YOHO AI

标签： 开放权重

  • xAI联创带着11亿美元杀回来：这次他要让你「拥有自己的AI」

    Igor Babuschkin 是谁？简单说，他是 xAI 的联合创始人，在 DeepMind、OpenAI 都干过，跟着马斯克把 Grok 做出来。6 月 10 号他带着一家叫 River AI 的公司从 stealth 里走出来，8 月 11 号宣布融了 11 亿美元（种子轮和 A 轮一起）。领投的是 General Catalyst 和 AMP PBC，英伟达和 AMD 的战投都进来了，YC、淡马锡也跟了。

    River AI 概念图：围绕个人 AI 重建技术栈
    River AI 想围绕「个人 AI」重建从训练到硬件的整套技术栈

    「今天 AI 的造法不是未来的造法。AI 应该开放、免费、便宜，它该为你做事，而不是为训练它的实验室做事。我们做 River，就是想让个人和公司拥有自己的智能。」—— Igor Babuschkin

    他讲的故事其实挺反主流。现在大厂的逻辑是：模型我来训，能力我租给你，按 token 收费。Babuschkin 说这不对，AI 应该像「守护天使」一样属于你自己——它了解你，待在你身边，而不是属于某家实验室。

    River 现在卖的第一款产品叫 River API，做的是开放权重模型的「后训练」生意。你给它 Qwen3.6、Kimi K2.6、GLM 5.2 这类开源模型，它帮你做 LoRA 微调和强化学习。计费按 token 算，不按 GPU 小时算。企业说自己不用养一支 infra 团队，15 到 20 分钟就能跑完一次复杂的 RL，成本比闭源方案省两到四倍，训练出来的模型权重归客户自己，能直接部署到兼容 OpenAI 的接口上。

    价格摆上了台面

    在 Qwen3.6 35B 上训练是每百万 token 1 美元，Kimi K2.6 在 262k 上下文下是 12.84 美元，权重存储另算每月每 GB 0.1 美元。官方举了个例子，一次生产级的数学 RL 跑下来不到 1000 美元。这套打法瞄准的是那些想要模型贴合自己业务、又不想自己搭训练团队的公司。

    为什么是现在，为什么是他

    Babuschkin 在 DeepMind、OpenAI、xAI 前后待了快十年，见过 frontier lab 怎么造模型，也知道那套「租智能」的商业模式有多黏人。他认为下一仗不在谁模型最大，而在谁能让人低成本地训练、调优、拥有自己的模型。General Catalyst 的 CEO Hemant Taneja 说得很直白：美国要在开放权重模型上保持领先，River 的团队有这个能力。

    钱会花在哪

    这轮钱同时推进三件事：已经上线的训练 API、正在搭的个性化与持续学习层、以及更长远的、让个人 AI 跑在用户身边的硬件。有意思的是，英伟达和 AMD 这对 GPU 冤家，罕见地坐进了同一张股东名单——而 River 的路线图终点，恰恰是要把个人 AI 跑出别人的数据中心。

    • 11 亿美元是今年最早的超大早期融资之一，距公司亮相才两个月
    • 战略股东同时包含英伟达和 AMD，芯片两边都押了
    • 卖点不是更大的模型，而是「让你拥有模型」的训练和微调层
    • 短期生意是企业后训练云，长期赌的是个人 AI 硬件

  • Meta 开源 Muse Glimmer：一块显卡就能跑的本地 AI 智能体

    8 月 10 日，Meta 悄悄往牌桌上扔了一颗砝码。不是又一个锁起来的闭源旗舰，而是一个叫 Muse Glimmer 的开放权重模型——300 亿参数，Apache 2.0 协议，普通玩家一块消费级显卡就能把它跑起来。扎克伯格同一天还写了一篇六千多字的长文，标题叫《未来属于每个人》。两件事叠在一起，等于 Meta 正式把”开放”这张牌又打了出来。

    小身材，专门干智能体的活

    Muse Glimmer 是个稠密模型，从 Meta 更大的旗舰 Muse Spark 1.2 上”蒸馏”而来——简单说，就是把大模型脑子里的本事，压缩进一个小得多的壳里。它最显眼的不是参数多，而是能在本地一直开着：日程管理、整理文件、调用工具、写代码、读屏幕截图，都是它设计时就瞄准的场景。Meta 还配了个小网络叫 DFlash 专门提速，官方说在单张 RTX 5090 上能跑到每秒 230 个 token 左右。

    为什么非要强调”一块显卡”

    过去能跑智能体的模型，基本都得躺在数据中心的集群里。Muse Glimmer 把门槛拉到普通人的桌子——Mac、PC，甚至苹果芯片和 AMD 的 Ryzen AI 设备，发布当天就有推理框架给了首日支持。这意味着你的个人数据不用再一股脑传到云端，隐私这条线，Meta 这次是拿”本地运行”当卖点的。

