开源与闭源

闭源指权重不公开、只能走官方服务；开源指权重可下载，可本地部署或微调，按许可证约定使用。

它对应你数据能去哪里、成本花在哪、出问题谁负责。企业选型时这三条往往比榜单分数更关键。

像买成品软件和拿到底层代码自己改：前者省事但受制于供应商，后者可控但要自己承担维护。

用 Ollama 或 LM Studio 在笔记本上跑 Qwen、Llama 这类开源模型处理内部文档，数据完全不出本机；而 ChatGPT、Claude 的网页版省掉了显卡和运维投入。

• 误解：开源模型一定不如闭源。 事实：闭源旗舰在复杂推理和工具使用上通常更强，开源的优势在于可控、可私有化、可深度定制。

• 误解：开源就等于可以随便商用。 事实：不同许可证对商用、再分发和衍生模型的要求差别很大，落地前必须逐条阅读。

• 误解：本地部署等于零成本。 事实：显卡、内存、电费和运维都是实打实的开销，小团队未必划算。

• 误解：开源模型不需要维护。 事实：权重、推理框架和安全补丁都得自己跟进，否则会逐渐落后并留下风险。

• 大模型用海量文本训练出的巨型神经网络，靠「看着上文预测下一个词」生成连贯自然的文字。
• 微调用特定领域的数据继续训练已有模型，让它固定掌握某种格式、口吻与任务模式，输出更稳定。
• 多模态模型同时接收文字、图片、音频等不同形式的信息，并用同一套系统理解和产出这些内容的能力形态。
• 对齐让模型行为符合人类意图与使用规范的一整套训练和约束手段，覆盖有用、诚实、无害三个方向。