Demis Hassabis 提出建立前沿人工智慧標準機構，希望對達到特定能力門檻的模型進行釋出前測試，並在必要時阻止高風險模型進入市場。這個方案關注的是最嚴重的一類問題：不能讓某次未經充分評估的模型釋出，給社會帶來難以挽回的後果。（The Verge）

微軟執行長薩提亞·納德拉在轉發文章時，把目標概括為建立一個同時促進“創新與選擇”的前沿生態，並避免某一次模型釋出“破壞世界”。這裡的“model drop”更接近一次新模型釋出，而不是服務宕機。薩姆·奧爾特曼則稱其為一項經過認真思考的提案。兩人的回應說明，主要模型企業開始接受更嚴格的前沿評估，但並不能據此推斷它們已經同意哈薩比斯提出的機構權力、資金來源和市場準入方式。（X）

納德拉所說的“選擇”，也不應只理解成一個雲平臺裡擺放更多模型。對於個人消費者和開發者，真正的選擇還包括另一項能力：當模型漲價、改變規則、退役或者不再值得信任時，能否帶著自己的資料和工作流程離開。

兩條治理路線，最後落在同一個使用者身上

哈薩比斯的方案代表一種前沿保護路線。模型能力越接近網路攻擊、生物設計和自主行動等高風險領域，越需要在受控環境中測試。部分基準和攻擊方法不能完全公開，模型是否釋出也不能只由開發者自行決定。

WAIC 所承載的開放合作路線則把另一種風險放在前面：如果高效能模型、算力和基礎設施長期集中在少數美國企業手中，其他國家、開發者和普通使用者就只能持續購買訪問權，而無法真正參與模型開發和本地化。2025 年 WAIC 釋出的《人工智慧全球治理行動計劃》提出建設跨境開源社群，推動平臺、技術文件和非敏感資源共享；2026 年的 WAIC 討論仍在繼續強調開源模型與全球南方的能力建設。（外交部）

兩種路線分別防範兩種不同的失敗：

一邊擔心危險能力一旦公開便無法收回；另一邊擔心人工智慧能力被少數平臺永久封閉。

對個人而言，這不是抽象的國家路線之爭。開放程度最終決定了模型消失時還有沒有替代品，平臺規則改變時能不能遷移，以及使用者過去交給模型的知識是否只能留在原賬戶裡。

開放與閉源，不是維護負擔與使用便利的同義詞

討論開放模型時，最容易出現的偏差，是把它寫成“使用者必須購買顯示卡、配置環境並承擔全部維護”。閉源模型則被描述成天然穩定、方便和適合普通人。

現實並非如此。

Qwen3 的多個版本以開放權重形式釋出，使用者既可以通過 vLLM 等工具部署在伺服器上，也可以通過 Ollama、LM Studio 和 llama.cpp 在個人裝置上執行。開放權重提供的是自行部署的可能，並不要求所有人都採用本地部署。（Qwen）

開放模型同樣可以由雲平臺託管。Microsoft Foundry 的模型目錄同時包含 OpenAI、Anthropic、Meta、DeepSeek、Hugging Face 等不同來源的模型，使用者可以選擇自行帶入模型，也可以直接使用平臺託管的版本。此時計算資源、擴容和基礎運維仍然由雲服務商承擔。（Microsoft Learn）

因此，模型是否開放與服務是否託管，是兩個不同問題：

開放模型可以自行維護，也可以交給平臺維護；閉源模型可以由原廠提供，也可以通過多家雲平臺接入。

真正的差異在於，當託管服務結束後，使用者是否還能取得模型，並換一種方式繼續執行。

開放模型提供更多退路，但退路需要提前準備

對於個人使用者，開放模型最直接的價值是保留一個平臺之外的執行方式。

使用者可以把需要保密的資料留在本地處理，可以保留一個已驗證的模型版本，也可以在商業服務無法使用時，依靠效能較低但能夠持續執行的本地模型完成基礎任務。這裡的意義不一定是追求最強效能，而是避免所有工作在一個賬戶失效後同時中斷。

但開放權重不會自動帶來獨立性。

使用者如果始終通過同一家雲平臺呼叫開放模型，沒有儲存資料、提示詞和模型版本，仍然會形成平臺依賴。開發者如果使用了平臺專有的檔案儲存、智慧體系統和向量資料庫，即使底層模型可以下載，整個應用也未必能夠輕易搬走。

開放權重也不必然等於完整開源。模型可能公開引數，卻不公開訓練資料、資料處理過程和完整訓練程式碼。使用者可以執行它，卻未必能夠完整理解它如何形成，更無法僅憑權重確認所有資料和安全問題。

所以，開放模型提供的是更多退路，而不是已經完成的遷移方案。

閉源模型承擔更多服務責任，但模型仍不屬於使用者

閉源平臺的優勢同樣真實。

個人使用者可以直接使用檔案分析、聯網搜尋、語音、記憶和跨裝置同步，不必理解推理框架和硬體要求。開發者則可以把模型訓練、推理叢集、容量排程和安全更新交給供應商。

閉源模型也不一定繫結單一雲平臺。Anthropic 的部分模型同時通過其自有 API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 提供。這可以減少企業對某一家雲基礎設施的依賴。（Claude Platform Docs）

但多雲接入並沒有改變模型所有權。

Anthropic 明確設定了模型的活躍、棄用和退役週期。模型退役後，依賴該版本的應用必須遷移，否則請求將無法繼續執行；合作雲平臺的退役時間還可能與原廠 API 不同。（Claude Platform Docs）

