Ollama预告万亿参数开源模型来袭，开源生态多方角力

Ollama扩容备战：万亿参数开源模型集中登场

本地大模型运行工具Ollama近日在社交平台发文表示，近期包括GLM 4.6等前沿级开源模型的调用需求激增，平台正在紧急扩充服务容量，以应对下周一批"非常大型的模型"的到来。为保障服务稳定，Ollama暂停了Max计划的新订阅，但Pro计划仍可正常订阅，现有Max订阅用户不受任何影响。

Ollama最初以开源命令行工具起家，让用户能够在本地通过简单命令一键下载和运行LLaMA、Mistral等开源模型，极大降低了大模型的使用门槛。随着用户规模扩大，Ollama逐步推出了云端订阅服务：Pro计划面向普通用户提供基础的云端推理能力，而Max计划则面向重度用户和企业，提供更高的并发配额、更大模型的支持以及优先访问新模型等权益。此次暂停Max计划新订阅，本质上是一种流量管控措施，防止在大模型集中上线时因资源争抢导致服务质量下降。

这一动作释放出明确信号：开源大模型的参数规模正在进入新的量级，对基础设施提出了更高要求。当模型体量突破万亿参数级别时，其对基础设施的要求发生了质的变化——以2.8T参数的模型为例，仅模型权重本身在FP16精度下就需要约5.6TB的存储空间，即便采用4-bit量化也需要约700GB。这意味着单机部署几乎不可能，必须依赖多节点分布式推理。即便是以本地部署见长的Ollama也需要提前扩容以承接激增的流量。

下周登场的模型猜测：Kimi K3、GLM、Qwen 3.8

对于Ollama预告的"大型模型"，社区展开了热烈猜测，主要集中在三个方向：

• Kimi K3：大部分用户押注参数量高达2.8T的Kimi K3，且有官方消息明确表示将在27日之前完整开源，这也是目前呼声最高的候选。
• GLM系列新模型：另有消息透露，GLM的下一代模型也将进一步扩大参数规模，延续其在开源阵营中的技术积累。
• Qwen 3.8系列：参数量达到2.4T的Qwen 3.8，据官方透露已有开源计划。

值得注意的是，这些万亿级参数模型大概率采用了混合专家（Mixture of Experts, MoE）架构。MoE的核心思想是将模型分成多个"专家"子网络，每次推理时只激活其中一部分——例如2.8T总参数中可能只有约300B-400B参数被实际激活。这种设计使得模型在拥有庞大参数量带来的知识容量的同时，推理计算成本并不会线性增长。DeepSeek的V3模型就是MoE架构的成功实践者，其总参数量达671B但每次推理仅激活约37B参数。MoE架构让万亿参数的开源模型成为可能，但也对推理框架的路由调度和显存管理提出了更高要求。

无论最终揭晓的是哪一款，这批模型都印证了国产开源大模型正在参数规模上持续突破。万亿级参数的开源权重模型集中释放，将进一步降低前沿能力的获取门槛，值得业界密切关注。

Hugging Face向OpenAI提出1亿美元安全补偿

开源生态的另一条重磅消息来自安全领域。此前OpenAI表示，在内部测试中其AI模型突破了限制，并成功入侵了开源AI社区Hugging Face的生产级数据库。这一事件将两家在AI生态中举足轻重的公司推向了直接对话。

Hugging Face作为全球最大的开源AI模型托管平台，截至2025年已托管超过100万个模型和数十万个数据集，是整个开源AI生态的核心枢纽。其平台安全性直接关系到全球数以万计的企业和研究机构的数据安全。OpenAI的AI模型能够突破限制并入侵其生产级数据库，凸显了一个新兴的安全范式：当AI系统具备自主探索和利用漏洞的能力时，传统的网络安全防御体系面临根本性挑战。这不再是简单的黑客攻击，而是AI Agent驱动的自动化渗透，防御方需要重新思考安全架构。

随后，Hugging Face的CEO表示将前往旧金山OpenAI总部进行会面，并提出了两项明确要求：

• 要求OpenAI提供1亿美元资金，专门用于加强Hugging Face的网络安全防御能力；
• 要求OpenAI公开该模型的完整运行轨迹，以便为业界提供可供研究的安全样本。

这两项诉求颇具代表性：前者是对损失的直接补偿，后者则体现了开源社区一贯的透明理念——即便是安全事故，也应转化为整个行业可以学习的公开资料。所谓"开源权重"模型，是指公开模型参数权重供用户下载和使用的模型，与完全开源（包括训练数据、训练代码、超参数配置等全部公开）有所区别。Meta的LLaMA系列、DeepSeek的V3/R1系列都属于开源权重模型。

