4月22日消息，Meta 最新开源模型Llama 3的发布，把大模型“开源和闭源之争“的话题再次推上热点。
Meta最新、能力最强的开源大模型Llama 3 8B、70B在上周正式亮相，同时Meta还带来了将开源Llama 3 400B大模型的预告。
Llama 3 400B模型在多语言推理任务、代码能力，可与GPT-4、Claude 3相匹敌。
此举引发大模型开源社区的沸腾。
事实上，自闭源的GPT-4发布后，大模型开源界对能力能比肩GPT-4的大模型期盼已久。
而自大模型技术成名以来，大模型开源与闭源的问题上存在不同意见和争论，开源和闭源的选择一直是大模型领域的热点话题。
在美国，Open AI在发布GPT-2之后，转向闭源，甚至被马斯克告上法庭嘲讽要求改名为Close AI。而 Meta则成为大模型开源界的扛旗者。
在Llama 3发布的同时，Meta CEO 扎克伯格与知名科技播客主持人Dwarkesh Patel的专访视频也同步播出，在这份专访中，扎克伯格强调：开源正成为一种全新的、强大的构筑大模型的方式。Llama 3的成功证明了开源模型在促进技术进步和创新方面的巨大潜力。
在中国，关于大模型开源和闭源的争论同样有。
4月16日Create2024 百度AI开发者大会上，百度创始人、董事长兼首席执行官李彦宏旗帜鲜明的指出：“开源模型会越来越落后”。
不过，目前国内更多大模型厂商选择的是开源和闭源并行，例如Google、阿里巴巴、昆仑万维、零一万物、百川智能等，都是如此。
对于大模型开源闭源的争论，360创始人周鸿祎昨天也发布视频给出了自己的观点，他表示，自己一直就是开源信徒，但他也认为：开源和闭源是两种不同的商业模式，没有必要相互贬低。
李彦宏：大模型场景下，开源最贵，开源模型会越来越落后
李彦宏认为闭源模型在能力上会持续地领先，而不是一时地领先。他提出，模型开源并不是一个众人拾柴火焰高的情况，这与传统的软件开源，比如Linux、安卓等有很大的不同。他强调，闭源模型有真正的商业模式，能够盈利，从而聚集算力和人才。此外，从成本角度看，闭源模型在同等能力下，其推理成本更低，响应速度更快。
在Create 2024百度AI开发者大会上，李彦宏用“通过文心4.0降维裁剪出来的更小尺寸模型，要比直接拿开源调出来的模型，同等尺寸下效果明显更好，同等效果下，成本明显更低”为例来论证了自己的观点。
他强调：“大家以前用开源觉得开源便宜，其实在大模型场景下，开源是最贵的。所以开源模型会越来越落后。”
这不是李彦宏首次谈论大模型开源的问题。在4月11日李彦宏在一次内部讲话中也阐述了百度为何不选择开源路线。
扎克伯格：开源承诺是对技术未来的一种投资
在扎克伯格的最新播客访谈中，他表示，Llama 3的成功证明了开源模型在促进技术进步和创新方面的巨大潜力。Llama 3的开源策略不仅吸引了全球的开发者参与贡献，也使得AI技术的发展更加民主化，让更多的人能够接触和利用这些先进的工具。
Meta的开源承诺，是对技术未来的一种投资。通过建立一个开放的生态系统，Meta不仅在技术上保持领先，更在文化上推动了一种共享和协作的精神。这种精神，不仅体现在技术的快速发展上，也体现在对全球技术社区的包容和支持上。Meta的这一战略将为公司带来长远的竞争优势。
对于开源安全问题，扎克伯格表示，有了优秀的开源 AI 反而可以帮助引领标准，确保一个更公平、更均衡的竞争环境，达到平衡。
在回答主持人“如果有人想用 AI 系统制造混乱， 那么世界上其他开源系统如何防止这种情况呢？”提问时，扎克伯格也表示，“我们确实非常支持开源的理念，开源对社区和我们自身都有好处，因为我们将从创新中受益。但是，如果模型发生了某种质的改变， 我们认为开源它是不负责任的，那么我们就不会开源。”
周鸿祎：开源和闭源没有必要相互贬低
在周鸿祎的视频中，他提到“我一直是开源的信徒。“ “如果没有当初谷歌开源transformer，就不会有 OpenAI，也就没有今天的GPT。”
Llama 3问世又再次验证了我们对开源的信心，开源对整个互联网的发展，对整个大模型的发展带来的意义是非常巨大的。
他还提到，自己曾经在硅谷问过谷歌的高管，为什么谷歌把很多大数据的项目都给开源了？为什么把这些东西都贡献给公众？他觉得软件的规模非常大，靠一家公司自己独立去维护，其实成本非常高。变成开源之后，就变成了公共的财产。实际上是靠很多志愿者，很多其他的公司共同来参与，当然大家也在享用开源的成果，所以形成了一种我为人人，人人为我的一种文化。如果只靠几家闭源公司，人工智能的发展不会这么快。
开源和闭源是两种不同的商业模式，我认为互相之间没有必要相互贬低。而且有很多公司把开源和闭源相结合，所以最典型的就是安卓和iPhone，一个开源一个闭源，Linus x和windows一个开源一个闭源，也都活得很好。
结语：
开源和闭源都有其各自的优点和挑战，开源模型可以吸引更多的开发者和研究者参与，加速技术创新和模型优化，但也可能面临知识产权保护、商业利益分配等问题。而闭源模型则能更好地保护开发者的知识产权和商业利益，但也可能限制了技术的传播和应用。
开源和闭源的选择可能因具体的应用场景、业务需求和技术发展等多种因素而异。在未来，随着人工智能技术的进一步发展，这个问题可能会引发更多的讨论和争议。
