从 ChatGPT 转向开源模型：一个普通用户的折腾之路

2026-09-13 12:46 0 阅读

为什么闭源让人不安

你没法验证一个黑盒到底在做什么。像 ChatGPT 这类服务可以宣称自己重视隐私和安全，但用户只能选择相信——或者不信。这种不确定性让人不舒服。

相比之下，开源模型比如 Qwen 或 DeepSeek，代码和权重公开，至少理论上你可以自己检查数据怎么处理、有没有后门、推理逻辑是否合理。这不是说开源就绝对安全，而是它给了你验证的可能性。闭源连这个机会都不给。

最早让我对开源产生兴趣的，是那台小小的树莓派。装的是 Raspberry Pi OS（以前叫 Raspbian，其实我更喜欢旧名字）。系统几乎完全开源，从内核到桌面环境都能看源码。

刚拿到手时，我一边折腾 GPIO 控制 LED，一边顺藤摸瓜查文档、读论坛、翻 GitHub。慢慢搞懂了什么叫社区协作、什么叫自由软件。虽然现在回头看很多操作很笨，但那种“原来这东西我能自己改”的感觉，确实上头。

说实话，我也没想到后来会一路摸到大模型这儿来。但回头想想，种子大概就是那时候埋下的。

得承认，我以前是 ChatGPT 用户。

（此处应有社区倒吸一口凉气）

转折点其实挺偶然。有段时间我同时开着 ChatGPT 和 DeepSeek，让它们互相“对话”——比如让 ChatGPT 提问题，DeepSeek 回答，再把回答喂回去。纯粹觉得好玩。但玩着玩着发现，DeepSeek 在本地跑，响应快、没审查、还能自己调参数，体验反而更顺手。

后来就彻底转过去了。现在再用 ChatGPT，总觉得束手束脚。

中间也短暂试过 Claude，原因很现实：我常去的公共图书馆把 DeepSeek 的域名屏蔽了。但 Claude 的速率限制太狠，问三个问题就卡住，根本没法连续思考。那段日子相当煎熬。

我对老设备有种奇怪的执念。写这篇文章用的还是 2016 年的笔记本。某天看到抽屉里的 3.5 英寸软盘，突发奇想：能不能做个模型，体积小到能塞进一张软盘（1.44MB）？

于是有了“Single Floppy model”。结果跑分比一个 1k 参数的玩具模型还差。不是差一点，是全方位崩盘。连 tokenizer 都解析不了基本句子。

没放弃，接着搞 floppyx3。这次连 tokenizer 都没跑通，直接报错退出。floppyx4 干脆只写了 README，代码没动。

现在看着桌上积灰的软盘，我在认真考虑要不要买台二手台式机专门用来训练——哪怕只是跑通一个能正常输出“Hello World”的微型模型。

这事没什么深刻教训。就是一个人瞎折腾，失败了，但还挺开心。