十月中旬，大模型市场的重心明显偏向开源一侧：万亿级参数模型预告开放权重、训练方法随之公开、开源模型接连进入主流云平台。这几件事放在一起看，指向同一个判断：开源模型的竞争逻辑正在升级。本文梳理十月权重开放动作里的三个信号，以及它们对不同使用者的实际影响。
信号一：开放权重的规模台阶被抬高
先看规模这条线。10月6日，法国Mistral AI推出原生多模态模型Mistral Large 4，总参数约1.05万亿、每token激活约490亿的MoE架构，上下文长度100万token，官方承诺模型权重将在月底开放下载。另一边，英伟达系初创公司Reflection AI发布了开放权重大模型Beam，总参数高达5010亿，采用稀疏激活架构，主打代码生成与智能体任务，公开将中国开源模型列为对标对象。
再把时间线往前放一点：7月，月之暗面已开源2.8T参数的Kimi K3。三个月内，开放权重的规模从”千亿能用”推进到”万亿在途”，开源阵营第一次在参数规模上与闭源前沿并驾齐驱。对企业用户来说，这意味着”自部署模型效果不够用”这个长期借口正在失效，可下载权重与最强闭源模型之间的差距，已经缩小到可以用工程手段弥补的程度。
信号二：从”放权重”到”放方法”
第二个信号更值得关注：国内厂商的开源策略，正在从”给权重”升级为”给方法”。10月15日，阶跃星辰将Step 5的完整权重开源——这款模型9月发布，10月12日刚上线腾讯WorkBuddy开启限免，从发布到开源完整权重只隔了约一个月。与此同时，小米公开了强化学习环境的构建细节，紫东太初开放了面向物理世界与具身智能的数据管线。
“放权重”是给结果，”放方法”是把训练过程摊开。后者对开发者的价值更高：照着公开的方法论可以复现、改进、迁移，而不只是下载一个黑盒。这种打法也和海外闭源阵营形成了鲜明分岔——OpenAI、Meta押注闭源前沿与生态绑定，国内则用开源加场景深耕积累差异化优势。两条路线的竞争，正在从”谁的跑分高”变成”谁的生态更可用”，而成本效率恰恰是国内阵营的强项：有厂商公开的单任务成本已压到一元以内，轻量模型的密集更新也印证了这个方向。
信号三：开源模型走进主流云与合规场景
第三个信号是开源模型开始进入过去只有闭源巨头才能进入的场景。智谱GLM-5.3正式上架Amazon Bedrock，基于调用量进行收入分成——主流云厂商接纳第三方开源模型，等于承认企业客户同时需要闭源API和可自托管的开源选项，两者不是替代关系而是组合关系。欧洲方面，Aleph Alpha的德英双语模型Kolibri于10月3日上线，模型在欧洲训练、提供完整溯源、支持部署在客户自主可控的基础设施上，瞄准政府和受监管行业。
这两件事说明，”开源”和”合规””商业化”不再互相矛盾。可下载权重天然满足数据不出内网的要求，这恰恰是闭源API最难覆盖的市场，也是开源模型下一步增长最确定的空间。对国内厂商而言，出海路径也从”卖API”扩展到”进生态”，开源成了敲门砖。
当然，节奏不会一蹴而就。开放权重模型的生态配套——推理框架、微调工具链、企业级支持——仍在补课，云厂商的分成模式能否长期平衡开源社区的利益，也有待观察。但方向已经清楚：主流云不再拒绝开源，这是过去一年里最重要的门槛变化。
对普通用户和开发者意味着什么
对不同的人，这三个信号的意义不同。企业技术决策者：可以把”自部署开源模型”重新纳入选型清单，重点评估推理成本和数据合规收益，业务涉及敏感数据时尤其值得测算。开发者：优先关注”放方法”的厂商，公开的训练方法论意味着更低的微调和迁移成本；Mistral Large 4月底开放权重后，也值得实测它的多语言能力。普通用户：短期感知不明显，但开源竞争会间接压低所有AI服务的价格——本月多家厂商降价、轻量模型密集更新，背后都有开源压力的影子。
需要提醒的是，开放权重不等于免费：大规模部署依然要算显卡、运维和能源的账。选型时按”总拥有成本”评估，把许可条款、硬件折旧、人力投入都算进去，别只看参数表做决定。
结语
十月这一轮权重开放，规模、方法、渠道三个信号同时出现，开源大模型完成了从”追随者”到”主流选项”的姿态转变。接下来值得盯的是Mistral权重开放后的实测表现，以及国内厂商开源方法论的落地效果。想了解模型在手机等终端上的另一条演进路线，可以看看这篇端侧模型进展的分析；更大背景下的产业走向，这篇AI智能体落地趋势也有覆盖；想自己动手部署，可以从站内这份开源工具介绍入手。