DeepSeek正在带动一场开源热潮。
2月14日，百度宣布6月30日将会开源文心大模型系列。
百度开源之后不久，OpenAI CEO山姆·奥特曼（Sam Altman）也在X平台上发起投票，询问网友下一个开源项目做什么比较好。这则消息透露出OpenAI也有意开源某个大模型项目。
在这之前，无论是百度还是OpenAI，都曾是闭源大模型的坚定支持者。只是在DeepSeek的带动下，开源越来越成为一种趋势，成为更多大模型企业的选择。
但这也给应用大模型的企业带来一个问题，开源和闭源会有什么不同？具体到客户服务场景，开源和闭源应该如何选择？
所谓开源大模型，通常指在开放源代码协议下发布的大模型，它允许软件的源代码被公众自由地使用、研究、修改和分发，比如DeepSeek。
相应地，闭源大模型就是指源代码和内部工作机制不对外公开的大模型。比如GPT-4，企业想要使用相关能力需要向OpenAI申请，并支付一定费用。
关于开源大模型，大家最大认知可能就是“免费”，这也是开源大模型最有竞争力的地方之一。
我们举个例子，如果以私有化的方式部署一套客户服务系统。
采用开源大模型的情况下，企业需要支付大量前期成本，包括购买/租用服务器、建设和维护数据中心，以及雇佣相关人员对模型进行调优和部署等等。
但这些费用只存在于前期，相关建设完成后，企业无需再为之后的模型使用付费。但如果使用闭源大模型，则在前期投入的基础上，后续还要一直按照Token用量为模型付费。
如果在公有云或第三方平台上部署客户服务系统。
使用开源大模型的情况下，企业不需要为模型本身支付费用，因为遵循开源协议，模型是免费的。企业只需要向云厂商支付云服务费用，比如计算资源（如CPU、GPU）、存储、数据传输和可能的额外服务（如负载均衡、自动扩展等）。
使用闭源大模型的情况下，企业还需要为模型支付费用，比如OpenAI-o1模型的输入价格为15美元/百万tokens，输出价格为60美元/百万tokens。
总结来说，使用开源大模型无需为模型付费，只需要支付算力、存储等相关成本；而闭源大模型则可能在相关费用的基础上，加上模型的许可或使用费用。
即在如金融、电商、银行等客户服务场景，客户咨询量足够大的情况下，使用开源大模型进行私有化部署后，长期使用成本更低。但如果客户咨询量不多，使用公有云会更加划算。
对于企业应用而言，关键在于找到其中的平衡点。
那么仅考虑模型使用效果，开源大模型是不是比闭源大模型更好？答案也不一定。
从应用企业的角度来讲，开源大模型除了成本之外，还有这些优势：
开源大模型的源代码是公开的，企业可以了解模型的工作原理，增加对模型行为的信任度。企业可以根据需求自由地修改和定制开源大模型，以适应特定的业务场景和需求。企业可以根据需求自由地修改和定制开源大模型，以适应特定的业务场景和需求。但开源大模型也存在一些问题，比如稳定性和可靠性问题、缺乏技术支持和维护、集成、定制、安全合规和性能优化都需要额外工作等问题。闭源大模型通常由专业公司提供，这意味着企业可以获得更专业的客户服务和技术支持，这对于解决复杂问题或定制化需求尤为重要。闭源模型可能针对特定任务或硬件平台进行了深度优化，从而在性能上可能优于通用的开源模型。闭源模型通常经过严格的测试和验证，以确保在商业环境中的稳定性和可靠性。闭源模型的开发者可能会持续对其进行更新和改进，用户可以定期获得新功能和性能提升，而不需要自己进行维护和升级。闭源模型可能提供更高级的安全特性和隐私保护措施，因为它们的设计和实现细节对外界是封闭的，减少了潜在的安全风险。闭源大模型还在合规性、商业化许可、集成和定制化方面拥有优势同时，闭源大模型也存在不足。比如透明度低、成本高昂、定制受限、技术锁定等等。当然，开源大模型也并不是许多人理解的，只要开源就随便使用。目前主流的开源协议有7种，其中一些开源协议非常宽松，允许用户几乎无限制地使用、修改和分发软件，比如MIT许可证、Apache许可证 2.0等等。但也存在一些开源协议对相关代码的商用有严格限制，比如GNU General Public License (GPL）协议，它要求任何修改和分发GPL软件的工作也必须以GPL协议发布。即如果企业使用它的开源项目，那么企业的相关应用也必须开源，这会导致企业的商业机密和应用安全受到挑战。因此，在合适的开源协议下选择合适的开源项目，也是企业在应用开源大模型时需要谨慎考虑的问题。在客户服务场景下，天润融通2023年率先推出微藤大模型平台。目前，天润融通微藤大模型平台既接入有DeepSeek、通义千问等开源大模型；也接入有豆包、kimi、文心一言等闭源大模型。天润融通微藤大模型平台凭借创新的大模型网关技术，能够实现各类底层大模型的一键切换，极大地提升了模型应用的灵活性与便捷性，可以为客户提供多元化的解决方案。作为面向企业的商业级平台，天润融通深耕客户联络近20年，不仅在多个行业的客户联络场景积累了大量Know-How，还在模型微调、私有化部署等方面拥有丰富的经验，能够为客户商业化应用落地保驾护航。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
