开源模型改写 AI 经济学，便宜之后企业该争什么？

节目简介

企业选择开源模型，省下推理费用只是开始。当模型能够部署、定制和替换，团队还需要重新考虑数据、运维以及任务分工。本期根据《开源模型正在重写 AI 的经济学逻辑》展开双人讨论，从文中转述的 Ollama 创始人访谈出发，聊聊 Agent 如何改变用量、微调该积累什么，以及便宜模型和前沿模型如何协作。最后回到 Ollama 的创业经历，讨论产品机会与技术时机。

时间目录

00:00 固定片头

00:54 省下费用之后，企业想掌握什么

03:03 Agent 为什么让模型用量快速增加

05:02 基础模型更新这么快，微调还值得做吗

07:03 把模型跑起来，为什么能成为一门生意

09:01 便宜模型和前沿模型如何分工

11:09 模型更便宜了，协作就一定更可靠吗

13:10 Ollama 的两周验证，给创业者什么启发

15:14 固定片尾

本期要点

- 比较模型成本，要把推理、运维、重试和人工复核一起计算。

- Agent 反复读取、执行和验证任务，让每个用户的模型用量持续增加。

- 微调的长期积累包括业务样本、评测标准和更新流程。

- 模型、硬件与工具调用的适配，是模型运行平台需要持续承担的工作。

- 开源与闭源、本地与云端可以按任务分工，分配比例仍需实际验证。

- 多模型协作需要明确的任务边界、结果检查和失败后的处理方式。

- 创业团队需要在技术条件成熟时，迅速验证一个具体、可用的产品。

原文链接

mp.weixin.qq.com

内容说明

本期为用户提供文章的对谈改编，并非 Jeffrey Morgan 的原声访谈。文中访谈数据按原文归属转述，未来用量比例为预测；省略了未经本次独立核实的具体模型排名、硬件性能对比和相对发布时间。讨论中的方法建议为节目分析。

公众号 深思圈