如今主流的大模型，主要分成两大阵营：“闭源模型” 和 “开源模型”。这一节，我们先来认识一下商业气息浓厚、实力强劲的 “闭源模型”。
什么是闭源模型？
闭源模型，全称是 “封闭源代码模型（Proprietary Models）”。所谓的 “闭源”，说白了就是 “不公开” 的意思。
简单来说，闭源模型的底层代码、训练数据、核心参数（权重）等，全部被开发公司当成商业机密锁了起来，不对外公开。作为普通开发者或用户，我们既看不到它的内部结构，也没法把它下载到自己的电脑或服务器上。
这就好比可口可乐的神秘配方，全世界只有极少数人知道，其他人只能花钱买现成的饮料喝。因此，想要使用闭源模型，我们只能通过官方提供的网页对话框，或者调用官方的 API 接口。
主流的闭源模型有哪些？
在当前的大模型生态中，闭源模型几乎占据着能力和性能的 “天花板”。其中最有名的三大巨头，分别是：
- GPT 系列（OpenAI）：行业的老大哥。OpenAI 的 GPT 系列，始终代表着行业的最前沿水平，综合推理能力和生态完整度都极高。
- Claude 系列（Anthropic）：由 OpenAI 曾经的核心员工离职后创立。旗下的 Claude，在逻辑推理、写代码以及深度长文写作上都非常出色。
- Gemini 系列（谷歌）：谷歌作为科技巨头的反击之作。Gemini Pro 拥有超长的 “上下文窗口”，能一口气读完几十万字的小说、甚至几小时的视频，最擅长处理长文本。
- 国内的闭源代表：考虑到访问海外服务有网络限制，国内也有不少优秀的闭源大模型，比如月之暗面的 Kimi 等。它们更懂中文语境，在国内的网络环境下，调用也更稳定、更快。
准确来说，ChatGPT 其实是 OpenAI 的产品名，而 GPT 才是它的大模型名。不过很多地方会将它们混为一谈，不过小伙伴们也不用纠结这一点，大概知道怎么回事就行了。
提示: 像我们最近常听说的 DeepSeek，以及阿里的通义千问（Qwen），它们火出圈的其实是开源版本，我们会在下一节 “开源模型” 中会重点介绍。
开源和闭源的界线，有时并没有那么绝对。不少国产厂商其实是 “两条腿走路”——既提供闭源的网页 / API 服务，也开源了一部分模型。所以与其纠结某个模型，到底算开源还是算闭源，不如先看清楚一点：你是只能花钱调用它，还是能免费把它下载回家。
闭源模型有什么优势？
在开源模型层出不穷的今天，为什么各大企业还愿意花大价钱用闭源模型？主要是因为它们有几个无可比拟的优势：
- 性能处于第一梯队：研发大模型极其烧钱，闭源大厂手握数万张顶级显卡和最顶尖的科学家，所以最新的技术突破，往往最先出现在闭源模型上。
- 开箱即用、零门槛：用户不需要购买昂贵的显卡（GPU），也不需要懂任何大模型的部署知识。只要注册个账号，或者写几行简单的代码调用 大模型 API，就能立刻用上全世界最聪明的大模型。
- 免维护与自动升级：大模型的服务器维护、高并发承载、安全过滤等脏活累活，全由大厂搞定。而且大厂还会不断在背后悄悄优化，你什么都不用做，模型就会变得越来越聪明。
闭源模型有什么缺点？
天下没有免费的午餐，享受了顶级的服务，自然也要承担相应的代价。具体来说，闭源模型有下面几个缺点。
1. 长期成本不可控
闭源模型普遍采用 “按量计费”（也就是按 Token 用量收费）。如果你的网站接入了某个大模型的 API 接口，突然有一天网站访问量暴增，那每个月的 API 账单，绝对能让你肉疼。
举个例子，假设我们做了一个 AI 智能客服网站，每天有 10000 个用户来咨询。如果后台调用的全部都是最顶级、最贵的闭源大模型，那每个月的 API 账单，可能就高达好几千、甚至上万块钱！
这也是为什么在后续课程中，我们要学习如何自己部署开源模型来省钱才行。
提示: 网页或 App 的会员（比如 ChatGPT Plus）是按月固定订阅，适合个人随便用。而 API 是按 Token 用量计费，适合开发者把 AI 接进自己的产品。上面说的 “按量计费、账单肉疼”，主要指的是后者——API。
2. 数据隐私风险
用闭源模型，就意味着我们必须把用户输入的数据，发送到大厂的服务器上。对于银行、政府，或是涉及核心商业机密的企业来说，这种数据外流，是绝对不能接受的。
比如在 2023 年，某国际知名手机大厂的工程师，为了图方便，把公司未公开的核心芯片代码发给 ChatGPT，让它帮忙找 Bug。结果 ChatGPT 的母公司直接把这些机密代码当成了训练素材吸收了，最后酿成了一起严重的商业机密泄露事件。
自那以后，许多大企业纷纷下了禁令，严禁员工在公司网络里使用外部的闭源大模型。
如何保护你的数据隐私？
那怎么防止闭源大模型 “偷学” 你的数据呢？针对隐私这个痛点，目前主流大厂已经做了让步，我们可以通过下面 2 种方式来保护数据：
- 网页端关闭历史记录：在 ChatGPT 等网页版的设置中，找到 Data Controls（数据控制），把 “聊天记录与模型训练” 的开关关掉。这样，你发送的数据就不会被拿去训练了。
- 直接使用 API：绝大多数闭源厂商（如 OpenAI、Anthropic）在官方用户协议中明确承诺：通过 API 接口传输的数据，默认不会用于训练模型。这也是企业级应用通常都走 API 接入的核心原因之一。
3. 被 “卡脖子” 的风险
闭源大厂随时可能调整服务价格、修改使用条款，甚至由于不可抗力，直接对某些地区切断服务（比如之前 Claude 就直接封禁咱们中国的账号）。如果你公司的业务完全依赖它，一旦它断供，你的产品可能就直接瘫痪了。
此外，对于做开发的小伙伴来说，这也是一种代码层面的绑架。如果你的后端业务深度依赖了 OpenAI 的接口格式，一旦被迫换成别的模型，可能就得推翻、重写大量底层逻辑代码。
当然了，我们在后续的 《LangChain 教程》 中，也会教大家怎么使用框架来抹平这些差异，从而实现接口的自由切换。
4. 调用频率限制
虽然闭源模型宣称 “开箱即用”，但它们对 API 的调用频率和并发量有严格的限制（比如每分钟最多只能请求 500 次）。万一你的应用突然爆火，用户涌入，很容易会触发限制，导致服务报错。这时你只能去排队申请提升额度，相当被动。
简单点来说，闭源模型就像是 “租豪车”。你不需要承担高昂的买车和保养费用，花点零钱就能体验到极佳的性能；但缺点是，这辆车永远不属于你，方向盘始终握在别人手里。
那到底什么时候应该使用闭源模型呢？给大家一个简单的判断：如果你是个人用户、或者追求最强的性能、又不想折腾，那闭源模型（GPT、Claude、Gemini）通常是最省心的选择；只有当你特别在意成本、数据隐私与安全，或者需要深度定制时，才更需要考虑下一节要讲的开源模型。
常见问题
1. 像 GPT、Claude、Gemini 这种国外顶级大模型，我应该怎么用呢？好像它们的网站打不开啊。
由于一些众所周知的原因，很多国外网站都是打不开的，这个得 “科学上网” 才行。如果你这些网站都不会打开，那说明你还没有到非用它们不可的那一步。因此，小伙伴们可以先考虑使用一下国产的闭源模型。
