作为开源大模型的顶梁柱，Llama3 正在遭遇冷落。
近日，据美国媒体 The Information 报道，Llama 在全球最大的云计算服务供应商亚马逊的 AWS 平台上备受冷落，与之相对，Anthropic 的闭源模型 Claude 才是该平台上最受欢迎的模型。报道称，在另一家云平台微软 Azure 上，Llama 也并非微软的销售首选。
一个月前，Meta 发布了最新的开源大模型 Llama 3.1 405B，在测试中性能追平 GPT-4o。可惜，测评中的优异成绩没能反映在市场上，据报道，Llama3.1 上线一个月后，下载量仅为 360 万，比上一代模型降低了 40%。
门槛高效率低，开源模型“才是最贵的”
这一现象早有预兆。早在今年 4 月，Llama 3 推出 70B 和 400B 模型之后，就有开发者反馈“免费的才是最贵的”，Llama 3“根本用不起”的现象。
当时，一位美国 AI 创业者 Arsenii Shatokhin 的采访视频在网上流传，这位创业者表示，“我们只有一两个客户有足够资源，来精调或运行 700 亿参数的 Llama 开源模型。”
访谈中，这位 AI 智能体公司 VRSEN 的创始人指出，企业自己运行开源大模型的效率远低于使用闭源大模型。他分析出两个原因：
1） 首先，开源模型多数需要企业自己下载后运行，随着模型参数向百亿、千亿不断攀升，对本地 IT 设施要求也随之提高，大量企业并不具备与之匹配的充足资源；
2） 其次，与做好精调和商业化适配的闭源模型不同，如果使用开源模型，企业还要再做优化，需要公司内部有足够的技术人才和技术设施，对企业的技术能力无疑是提出了更高要求。
“我们只会向具备数据专业知识的客户推销 Llama，比如内部有工程师和数据科学家的公司。”据 The Information 报道中，微软员工这样向媒体表示。
正如百度创始人李彦宏在近期的上海世界人工智能大会上表示，开源模型在学术研究、教学领域有一定价值，能够让学术界更熟悉大模型的工作机制、形成理论；但在大多数的应用场景中，开源模型并不合适，尤其是在激烈的商业化竞争中，只有闭源模型，才能让企业的业务效率更高、成本更低。
缺乏商业验证，开源模型将越来越落后
近期，开源和闭源模型之争一直备受行业关注，尤其是在时时更新的“测评跑分”上，每当新一代大模型诞生、领跑测评榜时，就会爆出“开源大模型超越闭源”或“闭源大模型保持领先”的各类说法。
但迄今为止，闭源模型性能整体领先于开源。在斯坦福大学 7 月公布的大规模多任务语言理解 (MMLU)测试排名中，排名前十的模型中，仅有 Llama 3.1 为开源，其余 9 款上榜模型均为闭源。
某种程度上，这与开源模型并非“真开源”有关。有多位开发者表示，当前的开源大模型并非与开源软件不同，仅仅是开放了参数和调用接口，在使用中既存在需要 SFT 精调、优化的问题，还无法像真开源的 Linux 那样看到底层代码。
因此，大模型的开源并不能带来模型效果的提高。“开源模型和闭源模型相比，存在性能差距，这种差距将继续扩大。”谷歌前 CEO 施密特在采访中指出。据介绍，谷歌投资的法国 Mistral 公司此前推出过开源模型，但从今年 2 月起，已经转向了闭源模型。
在实用性方面，伴随着 Llama 3 的“叫好不叫座”，开源模型更是与闭源模型拉开了差距。有多位开发者表示，大模型的进步与实际应用密不可分，只有真实应用才能不断为模型提供反馈，让模型在响应速度、参数大小等方面不断优化。
随着商业化的失速，缺乏商业验证的开源模型，势必会逐步掉队。
