訓練大模型的成本之高一直是行業痛點，各路玩家都在思考如何用技術創新把成本“打”下來。

　　3月10日，字節跳動豆包大模型團隊發布了針對MoE架構的通信優化系統COMET，該方案通過細粒度計算-通信重疊技術，助力大模型訓練優化。據豆包大模型團隊介紹，COMET已實際應用于萬卡級生產集群，累計節省了數百萬GPU小時資源。此外，COMET還可與豆包大模型團隊此前發布的新一代稀疏模型架構UltraMem結合，實現協同優化。

　　“在萬卡集群上做測試的這個經驗，國內很少能有。”一位頭部大模型算法工程師在接受可以看到的是，自DeepSeek的開源模型R1在全球范圍內“爆紅”以來，國內更多大模型玩家以更高的頻率進行著技術開源。對此，北京市社會科學院副研究員王鵬向3月1日，DeepSeek在知乎發布了“開源周”后的“彩蛋”，首次公布了模型降本增效的技術細節以及理論上高達545%的利潤率。

　　DeepSeek通過MoE架構的創新讓激活參數比大幅下降，使得同等效果的大模型所需的算力明顯下降。“671B的模型，在處理每個問題時，被調用激活的專家模型參數僅約37B，算力需求起碼降低到原來的約二十分之一。”阿里云無影事業部總裁張獻濤曾在接受而豆包團隊MoE架構的稀疏特性導致計算和通信間的依賴動態且復雜，其分布式訓練仍面臨著跨設備通信開銷巨大的成本挑戰。

　　3月10日，豆包大模型團隊發布了針對MoE模型的通信優化系統COMET。據介紹，COMET具體通過共享張量依賴解析機制，將共享張量沿Token維度或隱層維度切割，使通信與計算的最小單元對齊；同時通過動態負載分配算法，根據輸入規模和硬件環境實時調整線程塊分配，消除跨設備通信帶來的等待延遲。

　　一位豆包大模型的技術人員告訴豆包大模型團隊稱，COMET這一創新在大規模MoE模型上可達到單層1.96倍加速，端到端平均1.71倍效率提升。目前，COMET已實際應用于萬卡級生產集群，助力MoE模型高效訓練，并已累計節省了數百萬GPU小時資源。

　　“用100張卡測試的波動可能很少，因為出問題的概率較小，但1萬張卡的波動就會大很多。”一位頭部大模型算法工程師向
 

　　從在全球范圍內引起熱議的DeepSeek-R1到開源周的“大放送”，DeepSeek因持續開源核心技術被業內稱為“源神”。基于DeepSeek的動作，國內大模型廠商紛紛跟進并加速了開源行動。

　　2月18日，階躍星辰首次開源其Step系列基座模型。該模型分別是目前全球范圍內參數量最大的開源生成模型階躍Step-Video-T2V，以及行業內首款產品級開源語音交互大模型階躍Step-Audio。MiniMax也在1月15日發布并開源新一代01系列模型，包含基礎語言大模型MiniMax-Text-01和除了頭部的AI初創公司外，重投大模型的多家互聯網巨頭也在緊跟開源這股熱潮，其中阿里一直是堅定的“開源派”。3月3日，開源社區Hugging Face最新榜單顯示，開源僅6天的阿里萬相大模型已反超DeepSeek-R1，登頂模型熱榜、空間榜兩大榜單，成為近期全球開源社區最受歡迎的大模型。3月6日凌晨，阿里再度拋出新的開源成果。阿里云通義千問官微宣布發布并開源最新的推理模型QwQ-32B。據介紹，這是一款擁有320億參數的模型，其性能可與具備6710億參數的DeepSeek-R1媲美。

　　“開源優秀技術可以獲得更多聲量，也可以吸引更多企業、開發者進行二次開發，有助于生態構建。”一位豆包大模型的技術人員向同樣，王鵬也認為，開源模式能促進技術發展、創新，既可幫助大模型公司擴大其在全球AI市場的影響力和份額，也可以吸引到更多參與者加入到生態系統的共建中，從而降低自身研發成本。

　　不過，也有不同的聲音，大模型公司選擇開源模式究竟是為了名還是利？“如果開源的技術比閉源的更好用，免費的技術比收費的更好用，那么誰還用閉源和收費的？”工信部信息通信經濟專家委員會委員盤和林在接受