2.4万亿参数免费可下载、扎克伯格发6500字长文：当开源把大模型变成"公共设施"，AI的护城河还剩什么？

2026年8月12日深夜到13日上午，全球AI行业经历了可能是史上最密集的一次"发布夜"——DeepSeek V4 Pro正式版上线、阿里Qwen3.8-2.4T-A95B开放全量权重、马斯克旗下Grok 4.6同台亮相。三款前沿模型在24小时内集中发布， intelligence Index得分差距已经缩到1分以内。

但真正值得关注的，不是谁的跑分高了一分，而是其中一款模型把2.4万亿参数的旗舰权重直接放到了HuggingFace上，免费下载。

就在同一天，Meta CEO扎克伯格发布了一篇6500字的长文《The Future is for Everyone》，明确反对少数巨头垄断超级智能，主张开源普惠路线。再叠加Hugging Face春季报告显示中国自研开源模型下载占比已达41%、首次超过美国——一个信号正在变得清晰：大模型本身正在从"稀缺资产"变成"公共设施"。

当模型能力被开源拉平，AI行业真正要比拼的东西，正在发生转移。

一、三模型同夜炸场：智能差距缩到1分，价格差距还有10倍

先看这次"发布夜"的基本面。

DeepSeek V4 Pro正式版（0813）是一个1.6万亿参数的MoE模型，每个Token激活49B参数，支持100万Token上下文和384K最大输出。在DeepSWE基准上，得分从预览版的12.8跃升至62.7；Terminal Bench 2.1达到87.9分，仅落后当前最强模型0.1分。API定价为每百万Token输入0.025美元（缓存命中）/ 0.435美元（缓存未命中）、输出0.87美元。

阿里Qwen3.8-2.4T-A95B更为庞大：总参数2.4万亿，激活95B，92层混合Gated DeltaNet与gated attention架构，每个MoE层包含512个专家，每Token选择10个路由专家加1个共享专家。原生支持262K上下文，可扩展至101万Token。在PaperBench上得分93.0，超过GPT-5.6 Sol和Fable 5。

xAI的Grok 4.6在Artificial Analysis Intelligence Index上拿到61分，与GPT-5.6 Sol持平，仅低于Fable 5的62分。API定价为每百万Token输入2美元、输出6美元。

有意思的是，一位HN用户用同一个编程任务测试了DeepSeek V4 Pro和Grok 4.6：DeepSeek花了12分钟、成本0.12美元，但代码有一个bug；Grok花了3分钟、成本1.41美元，代码没有bug。10倍的价格差距，换来的是速度和质量的微弱优势。 这正是当前前沿模型竞争的缩影——智能水平快速趋同，但价格和效率仍有差异。

更值得注意的是，三家不约而同地把"长周期Agent能力"作为核心卖点。DeepSeek强调DeepSWE的暴涨，Qwen展示了连续自主编程16天、独立复现论文、在2000轮交互中经营虚拟电商企业的极限测试，Grok 4.6也把重点放在长时间运行的智能体任务上。从"能回答问题"到"能完成任务"，已经成了全行业的共识方向。

二、2.4万亿参数免费下载：开源权重战的"质变"时刻

三款模型中，真正具有标志性意义的，是Qwen3.8-2.4T-A95B的权重开放。

这不仅仅是又一次开源发布。这是阿里首次将Max级别的旗舰模型对外开放权重——在此之前，万亿级MoE旗舰权重基本被闭源锁死，中小团队和政企几乎不可能本地部署。原始BF16权重体积4.9TB，开源团队Unsloth AI靠动态1-bit分层选择性量化技术将其压缩至397GB，存储空间缩减91%。这意味着，只要有410GB以上内存显存的机器——虽然是高端配置，但已经不是超算级别——就能本地运行一个前沿级大模型。

这带来的连锁效应是深远的。

第一，开源模型从"追赶者"变成了"围剿者"。 据Hugging Face 2026年春季报告，中国自研开源模型下载占比已达41%，首次超过美国。Counterpoint的分析指出，如果西方科技巨头只顾构建封闭的围墙花园，开发者和企业自然会转向开放权重模型。过去是"闭源模型更强，开源模型追赶"；现在Qwen3.8-Max在PaperBench上93.0分的成绩超过了GPT-5.6 Sol和Fable 5——开源模型在部分维度已经反超闭源。

第二，开源正在压低闭源模型的利润率。 强大的开源模型大幅降低了闭源实验室的潜在利润率，一方面减少了可用于训练下一代模型的利润，另一方面降低了投资者对闭源公司的长期估值。当你可以花0.12美元完成一个编程任务，为什么还要花1.41美元？当你可以免费下载一个2.4万亿参数的模型本地部署，为什么还要按Token付费？

第三，开源不只是技术选择，正在变成商业战略。 Qwen3.8-2.4T-A95B的许可证不再是Apache 2.0，而是Qwen自定义许可——普通用户可以下载、修改和部署，但部分大规模商业使用需要另行取得授权。这意味着阿里在开放权重的同时，也在构建自己的生态锁定：每一个基于Qwen的本地部署，都在强化其工具链、API约定和推理recipe的生态黏性。