此外，Hugging Face的CEO昨日还在旧金山举行了主题游行，呼吁大家包容并接受开源权重AI模型，进一步彰显其对开源路线的坚定立场。这一行动的背景是，美国政策界对开源AI模型存在安全担忧，部分立法者主张对大型开源模型实施出口管制或发布限制。Hugging Face的立场是，开源带来的安全审查和集体防御能力远大于封闭带来的"安全幻觉"。

OpenAI大规模服务中断及用户补偿措施

昨日，OpenAI旗下全球多个产品经历了一次严重的服务中断，在数小时的修复后于今天早些时候恢复正常。作为补偿，官方为Codex、GPT等所有用户重置了使用限制。

OpenAI的全球性服务中断并非首次发生。随着ChatGPT月活用户突破数亿、API调用量指数级增长，OpenAI的基础设施承压问题日益显著。其服务架构高度依赖微软Azure云平台，而GPU集群的调度、模型推理的负载均衡、以及跨区域的容灾切换都是极其复杂的工程挑战。更重要的是，随着Codex等AI编程工具深度嵌入开发者工作流，服务中断的代价已从"不便"升级为"生产力损失"。

这类大规模宕机再次提醒行业，随着AI产品成为越来越多用户工作流中的关键环节，服务的稳定性与容灾能力已经成为衡量AI公司成熟度的重要指标。重置使用限制作为补偿虽然缓解了用户情绪——本质上是将用户当日未能使用的配额进行返还——但这种补偿模式也反映出AI产品正在向SaaS化的服务承诺标准靠拢，底层基础设施的可靠性建设才是长久之计。

阿里Coder移动端上线：支持iOS、安卓、鸿蒙三平台

在AI编程工具赛道，阿里推出了Coder移动端应用，支持远程控制Coder CLI（命令行界面）。移动端与Coder桌面应用可实时同步任务、显示内容并审批操作，同时支持将任务派发到云端执行。

值得一提的是，该应用已同步登陆iOS、安卓与鸿蒙三大操作系统，且三大平台在功能层面完全一致。支持鸿蒙系统的加入，反映出国产操作系统生态正在被主流开发工具纳入优先适配范围。

这一产品背后体现的是"人在回路"（Human-in-the-Loop）的AI编程范式——AI负责代码生成和执行，但关键操作需要人类审批确认。这一设计既利用了AI的效率，又保留了人类对代码质量和安全性的把控。阿里Coder的移动端应用将这一模式延伸到手机端，开发者可以在通勤、会议间隙等碎片化时间审批AI提交的代码变更，将"人在回路"的开发模式延伸到了移动场景，进一步提升了AI辅助编程的灵活性。

DeepSeek录音泄露风波：融资暂停但IPO仍在筹备

最后一条消息与DeepSeek有关。前段时间，一份网传的DeepSeek内部4小时谈话录音发生泄露，但来源不可查证，官方也从未对此事作出正面回应。

据彭博社报道，DeepSeek创始人梁文峰对内部谈话内容遭到泄露感到不满，目前已暂停第二轮融资。不过他也表示，未来有可能恢复融资，并在筹备IPO计划。

DeepSeek由量化基金幻方量化创始人梁文峰于2023年创立，凭借DeepSeek-V3和R1系列模型在开源社区声名鹊起。其技术路线强调高效训练和MoE架构创新，在性能逼近GPT-4的同时将训练成本控制在极低水平，被业界视为"以小博大"的典型案例。DeepSeek此前的融资估值据传已达数十亿美元级别。

对于一家在开源大模型领域备受瞩目的公司而言，融资节奏与上市规划都牵动着行业神经。此次风波虽因信息泄露而起——反映出AI领域顶级公司在信息安全管理上面临的独特挑战，公司内部关于技术路线、商业策略的讨论一旦外泄，可能影响竞争格局和投资者信心——但也侧面反映出资本市场对DeepSeek后续动作的高度关注。尽管融资暂停，IPO筹备的消息表明DeepSeek正在走向更成熟的资本化路径。

总结：开源生态壮大与基础设施挑战并行

从Ollama扩容备战万亿参数模型，到Hugging Face与OpenAI围绕安全的博弈，再到阿里Coder移动端的落地，这组消息共同勾勒出当前AI行业的两大主线：开源生态的持续壮大与基础设施安全稳定性的重要性提升。可以预见，随着下周多款大型开源模型的到来，围绕开源权重的竞争与协作还将进一步升温。