开放权重模型一多，围观者就习惯把它们摆成一场赛马：谁排名靠前谁就该用，落后的那个自动被归为“慢”或者“不能用”。How-To Geek 编辑 Jorge A. Aguilar 在 8 月 9 日发表的一篇文章里指出，这套逻辑一旦落到真实使用场景中就会立刻散架——因为有些模型压根不是为同一份工作而生的。

谷歌 DeepMind 的 Gemma 4 和阿里巴巴的通义千问 3.6，恰好是最典型的一对例子。

一个装进设备，一个住在云上

Gemma 4 的设计目标是在尽可能多的终端上高效运行：手机、笔记本、台式机。它的 12B 变体可以直接吃进原始音频和图像数据，不需要额外挂载独立的编码器模型。

千问 3.6 则是奔着云端基础设施和长链条分析任务去的。它采用混合注意力结构，能在不撑爆内存的前提下吞下巨量文本。用一句话概括这组差异：前者想当一个快速、私密、跑在本机上的助手；后者想当一个坐在云端、有耐心跟难题死磕的工程师。

两个模型的档位划分也印证了各自的取向。Gemma 4 于 4 月 2 日发布，提供从端侧优化的 E2B、E4B，到 12B、26B 混合专家、31B 稠密模型在内的多个尺寸。千问 3.6 的开放权重版本走的是另一条路线：35B-A3B 混合专家模型每个词元只激活约 30 亿参数，另有一款 27B 稠密模型，原生上下文达到 262144 个词元。两个家族目前都采用 Apache 2.0 许可，这一项上并不构成差异。

上下文窗口决定了能干什么活

真正把两者拉开距离的，是上下文容量和推理方式。

云端的千问 3.6 Plus 拥有 100 万词元的上下文窗口，并且搭配一个常驻运行的推理模式——模型会先把问题想一遍再作答。在部分会话中它还会启用思考保留模式，记住此前几轮的推演过程，从上一次的结论继续往下走，而不是每次都从零开始、重复踩同一个坑。

这个能力在特定场景里价值极高。调试一个庞大的代码库时，100 万词元的窗口可以一次性装下整个仓库、接口文档和错误日志，让模型在几百个文件之间追踪同一个缺陷而不丢线索。

Gemma 4 的上下文上限则视变体而定，落在 128K 到 256K 之间，装不下那么多东西。在较长的会话里，它还容易丢失被指定的角色设定，陷入需要整段重启才能跳出的重复循环。

成本与隐私的账要分开算

许可与账单的差异同样值得留意。千问 3.6 的部分本地变体以免费开放许可发布，企业可以自行部署而无需申请授权；但更高端的云端版本跑在付费租用的算力上，用得越狠账单越长。

Gemma 4 走的是相反的路径：拿到一份副本部署在自己的硬件上，一次配置完成后没有持续开销，输入的任何内容都不必离开本机——对隐私敏感的场景，这一点的分量远大于跑分。想先试一试的用户可以在 AI Studio 上体验 Gemma 4，本地部署则通常经由 Ollama 完成。Gemma 早期版本曾附带较多使用限制，如今这一层顾虑已经解除，小团队和独立开发者不必再为许可条款专门请教律师。

别再评“史上最强”了

Aguilar 在文章结尾给出了一个明确判断：把 Gemma 4 和千问 3.6 当成争夺同一顶王冠的对手，本身就理解错了题目。依据排行榜名次或品牌认知度二选一，大概率会选错——因为它们要解决的根本是两类问题。同样的道理也适用于 ChatGPT、DeepSeek 背后的模型。

会不会有一天出现一个足够大的模型，把端侧任务和深度仓库分析统统吃下？他认为这个设想并不离谱，但短期内看不到。一个能在 100 万词元的代码里做推理的模型，放到本地跑必然带来明显延迟；能撑起这种上下文窗口的云端模型，背后需要真金白银的服务器集群，还要面对网络延迟、隐私顾虑和运维成本——对普通用户来说很难承受。

所以结论不是“哪个更好”，而是“哪个不适合当前这项任务”。把它们当成两把用途不同的工具对待，两者都会变得更好用。

来源：How-To Geek

什么是开放权重模型

开放权重模型指的是训练完成后，模型参数（权重）被公开发布的 AI 系统。任何人都可以下载、检查、修改并在自己的基础设施上运行这些模型。这与 OpenAI 的 GPT-5.6 Sol、Anthropic 的 Claude Fable 5 等专有封闭模型形成对比——后者仅通过 API 提供访问，开发者保留模型控制权。

联名信指出，开放权重模型让初创企业、高校、公共机构和大型企业能够在不从头训练模型、也不为每次调用支付高昂费用的情况下使用先进 AI。

联名信的核心论点

公开信提出了三个主要主张：

1. 降低使用门槛：组织可以基于现有模型进行二次开发，把最大的模型留给最困难的问题，用更便宜、更专业的模型处理日常任务。 2. 维护市场竞争：开放权重能够促进模型开发、云计算、芯片和应用层面的竞争，避免客户被锁定在单一供应商。 3. 提升安全与透明：广泛的社区可以对模型进行评测、红队测试和漏洞分析，反而有助于发现和修复风险。

信中写道：”美国在 AI 领域的领导地位，不应以某一个前沿模型论成败，而应取决于美国能否构建一个强大、开放的生态系统，并使其渗透到各个产业。”

对模型蒸馏的态度

近期，围绕 “蒸馏”（distillation）——即用一个模型的输出来训练另一个模型——的争议加剧。联名信承认，非法从封闭模型中提取价值的行为确实值得关注，但主张通过 “有针对性的法律和商业框架 “解决，而不是对蒸馏技术本身实施全面限制。

谁签了名，谁没有

签署公开信的机构包括：American Innovators Network、Andreessen Horowitz、Arcee AI、Arena、Black Forest Labs、Box、CrowdStrike、Dell Technologies、Emergence Capital、Hugging Face、IBM、Linux Foundation、Mariana Minerals、Meta、Microsoft、Mistral、Mozilla、Nvidia、Palantir、Perplexity、Reflection、Replit、ServiceNow、Telnyx 和 Y Combinator。

值得注意的是，OpenAI 和 Anthropic 并未签署。这两家公司主要以专有封闭模型为核心商业模式，且都在为潜在的大规模 IPO 做准备。OpenAI 总裁 Greg Brockman 表示，公司未参与任何有关禁令的谈判，并强调普及 AI 技术使用的重要性。

背景：中国开源模型的崛起

这封公开信的发布时机，正值中国开放权重模型在国际市场上获得显著关注。月之暗面（Moonshot AI）于 7 月 16 日发布的 Kimi K3 在部分基准测试中表现接近甚至超过美国顶尖模型，且运行成本显著更低。这一情况引发了美国科技界和监管机构关于是否应限制中国开放模型访问的讨论。

总结

25 家科技公司此次联名，代表了硅谷对开放权重 AI 的强烈背书。其背后不仅是技术路线之争——开放 versus 封闭——也涉及商业利益、国家安全与全球 AI 竞争格局的多重博弈。无论最终政策走向如何，这封信都表明：关于 AI 应该如何被开发和部署的争论，正在成为 2026 年科技行业最重要的议题之一。