开放权重模型正在成为下一个人工智能生态系统的基础。美国应该参与竞争，而不是自我隔离。我之前见过类似的故事。在2013年，我共同创办了Mesosphere，一家开源云原生软件公司。我们在Apache Mesos的基础上构建了它，我的联合创始人Ben Hindman曾在加州大学伯克利分校帮助创建了这个项目。后来，我们围绕Mesos构建了DC/OS（数据中心操作系统），将其作为开源软件发布，并通过具有支持和专有功能的企业版进行商业化。在经历了几年巨大的增长后，Kubernetes对我们造成了冲击。它更新，更完全开源，并迅速团结了云原生社区。世界上许多最优秀的分布式系统和基础设施工程师把他们的职业生涯押注在了它身上，甚至我们一些最忠诚的社区成员也改变了阵营。一旦这种情况发生，创新就转移到了Kubernetes上。无论该平台缺少什么，总会有人开始构建：网络、存储、可观察性、部署工具、策略引擎。大量初创公司应运而生，遗留供应商也加入其中。几乎所有在生产中运行Kubernetes所需的组件都变成了开源。包括Mesosphere/D2iQ、Rancher、红帽和Nutanix在内的云服务提供商和公司都围绕集成、企业功能、支持和运营建立了业务。Kubernetes并不是因为其代码库是公开的就获胜了。它成为了一个中立的基础，人们、云服务提供商和企业供应商都可以扩展，以适应他们客户的需求。共同的接口和供应商中立的治理给予了每个人建立在其基础上的信心。我得到的教训不是开源总是获胜。我的理解是，一旦一个人们可以自定义的开放平台成为行业的重心，没有任何单一的供应商能够匹配围绕它的综合创新速度。我认为AI正在接近同样的点。开放权重将模型转变为平台。首先，术语说明。我们通常称之为“开源”的大多数模型更准确地说是开放权重。你可以下载和修改训练参数，但训练数据和完整的训练过程通常是不可用的。这不符合开放源代码组织对开源AI的定义。这个区别很重要。然而，这并不妨碍围绕人们可以运行和修改的艺术品形成生态系统。Kubernetes的类比并不完美。Kubernetes的贡献者可以检查和更改实际的源代码，并且改进可以流入一个共享的上游项目。模型微调通常不会以这种方式进行。前沿权重可能可下载，但仍需要昂贵的硬件，并且没有像CNCF那样提供中立治理和共同接口的AI替代品。这些是实际的区别。共同机制是，一个足够强大、可移植的基础可以吸引远超其最初创作者所能单独构建的互补创新。使用开放权重模型的第一个原因是自托管。公司希望控制他们的数据。他们希望在自己的云或数据中心中运行模型。随着使用和推理成本的增加，他们越来越希望控制成本。这种需求产生了一个健康的开源服务栈：vLLM、SGLang、llama.cpp、Ollama、MLX等。但自托管仅仅是开始。开放权重将模型本身转变为开发人员可以适应和重新分发的东西。Hugging Face现在托管超过两百万个公共模型。围绕热门系列Qwen和Gemma，开发人员生成：针对不同硅架构和规模量化和转换的权重；针对编码、医学、法律、数学和代理工作流的微调和LoRA适配器；结合不同微调的模型合并；针对TensorRT-LLM、vLLM、MLX等运行时的适配。直到最近，这些前沿活动很容易被忽视。开放模型是有用的，但基础模型对于最困难的编码和代理任务并不够好。这个差距正在迅速缩小。Z.ai发布了GLM-5.2，并在MIT许可下提供了公共权重。其自身评估报告在SWE-bench Pro上得分62.1%，而GPT-5.5得分为58.6%，尽管结果在基准和代理捕获方面有所不同。Moonshot表示Kimi K3在长期编码方面接近封闭前沿，并承诺在7月27日发布其权重。人工分析支持这一性能声明，在其独立评估中将其与Opus 4.8和GPT-5.5进行对比。一旦基础模型足够好，生态系统就可以复合。我预计将会围绕代理运行时、编码工具、沙盒、评估、可观察性和专门的微调出现新的项目。它们可以共同形成一个生产级堆栈：在开源软件上运行的开放权重模型，可针对团队的工作负载、硬件和经济进行定制。这个堆栈能否在每个基准上击败所有封闭模型？