AI领域追求极致，大模型更是其中的典范。近几年涌现了众多现象级大模型，ChatGPT引领了这股浪潮。它遵循团队提出的scaling law不断迭代，据传GPT-4拥有1万亿参数。
除了极大模型，谷歌、微软和阿里等公司也发布了参数量在几亿到几十亿的模型。近期发布的Llama3在网络结构上变化不大，但数据量增加了7倍，性能显著提升。
总的来说，成功的大模型在某些方面都做到了极致。
大模型领域最大的竞争在于开源和闭源之间，这种竞争涉及方方面面。
上图展示了开源和闭源在使用成本、创新、支持、自定义和知识产权上的优劣。以国内为例，总的来说闭源大模型性能体验还不错，但由于完全黑盒，企业用户并不敢轻易采用。
相对而言，阿里的通义千问选择了极致开源，从0.5B、1.8B、4B、7B的小型模型，到14B、32B的中等模型，再到72B、110B的大型模型，一整个全尺寸大语言模型开源。除了语言模型，通义千问还把多模态大模型（视觉理解模型Qwen-VL、音频理解模型Qwen-Audio）开源了。代码大模型CodeQwen1.5、混合专家模型Qwen1.5-MoE也源了。你说这品类齐不齐全。直观感觉是毫无保留了。
而且他们开源出来的东西都还挺能打。比如，在开放研究机构LMSYS Org推出的基准测试平台Chatbot Arena上，Qwen1.5-72B-Chat模型多次进入“盲测”结果全球Top 10，作为中国唯一代表，与海外大模型相PK。
最新通义千问1100亿参数开源模型Qwen1.5-110B模型，在多个基准测评收获最佳成绩，超越Meta的Llama-3-70B，登顶HuggingFace开源大模型排行榜Open LLM Leaderboard，成为开源领域最强大模型。
很长一段时间，ChatGPT、GPT4是公认最强LLM。由于它闭源，所以有些观点认为，闭源大模型的能力深不可测。这方面，通义千问团队也一直在追赶。最新发布的通义千问2.5，性能在中文场景下已经追平GPT-4 Turbo，成为最强中文大模型。
我的观点很简单：开源和闭源并非绝对对立，而是相互促进。
开源和闭源在大模型领域其实特别像安卓和苹果手机的关系，安卓手机对于想要自己整活的选手特别友好，但是苹果手机就很难做到跟安卓一样的可定制化。开源大模型的优势非常的简单直观。
1 信息本地存储，增强数据安全性和隐私保护
开源大模型的使用非常的简单，简单来说就两步，下载模型，然后运行，比如在Ollama里面用Qwen系列，你只需要一行代码：ollama run qwen
在这个过程中，你无需联网、输入账号密码或验证码。开源大模型可以完全在本地运行，你与大模型的聊天内容完全在本地电脑处理，无需担心数据泄漏。
2 高度定制化，满足特定企业以及个人需求
OpenAI提供了非常的接口，有语音的，有图像的，有微调大模型，接口设计的非常易用，价格也一调再调，现如今的使用成本已经降低很多了。