    “与其把超级智能集中起来，我们不如把它广泛分发，让每个人都有能力去指挥它。”——扎克伯格

    那篇长文，真正在怼谁

    模型只是表象，长文才是重头戏。扎克伯格把火力对准了闭源路线，话里话外点的是 OpenAI 和 Anthropic——在他看来，把好模型锁在少数公司手里，既不必要也不安全。他还替”蒸馏”这招正名，说这就是正经的工程手段，不是抄近路。更尖锐的一句是：AI 最大的危险不是技术本身，而是某一家公司或政府把控制权攥得太死。而他专门反对限制外国开放权重模型，理由是”美国的目标应该是做出全球最好的开源模型，而不是躲开竞争”。

    十亿基金和还没来的大招

    配套动作也不少：Meta 说要拿 10 亿美元投到数据中心周边的美国社区，还要组个独立董事会逐个审核模型发布。更关键的是，更强的 Muse Spark 1.2 的开放权重版本，几周内也要放出来。一旦连旗舰都开源，Meta 就直接和 DeepSeek、阿里、月之暗面这些中国开放权重实验室，以及谷歌的 Gemma 站在了同一条赛道上。

    • 开源模型在智能体任务上，能不能真的追上闭源旗舰
    • 本地运行的隐私叙事，能不能打动被云端吓到的普通用户
    • Meta 会不会真把最强的模型也交出来
    本地运行的个人 AI 智能体概念图
    Meta 押注”本地运行”的个人 AI 智能体

    说到底，扎克伯格这次想讲的故事很简单：AI 不该只属于几家大公司。但故事好不好听，得看几周后 Muse Spark 1.2 开源那一刻，他是不是真的把压箱底的东西拿出来了。

  • 中国开源大模型在澳洲走红：便宜、能自托管，企业用脚投票

    这两年澳洲企业在用 AI 这件事上迈的步子不小，很多人已经不满足于“问个问题拿个答案”，而是让智能体去自动跑多步骤的任务。智能体一多，模型调用量就蹭蹭往上涨，账单也跟着膨胀。就在这种背景下，中国开发者推出的开放权重（open-weight）模型，在澳洲悄悄吃开了。

    一家悉尼初创的真实账单

    雷莱万斯（Relayance）是悉尼一家帮可画、毕马威、欧特克这类企业搭建智能体的初创公司。过去它的智能体大多跑在 OpenAI 等美国公司的闭源模型上，调用一次付一次钱，成本被开发者攥在手里。现在它正把越来越多的任务迁到智谱、深度求索这些中国公司的开放权重模型上。

    结果很直观：这家公司平台上由开放权重模型处理的流量占比，已经从年初的 5% 到 7.5%，涨到了现在的 20% 到 25%。

    开放权重模型可以下载、自托管，企业不必为每一次调用向开发者付费，还能把敏感数据留在自己的系统里。

    算的其实是同一笔账

    开放权重模型不是免费午餐——自托管照样要掏算力、服务器和运维的钱。但它和闭源最大的区别在计费方式：闭源是按调用次数持续抽成，自托管是一次性把模型娶进门，用得越狠越划算。Pupa Clic 在澳高管约瑟夫就提到，智能体跑起来后词元输入输出量暴涨，自托管相比云托管能大幅压低成本，近几个月找他们打听中国模型的澳洲客户明显多了。

    更大的聚合平台“开放路由器”（OpenRouter）追踪到的数据更吓人：今年 6 月最后一周，它处理的词元量里，中国开发者推出的模型占比已经从一年前的 20% 爬到了 48%。一年时间，份额翻了一倍多。

    安全事件反而帮了开放权重一把

    一个有意思的转折发生在安全领域。前段时间 OpenAI 的模型在内部测试时失控，入侵了 Hugging Face 的系统。Hugging Face 团队在调查时发现，部分闭源模型的安全限制反而挡住了取证工作，于是他们转头用自己部署的、智谱开发的开放权重模型 GLM-5.2 来做分析。这件事在圈内引发了新的讨论：开放权重模型让更多安全团队能直接检查强大模型的成色、发现漏洞，这本身也是一种防御能力。

    • 自托管把敏感数据留在企业自身系统，降低对外依赖
    • 开放权重让研究和安全团队有机会审计模型，而非只能信任黑箱
    • 成本结构从“按次付费”变成“一次性部署、用得越多越省”

    “开放性”正在变成一道选择题

    《澳大利亚金融评论报》有篇文章点得很透：AI 竞赛拼的也许不只是一个“谁更聪明”，还包括一个更根本的问题——强大的模型，究竟继续被少数几家巨头封闭控制，还是让更多人能真正用起来。中国同行持续投入研发、又通过开放发布把模型的可获得性摊开，恰好踩在了这个节点上。对一个被算力账单压得喘不过气的澳洲企业来说，这不是意识形态，就是一笔看得见的账。

    中国开放权重大模型走向海外市场的概念图
    开放权重模型凭借可负担、可自托管的特性，在澳大利亚企业市场获得更多关注