开放权重

ChainCatcher 消息，法国人工智能初创公司 Mistral 称其模型跻身全球最佳开放权重模型之列，使用约 4,000 块英伟达 Grace Blackwell GPU 进行训练。

ChainCatcher 消息，获英伟达支持的美国人工智能初创公司 Reflection AI 于当地时间 5 日发布了其尖端的开放权重模型 “Beam”。该公司表示，该新模型的性能可与主流开放权重模型相媲美。

ChainCatcher 消息，据商业内幕报道，OpenAI CEO 萨姆·奥特曼在戴维·森拉播客中表示，他担心 AI 有朝一日被少数几家公司、模型或个人掌控，使绝大多数消费者在技术如何塑造世界方面失去话语权。他称正确做法是让人们牢牢掌控未来，社会与模型将共同演化。奥特曼同时担心 AI 摆脱人类控制。他指出，对后一种风险的过度恐惧可能导致前一种局面成真，有人因紧张而主张牺牲大量自由换取安全。文章称其或暗指 Anthropic CEO 达里奥·阿莫代伊，后者多次警告 AI 风险并呼吁加强政府监管。Anthropic 是唯一未签署支持开放权重模型公开信的主流 AI 公司。尽管 OpenAI 尚未开源前沿模型，但去年发布了 gpt-oss-120b 和 gpt-oss-20b 两款开放权重模型。奥特曼还表示，美国 AI 领导者未能充分向公众展示该技术如何提升生活自主权，并预计将迎来规模最大的创业热潮，AI 正赋予更多人创办小型企业的能力。

ChainCatcher 消息，据路透社援引两位知情人士报道，特朗普政府周二告知领先的AI公司，其将不会对开放权重（open-weight）AI模型进行安全测试。这一决定标志着美国政府在AI监管路径上的新动向。开放权重模型允许开发者和用户自由下载、修改和部署模型参数，不依赖封闭的API访问。此前，美国AI安全研究所（AISI）等机构曾对前沿模型进行过安全评估。白宫和相关部门暂未对此公开置评。

ChainCatcher 消息，据金十报道，微软正在考虑提供一些内部开发的、具有开放权重的 AI 模型。

ChainCatcher 消息，高盛亚洲互联网研究主管Ronald Keung表示，随着中国AI模型全球使用量激增，开发者可能开始向云平台收取商业许可费用，以托管其开放权重模型。目前大多数中国模型基于 MIT License 等宽松许可发布，允许任何用户免费使用、修改和托管，包括商业用途。 Keung指出，中国AI模型如月之暗面的Kimi K3和智谱AI的GLM-5.2，性能已接近美国头部模型水平。国内及全球中小企业采用速度非常快，甚至大型企业也开始考虑使用中国模型。高盛认为，模型开发商可通过要求第三方服务商购买商业许可，在自有基础设施上运行模型推理（Inference），从而将日益增长的开源使用转化为实际收入。

ChainCatcher 消息，据金十报道，英伟达 CEO 黄仁勋在社交媒体平台上发布动态，分享了一封题为《开放权重与美国 AI 领导力》的信函，呼吁推动开放权重人工智能模型发展。黄仁勋最初发布的信中包含 25 个联署签名。如今，这封信的联署方已增加到 50 家，数量翻了一番。 OpenAI 是新增的 25 家机构之一，其他新增机构还包括谷歌、AMD、思科、Cloudflare、GitHub、Block 和 Ollama。不过，Anthropic 和亚马逊始终未出现在任何版本的名单中，而这两家公司的缺席正是该名单中最值得关注的细节。

ChainCatcher 消息，英伟达 CEO 黄仁勋发布个人首条推文，分享由英伟达等 20 余家科技公司及机构联署的公开信《开放权重与美国 AI 领导力》。 公开信认为，开放权重模型能够扩大 AI 经济准入、增强市场竞争，并赋予用户更多控制权。联署方包括 Meta、微软、Andreessen Horowitz、Hugging Face、IBM、Mistral AI、Palantir、Perplexity、Mozilla、Y Combinator 等。 信中表示，开放权重模型虽存在风险，但不应通过禁止限制发展，而应利用开放推动 AI 安全和网络安全能力提升。黄仁勋称：“世界需要前沿闭源模型，也需要前沿开放模型。”

ChainCatcher 消息，Coinbase CEO Brian Armstrong 发文介绍公司在 AI 成本优化方面的最新进展。 Armstrong 表示，随着 AI 使用量和 Token 消耗持续增长，控制成本的关键并非限制员工使用或频繁发送预算提醒，而是优化默认模型选择、任务路由机制以及缓存策略。 他透露，Coinbase 正通过内部 LLM 网关尝试将 GLM 5.2、Kimi 2.7 等开放权重模型作为默认选项，同时仍允许工程师根据具体任务需求选择其他模型。数据显示，公司 91% 的员工从未达到 AI 使用额度上限，因此 Coinbase 并未选择收紧配额，而是通过更低成本的模型方案提升整体效率。 在模型路由方面，Coinbase 会对提示词进行预处理，并结合缓存命中率及不同模型的定价情况，将任务自动分配给最合适的模型。Armstrong 认为，规划和推理等复杂任务可能需要前沿模型支持，但执行类任务未必需要调用成本更高的模型。未来，模型选择过程应更多由 AI 自动完成，而非依赖人工决策。 此外，他指出缓存命中率是影响 AI 成本的重要因素之一。Coinbase 已将缓存感知机制纳入请求流程，以提高历史结果复用率。以 LibreChat 为例，在优化缓存方案后，其缓存命中率已从 5% 提升至 60%。 Armstrong 还表示，公司要求工程师尽量保持上下文精简，包括切换任务时开启新会话、缩小文件上下文范围以及关闭未使用工具等，以减少不必要的 Token 消耗。 据其透露，通过上述措施，Coinbase 已成功将 AI 支出降低近 50%，同时 Token 使用量仍保持增长。