這意味著開發者可以更換雲平臺，卻未必能夠保留模型。只要權重沒有開放，模型公司仍然掌握版本更新、停止服務和最終退役的決定權。

個人產品的資料匯出也只能解決一部分問題。ChatGPT 允許使用者匯出聊天曆史和賬戶資料，這使使用者能夠儲存自己的文字記錄。（OpenAI Help Center）但匯出的對話不能把原來的模型行為、記憶方式、檔案工具和產品環境一起復制到另一個平臺。

閉源服務交給平臺的因此不只是維護工作，也包括連續使用權。

選擇很多模型，不等於真正擺脫平臺

納德拉強調的“創新與選擇”，符合微軟發展多模型平臺的商業路線。一個開發者可以在同一雲平臺中比較閉源模型、開放模型和不同廠商的服務，這確實比只能使用單一模型更靈活。

但這裡還存在兩層不同的集中。

第一層是模型集中：應用只能使用某一家實驗室的模型。

第二層是平臺集中：應用雖然可以選擇多個模型，但身份、資料、日誌、部署和計費全部留在同一個雲生態中。

從第一種集中轉向第二種集中，可以降低單一模型退役帶來的衝擊，卻沒有完全消除平臺鎖定。

真正的遷移能力不能只看模型目錄數量，而應看四件事：

模型權重或者替代模型能否取得；

使用者資料和業務記錄能否匯出；

提示詞、工具和評估方法能否在其他環境複用；

應用是否能夠在不重建全部基礎設施的情況下切換供應商。

一個平臺提供一千個模型，卻不允許帶走資料和業務邏輯，選擇仍然只發生在平臺內部。

反向資訊悖論：模型越瞭解你，離開時要重新交代得越多

在“反向資訊悖論”中，使用者為了獲得更好的模型輸出，需要持續提供背景資料、寫作偏好、專案規則和判斷標準。

模型越瞭解使用者，服務通常越順手。但平臺中積累的資訊越多，使用者轉向其他模型時需要重新整理和解釋的內容也越多。

個人使用者可能逐漸把文章草稿、資料分析、長期計劃和重要判斷全部留在聊天記錄中。開發者則可能把系統提示詞、工具定義和業務判斷寫成只適合某個模型的形式。

這時，模型依賴已經不只是技術依賴，而成為一種資訊依賴。平臺不僅提供計算能力，也逐漸成為使用者組織個人知識和理解現實的入口。

“不要依賴單一模型”並不意味著每一個問題都要同時詢問三家平臺。日常潤色、摘要和低風險創作，完全可以主要使用一個順手的模型。

真正需要第二條路徑的，是那些後果較大的任務：醫療、法律、財務、公共事件、歷史爭議、求職決定和關鍵技術配置。這時至少應當返回原始資料，或者使用另一個模型和不同地區的資訊來源進行比較。

不能讓同一個模型負責提供事實、解釋爭議、回應質疑，最後再由它自己證明原先的答案沒有問題。

對個人與開發者，退出能力可以具體實現

個人使用者不需要建立複雜的本地模型叢集，但重要資料不應只儲存在聊天平臺中。

長期專案背景、寫作規則和常用提示詞可以整理為普通文本或Markdown檔案；重要結論應與原始來源一起儲存；敏感資料只提供完成任務所需的最少部分。與此同時，可以保留一個不同平臺或本地開放模型作為備用入口。

開發者需要做的也不是同時接入所有模型，而是把可替換性寫進架構。

使用者檔案和業務資料應儲存在自己能夠控制的儲存中；系統提示詞、工具定義和測試樣例需要納入版本管理；不同供應商的介面差異集中放在適配層；每次模型升級或切換，都用自己的業務評估集重新測試，而不是隻看公開排行榜。

開放模型不必承擔全部生產任務。它可以只作為隱私任務、本地測試或服務中斷時的備用方案。閉源模型也可以繼續作為主要服務，只要應用沒有把全部資料和工作流程鎖在供應商內部。

真正的選擇，是仍然可以離開

哈薩比斯擔心某一次危險模型釋出給世界帶來不可逆後果。納德拉則強調一個同時支援創新與選擇的前沿生態。WAIC路線進一步提出，人工智慧能力不能長期由少數國家和閉源平臺控制。

三種主張並不必然衝突。

前沿模型可以接受嚴格的釋出前測試；非敏感的安全工具、評估方法和基礎模型應保持開放；個人使用者需要資料匯出和遷移能力；開發者需要多供應商和自託管路徑；監管機構也不能以安全為由，把技術審查無限擴大成市場封鎖和身份限制。

一個健康的人工智慧生態，不是要求所有人拒絕閉源模型，也不是要求所有模型立即公開權重。

它應當允許使用者享受託管服務的便利，同時不失去帶走資料的權利；允許開發者依賴效能最好的商業模型，同時保留替換它的技術條件；允許政府限制真正危險的能力，同時要求限制依據、期限和複核程式保持透明。

開放與閉源最重要的區別，最終不在宣傳口號，而在模型和平臺發生變化之後，使用者還剩下多少選擇。

真正的選擇權，不是頁面上能夠點選多少個模型，而是當其中一個模型改變、關閉或者不再值得信任時，個人和開發者仍然可以帶著自己的資料與工作繼續離開。