三、扎克伯格的6500字：开源正在成为一种"立场"

就在Qwen开放权重的同一天，扎克伯格发布了长文《The Future is for Everyone》，明确反对少数巨头独吞超级智能，主张开源普惠路线。

这不是扎克伯格第一次谈开源，但在这个时间点发布这样一篇文章，信号意义格外强烈。过去几周，Meta已经发布了开源模型Muse Glimmer（300亿参数，专为本地Agent工作流优化），并预告将开放旗舰模型Muse Spark 1.2的权重。英伟达也加入了战局，推出开源模型Nemotron 3.5 Lightning，专为长时间运行的AI智能体执行层设计，可在普通笔记本电脑的单块GPU上流畅运行。

开源已经从"技术社区的理想主义"变成了"科技巨头的战略武器"。 对Meta来说，开源是打破OpenAI和Anthropic在前沿模型领域垄断地位的抓手；对阿里来说，开放Max级权重是抢占开发者生态、挤压海外闭源模型国内市场空间的手段；对英伟达来说，开源模型是卖更多GPU的催化剂。

当全球最大的几家科技公司都在往开源方向加码，一个结构性变化正在发生：大模型本身正在被"去资产化"。 过去，"我们有一个最强的模型"是核心竞争力；现在，当最强模型的权重可以免费下载，模型能力本身正在变成像电力和带宽一样的基础设施——重要，但不再是护城河。

四、能力被拉平之后：竞争焦点正在经历第三次转移

回望过去两年的AI竞争，可以清晰地看到三个阶段的转移。

第一阶段是"谁更聪明"的参数竞赛。 从GPT-4到Grok 4.6，从1万亿到2.4万亿参数，各家在Scaling Law的驱动下比拼模型规模和基准得分。但今天，Artificial Analysis Intelligence Index上前四名的差距已经缩到1-2分，这个差距在实际使用中几乎不可感知。

第二阶段是"谁更便宜"的价格战。 OpenAI的GPT-5.6 Luna降价80%，DeepSeek以1/60的价格提供接近Fable 5的性能。但价格战是有底线的——再低也无法覆盖推理成本，而且开源模型的存在让"降价"这条路的天花板变得更低：你能降到多少？人家免费。

第三阶段，也就是现在正在发生的，是"谁表现更好"的体验竞争。 当模型能力趋同、价格被开源压到底，真正能差异化的，是模型在具体场景中的表现力和体验质量。

这个趋势在Agent领域已经显现：同样是"连续编程16天"，模型A可能只完成了基础功能，模型B却能自主构建自进化测试框架、处理社区需求、做代码验证和自我修复。智能指数可能只差1分，但实际交付质量天差地别。

在多模态领域，这个趋势更加明显。同样是AI视频生成，有的模型能生成逼真的画面，但人物对口型对不上、表情僵硬、声音和画面像两个独立系统拼在一起——这种"级联式"架构的"幽灵效应"在开源模型普及后更加突出：当大家用同样的底座模型，最后比的就是谁在表现层的工程做得更细。

行业内已经有少数团队开始走出"级联式"的舒适区，探索将声音、口型和表情放在同一个模型里联合生成的路线。这种思路与Qwen3.8把推理上下文跨轮次保留（preserve_thinking）的设计逻辑异曲同工——都是通过架构层面的统一，消除模块拼接带来的信息损耗。 只是一个发生在文本推理层面，一个发生在音画表现层面。

五、当大模型变成水电煤：什么才是真正的护城河

OpenAI近日宣布，因内部评估显示下一代模型Astra"无法排除具备关键级网络攻击能力的可能性"，暂停了部分研发工作。这是AI公司首次公开承认因安全风险而放缓模型研发。与此同时，白宫正在将AI安全框架扩展到开源模型，考虑对接近前沿能力的开源模型实施30天测试要求。

安全和治理当然重要，但从产业竞争的角度看，这些事件指向同一个结论：模型能力的领先窗口正在变得越来越短。 你花半年训出一个更强的模型，对手几周后就追平了；你把价格降到最低，对手直接免费开源了。在这个循环里，"模型本身"作为竞争壁垒的价值正在快速衰减。

真正难以被快速复制的，是那些藏在模型能力背后的、需要长期工程积累的"体验细节"。一个数字人能不能在说话时自然地微挑眉毛？口型能不能精确到每一个音节？表情能不能跟语气的情感色彩同步变化？这些看起来"小"的问题，背后是大量的数据工程、模型架构创新和表现层优化——恰恰是开源权重无法直接解决的问题。

当2.4万亿参数的模型权重可以免费下载，当扎克伯格写6500字长文主张开源普惠，当三款前沿模型同夜发布却只差1分——AI行业正在经历一次深刻的"价值重估"：模型能力不再是稀缺品，表现力才是。

那些早早布局了音画同出、人物表演级生成、联合生成架构的技术团队，或许正在意识到：当开源把大模型变成公共设施，真正的护城河不在模型参数里，而在那些开源权重无法替代的、关于"如何让AI表现得像一个真实的人"的工程细节里。

AI的下一轮竞争，也许不再是谁的模型更大，而是谁的表演更自然。