在科技界，开源项目一向被视为创新与合作的典范，然而，近期一款备受瞩目的开源大模型Llama3却似乎遭遇了市场的“冷遇”。
据ITBEAR了解，尽管Llama3曾在开发者群体中收获好评，但在实际应用中，它并未能在市场上掀起波澜。全球领先的云计算服务商亚马逊的AWS平台上，用户更倾向于选择Anthropic的闭源大模型Claude，而非Llama3。微软云平台上的情况也类似，Llama3并未受到销售人员的积极推广。
更令人担忧的是，Llama3的下载量也在下滑。meta最新推出的Llama 3.1 405B版本，在上线一个月后，下载量仅为360万，相比上一代模型减少了40%。
那么，为何Llama3会遭遇如此尴尬的局面呢？
原因之一在于“假开源”。如今的开源大模型往往只开放参数和调用接口，而训练数据、训练代码和算法等核心部分并未真正开源。这就像只给了厨房，却不给菜谱，让开发者难以真正利用这些开源资源进行创新。
百度创始人李彦宏曾对此提出批评，他指出，很多人混淆了模型开源和代码开源的概念。所谓的模型开源，往往只是提供了一堆参数，开发者还需要进行大量的后续工作，才能实现真正的迭代开发。相比之下，闭源大模型在商业社会和企业服务市场上更具优势。
斯坦福人工智能团队的测评结果也显示，开源大模型在性能上全面落后于闭源大模型。尤其是在AgentBench项目上，闭源模型的评分高达4分，而开源模型仅为0.96分，两者之间的差距高达300%。
除了性能问题，开源大模型还存在一系列的安全隐患。由于大多数海外开源模型未经严格的安全测试，其数据和代码都是“黑盒子”，开发者难以对其进行精确的控制和约束，极易存在安全风险。
此外，开源模型的Post-pretrain过程消耗资源巨大，需要企业自行进行精调和优化。这对于缺乏足够算力和技术资源的个人玩家和小企业来说，是一个难以承受的负担。
美国知名AI创业者Arsenii Shatokhin在访谈中坦言，只有极少数客户有足够资源来精调或运行700亿参数的Llama开源模型。这也进一步证实了Llama3等开源大模型在市场上的尴尬地位——效率低、性价比更低。
综上所述，尽管开源模式在软件开发领域具有重要意义，但在AI大模型领域，开源与闭源之争或许将随着Llama3在市场的持续遇冷而得出一个明确的答案。
