据 jls42 对 10 月 18 日动态的汇编（https://jls42.org/ko/news/ia-actualites-18-oct-2026 ），Hugging Face 联合创始人 Thomas Wolf 在 X 上发布一份草稿估算，@huggingface 账号转发：把各实验室在 Hub 上免费共享、可下载的开源权重模型，其最终训练所消耗的 GPU 若按租赁计价，总值约 9.91 亿美元，10 到 90 百分位区间为 8.16 亿至 13.45 亿美元，覆盖 75 个模型家族、35 家机构。账面排序为 Meta 约 1.56 亿、阿里巴巴约 1.49 亿、英伟达约 1.14 亿，月之暗面约 5500 万、Mistral AI 约 4900 万、DeepSeek 约 4700 万。作为对照，2023 年底同口径总额还不足 4000 万美元。Wolf 自己把合计称为下界：约一半 5.02 亿基于开发者公开的算力数字，其余靠假设，长尾模型与 Hub 上约 90 万次社区微调都没有计入，他把这份公共资产比作志愿者贡献时间的维基百科，只不过捐的是 GPU 时长与数据。
从 4000 万到 9.91 亿两年涨了多少个量级？
2023 年底不足 4000 万到如今近 10 亿，二十多倍的增长主要由两件事驱动：模型家族数量从几个头部扩展到 35 家机构，单家族训练规模从数十亿参数跳到万亿级。这个数字衡量的不是谁最慷慨，而是开源权重已经成为一种需要真金白银训练成本支撑的公共品，过去社区默认下载免费等于零成本，Wolf 的账把训练这一环重新摆到桌面上。对下游用户，免费权重背后是上游已经垫付的巨额算力，这也是开源项目长期可持续性必须回答的问题：垫付方退出后谁来续。
这份估算的水分在哪里？
Wolf 主动声明这是 napkin math，一半数字来自公开披露、一半来自假设，租赁计价本身就有多种算法：按现货 GPU 时租、按长约折扣、按自建集群折旧，结果差异很大。9.91 亿是中枢，8.16 到 13.45 亿的宽区间说明不确定性不小。长尾模型与 90 万次微调被排除在外，意味着真实贡献还要往上加，但也意味着这份账不能直接当成谁投入的排名榜，Meta、阿里、英伟达居前部分是因为模型规模与家族数量占优，而非单纯捐赠意愿。
三家领跑背后各自在买什么？
Meta 领跑来自开源大模型家族的持续铺量，阿里来自通义系列在多尺寸上的完整布局，英伟达出现第三名不是慈善而是生态投资，它需要最多模型跑在自家硬件上，训练成本折算成平台黏性。月之暗面、Mistral、DeepSeek 紧跟，说明非美国实验室也在用训练算力换社区位置。这个结构对中国厂商是个提醒：权重开放本身就是全球可见的算力展示窗，只发不训练的账号在这张榜上没有位置。
普通开源使用者该怎么读这笔公共账？
对个人开发者，结论不是要去捐款，而是理解免费权重的真实价格已经被上游支付，选型时应优先考虑长期有训练投入能力的家族，避免依赖一次性放出的孤立权重。对企业，把开源模型直接商用前要评估权重维护者下一轮训练的资金来源。Wolf 的维基百科比喻精准之处在于：公共品靠分散捐赠维持，但一旦捐赠集中到少数几家，中立性与更新节奏就会被资本结构牵着走。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论