开源与AI技术的结合成为焦点，Meta等公司推动开源AI模型发展，但透明度与治理问题引发争议。DeepSeek等开源AI模型虽采用MIT许可，但训练数据等关键信息仍不透明。Hugging Face等机构致力于创建更开放的开源AI模型，强调社区参与和长期可持续性。开源AI在技术创新和商业落地中面临数据安全、模型透明度和治理结构的挑战，未来需平衡开放性与商业利益。

Hugging Face 团队开发了 Open Deep Research，一个开源版本的 OpenAI 深度研究工具，利用 OpenAI 的 o1 模型和自主代理框架实现网络爬取、文件分析和数据计算。尽管在 GAIA 基准测试中得分 54%，低于 OpenAI 深度研究的 67.36%，但其开源特性为 AI 研究社区提供了透明性和可扩展性。该工具展示了 AI 在信息检索和复杂问题解答方面的潜力，但缺乏 OpenAI 的 o3 模型性能。未来，开源模型与专有模型的竞争将持续推动 AI 技术进步。

DeepSeek 的开源推理模型 R1 以低成本提供行业标准性能，显著提升了计算效率，使相同算力下产出增加 10 倍。尽管 AI 基础模型仍需要大量 GPU 和数据中心投资，但开源模式（如 Mistral）通过社区贡献降低了成本，增强了竞争力。同时，AI 推理需求激增，GPU 资源供不应求，推动了基础设施独立性的讨论，强调西方模型在数据安全和伦理方面的优势。

美国非营利AI研究机构Ai2发布开源大模型Tulu3-405B，宣称在多项基准测试中超越DeepSeek V3和GPT-4o。该模型拥有4050亿参数，采用强化学习与可验证奖励（RLVR）技术，在数学问题解决和指令遵循任务中表现优异。Tulu3-405B的开源特性为全球AI开发者提供了强大的替代方案，标志着美国在开源AI领域的领先地位。模型代码已在GitHub和Hugging Face平台公开，展示了AI技术竞争中的开放创新趋势。

前谷歌CEO Eric Schmidt在《华盛顿邮报》专栏中呼吁美国加大开源AI投入，以应对中国DeepSeek的崛起。Schmidt指出，DeepSeek的快速发展标志着全球AI竞赛的转折点，表明中国能以更少资源与科技巨头竞争。他建议美国开发更多开源模型，投资AI基础设施如Stargate，并推动领先实验室共享训练方法。Schmidt的投资涉及AI军事应用和合规领域，其公司White Stork可能为美军提供AI无人机。此举凸显了开源AI在技术创新和全球竞争中的战略重要性。

Hugging Face 启动 Open-R1 项目，旨在复刻 DeepSeek 的 R1 推理模型并开源其全部组件，包括训练数据和架构细节。R1 在多项基准测试中表现优异，尤其在物理、科学和数学领域展现出高可靠性。Hugging Face 强调，开源 R1 不仅有助于透明度，还能推动 AI 研究的进一步发展。项目依赖 768 块 Nvidia H100 GPU 的 Science Cluster，并计划通过社区协作构建训练管道。此举有望推动开源推理模型的创新，为下一代 AI 模型开发奠定基础。

中国AI实验室DeepSeek发布开源推理模型DeepSeek-R1，声称在AIME、MATH-500和SWE-bench等基准测试中表现优于OpenAI的o1。R1具备6710亿参数，支持自我验证，适用于物理、科学和数学领域。DeepSeek还发布了参数从1.5亿到700亿不等的精简版本，适应不同硬件需求。R1通过Hugging Face平台提供，价格比OpenAI低90%-95%，已衍生500多个模型，下载量达250万次。尽管R1在性能上表现出色，但其内容受到中国互联网监管限制，回避敏感话题。这一进展凸显了中国AI实验室在推理模型领域的快速追赶能力，并推动了开源AI的普及。

开源社交应用 Pixelfed、Loops 和 Sup 的开发者 Daniel Supernault 通过 Kickstarter 筹集资金，以推动其去中心化社交平台的进一步发展。这些应用基于 ActivityPub 协议，旨在挑战 Meta 等中心化社交媒体的垄断地位。Supernault 计划通过资金支持扩展存储、CDN 和计算资源，以应对用户增长，并加速开发进程。此举反映了去中心化 AI 技术在社交网络中的应用趋势，强调数据安全和用户控制，同时展示了开源生态在 AI 驱动社交平台中的潜力。

开源语言模型DeepSeek R1震撼发布，价格仅为OpenAI的1/50，性能却大幅提升。R1-Zero模型在训练中涌现“顿悟时刻”，推理能力显著增强。DeepSeek团队通过纯强化学习提升模型推理能力，其蒸馏版Qwen-1.5B在部分任务上超过GPT-4。此外，DeepSeek开源6个蒸馏小模型，并更新为MIT许可证，商用免费。未来将继续优化通用能力及解决语言混杂等问题。