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。