开放模型最新进展：Laguna S2.1、Inkling、Kimi K3 等展现开源权重模型的帕累托前沿价值
摘要：本期「开放模型工件」汇总了近期多个开源权重模型的发布，包括 Thinking Machines 的 Inkling、腾讯 Hy3、Poolside Laguna S2.1、DeepSeek V4 Flash、Moonshot Kimi K3 等。尽管业界曾普遍预期训练成本剧增会导致实验室整合，但现实是更多机构正投入巨资训练并开源模型，开源权重模型正在性能与性价比的前沿占据一席之地。
开源模型的扩散：整合预测被证伪
过去一年，关于「只有少数巨头能承担前沿模型训练成本」的预测不绝于耳。然而，从近期的发布节奏来看，训练强模型的能力正在扩散，而非收敛到少数玩家。更多新机构持续入场并公开模型权重，使得整合论调一再被现实推翻。
一个典型案例是 Thinking Machines。这家机构不仅开源了微调服务，其年收入据称已达数亿美元，还发布了当前美国最强的开源权重模型，领先于 NVIDIA Nemotron 和 Arcee Trilogy 等竞品。这说明开源模型不仅可行，而且能成为可持续的商业模式。
关键判断：token 需求与帕累托前沿
报告指出，业界对 token（大模型处理的基本文本单位）的需求极高，并且随着模型效率提升和使用场景扩展，这一需求还会继续增长。因此，「构建 token 机器」被视为一条可持续的价值路径。
在模型能力方面，开源权重模型已经展现出明显的帕累托前沿价值——即在同等成本或资源下，能提供更优的性能表现。例如：
- DeepSeek V4 Flash 在性价比上超越了 Luna。
- Poolside 的 Laguna S2.1 可以在 DGX Spark 上直接运行，降低了硬件门槛。
中国实验室持续发力，许可策略成竞争筹码
中国实验室保持了高节奏的模型发布，新进入者如小米也在积累影响力。值得注意的是，Moonshot 的 Kimi K3 采用了非商业许可。这种收入分成许可模式能否持久，以及开源模型最终能占据多大市场份额，将是决定行业发展方向的关键观察点。
与此同时，国产算力生态也取得了标志性进展：美团 LongCat-2.0 完全基于昇腾 910 芯片训练，为国产芯片训练大规模模型提供了重要参照。
对开发者与行业的影响
对于开发者和下游厂商而言，这意味着更多高性能基座模型的可选空间。尤其是可微调的开放权重模型，将显著降低定制化门槛——无论是企业私有部署，还是面向特定场景的微调，都有了更灵活的路径。对 AI 编程领域来说，开放权重模型也意味着团队可以基于这些基座构建更贴合内部代码库的编程助手，而不必完全依赖封闭 API。
此外，开源许可策略（如 Apache 2.0、OpenMDW、非商业许可）正成为各实验室的竞争筹码，直接影响商业合作模式和地缘政策风险。开发者需要仔细评估这些许可条款，以选择符合自身需求的模型。