话又说回来，自打“小悠”上线，以横扫之势席卷全球之后，对面的针对性动作，明显频繁了许多。
此番长达五小时的围攻，更是堪称歇斯底里。
很显然，对面急了~
而这也恰恰证明，他们做对了~
不过，这才只是刚开始而已。
极光还为这场AI浪潮，准备了后手~
即——“开源战略”！
说来，早在18/19年，行业内便已出现少数开源探索，比如GPT-1、GPT-2等。
这一阶段的开源模型，多为中小规模，与闭源模型存在明显性能差距。
直至今年2月份，Meta发布了LLaMA-1，并开源了7B/13B/30B/65B四个参数量版本，向研究社区免费开放，才首次证明开源模型，可逼近闭源模型的性能。
而Meta此举，也引得诸多开发者入驻，围绕LLaMA-1，开发出了大量衍生模型。
而这也正是极光，选择开源极光大模型的原因——构建大模型生态。
当然，他们也不会傻到，毫无保留的全面开源，而是仅开源“极光Lite”版。
分为7B/14B/32B/72B四个参数量版本。
且仅公开基础版“星数架构”，移除超长上下文优化、动态稀疏激活、异构算力调度、深度思考、原生实时数据引擎等核心模块。
不过即便阉割到这种程度，其性能也远超同期的LLaMA、BLOOM、OPT等开源大模型！
甚至与GPT-3.5相比，也仍存在诸多优势！
比如，极光Lite 72B版本，幻觉控制率约8%~10%，显著优于GPT-3.5的10%~15%！
上下文窗口，可达16k，是LLaMA -65B版本的8倍！
GTP-3.5的2倍！
且单GPU即可流畅部署，推理成本仅为GPT-3.5的1/5！
LLaMA-65B的1/20！
此外，极光Lite版，原生支持中文语义理解，成语、诗词、古文的处理准确率，高达95%！
远超依赖翻译层的GPT-3.5，以及几乎不支持中文的LLaMA-1！
而在极光Lite开源后，开发者无需支付高额授权费，无需对接复杂的API接口，直接下载代码，即可完成本地部署、二次开发！
这意味着，极光云与极光OS生态内，超700万名开发者，可“零门槛”接入星数架构，大幅提升生态活跃度！
同时，团队还将极光大模型的AI能力，深度原生集成于纯血极光OS之中，并内置了星数架构适配层。
开发者基于“仓颉语言”，开发的应用，无需修改代码，即可自动适配，星数架构的推理逻辑！
适配周期，从行业常规的3个月，缩短至7天以内！
甚至个人开发者，仅凭单台电脑，就能在1周内，完成“AI功能集成-测试-上线”全流程，大幅加速AI应用落地！
而开发者基于“极光Lite”开发的应用，会触达亿万用户。
用户的使用数据，经脱敏处理后，回流至极光数据中台，可直接用于极光大模型的迭代优化。
无论是补充细分场景知识，还是修复模型漏洞，都能实现“用户反馈-数据回流-模型迭代-体验升级”的即时闭环，进而形成“赢者通吃”网络效应！
对比而言，OpenAI等企业采用的闭源模式，数据回流率不足30%，模型迭代严重依赖自有数据，缺乏工业、金融、教育等，第三方场景的多样性数据。
这也导致，其模型只能在，文本生成、简单问答等通用场景迭代，垂直场景能力薄弱。