开源模型争论的破碎现状与理性思考

最近关于开源大模型网络风险的讨论，让许多开发者感到疲惫。我们似乎陷入了一种非黑即白的死胡同：要么是主张全面禁止开源模型，认为这是防止社会崩溃的唯一途径；要么是盲目推崇开源，认为闭源模型才是安全威胁的源头。这种“零和博弈”的思维不仅无助于解决问题，反而可能限制美国在 AI 竞争力上的发展，同时增加长期的网络风险。

作为技术从业者，我们需要跳出情绪化的争论，从事实和数据出发，重新审视开源模型的风险与价值。

一、当前争论的三大阵营

目前的舆论场主要被三种声音占据：

1. 禁令派：以美国前沿实验室和国家安全社区为代表，他们认为开源模型对社会功能的威胁是不可接受的。
2. 防御派：包括 Hugging Face 和部分安全专家，他们主张开源模型对防御至关重要，禁止它们会让世界更不安全。
3. 中国视角：中国公司继续发布具有强大网络能力的开源模型，它们基于自身社会的风险评估做出决策。

这种观点的碎片化，导致我们缺乏对“中国公司为何认为这些模型安全”的深入理解，反而更多陷入人身攻击或意识形态的对抗中。

二、警惕“反开源联盟”的叙事陷阱

近期 Anthropic 发布了一份关于 GLM-5.3 模型作为网络攻击工具的研究报告。虽然技术细节是合理的，但文章指出了其缺乏宏观视野的问题：报告未能探讨如果因网络风险而禁止开源模型，世界会发生什么？中国公司为何认为这些模型是安全的？

这些“跨领域问题”才是理解当前 AI 风险生态的关键。政策制定不能只看单一拼图，必须考虑整体权衡。

三、打破“开源危险，闭源安全”的迷思

在讨论中，一个常见的迷思是“开源是危险的，闭源是安全的”。然而，根据公开数据，目前绝大多数已知的网络攻击实际上是由 OpenAI 的闭源 API 模型引发的（如 FelonyBench 数据集所示）。

对于开发者来说，这意味着我们需要重新评估风险模型。也许事实并非“开源不安全，闭源安全”，而是“两者都不太安全，但都容易被误用”。

四、给开发者的实用建议

面对这种破碎的舆论环境，开发者应如何自处？

• 避免二元对立思维：不要简单地认为开源就是洪水猛兽，或闭源就是绝对安全。理解每种技术路线的利弊权衡。
• 关注真实攻击向量：在安全审计中，不要只盯着本地开源权重，也要关注 API 调用中的风险。公共数据表明，目前 API 模型的滥用是更直接的问题。
• 保持批判性：对于来自权威机构的报告（如 Anthropic 的报告），既要参考其技术细节，也要审视其背后的政策动机和假设。

只有拥抱复杂性，承认现实中的风险与代价，我们才能做出真正有利于技术发展和安全防护的决策。

总结

开源模型的风险讨论不应止步于口号。我们需要更细致地理解不同国家、不同机构对 AI 安全的定义，并基于实证数据而非恐惧来制定策略。对于开发者而言，理解这些背后的博弈逻辑，有助于我们在构建系统时做出更稳健的选择。