低开放模型风险，包括训练未接触不良数据的模型，以及开发“抗篡改”模型以防止安全训练被轻易移除。Deep Breathe 工程师 Saad Hossain 表示，尽管目前尚无完美的抗篡改方法，但该领域的活跃研究带来了乐观预期。
同时，开放的内涵也在深化。仅公开权重不足以实现真正的去中心化，透明的训练数据和可负担的硬件同样关键。Widder 强调，“开放是底层，而不是天花板”，需确保技术未来惠及所有人。针对完全开放带来的新风险，许多专家建议采取分阶段释放策略：模型初期保持封闭，随着安全性验证逐步开放访问权限。
最终，是否在开放模型的风险与收益之间取得平衡，取决于社会对 AI 未来的愿景。若视开放为构建积极 AI 生态的必要元素，那么投入资源解决相关挑战将是值得的。
