机构为什么用开源软件，而不是烧 token 的商业平台 ​

魔当实验室 · 2026年11月

本文是"开源与商用"系列第七篇。前六篇讲的是开源这一侧：《商业公司为什么要开源》讲动机，《大厂模型许可证实录》讲条款，《学校和课题组怎么管许可证》讲教学场景下的义务。这一篇讲另一边：一个要做决定的机构，为什么最后往往回到开源这一侧——以及这个决定要付出什么。

全文不评价任何机构，不点名，不比较具体平台的效果好坏，也不构成法律意见。价格部分只讲成本结构，不给数字：平台报价按月在变，任何具体数字都应该在签合同前当场核对。

一、先说结论：三个理由，跟"省钱"关系不大 ​

我们接触做 AIGC 培训的机构时，最常听到的一句话是"用开源是因为便宜"。但把三家的账分开算完，会发现便宜通常不是决定性的那一条——有些场景下开源根本不便宜。真正让人回到开源这一侧的是三个别的东西。

第一，可教性。 一门课能教的是可以被拆开、被复现、被检查的东西。一个本地软件，学员能看见模型文件在哪个目录、参数在改什么、这一步为什么慢；老师能布置"把采样步数从 20 降到 8，对比两张图"这种作业。一个封装好的接口做不到这件事：它把过程整个收进黑箱，学员拿到的是结果，不是过程。

这不是"效果好不好"的争论。商业平台在不少任务上效果更好，这一点我们不做比较。争论的点是课程形态：如果考核方式是"交一张图"，用什么都行；如果考核方式是"说清楚这张图为什么这样"，黑箱就撑不住。

第二，成本形状。 按 token、按次数、按并发计费的本质是变动成本：招生越多，费用越高，两者大致线性相关。本地部署是固定成本前置：机器先买、环境先装，之后一个学员用和一百个学员用，边际成本接近电费和机房折旧。

这个差别决定了毛利曲线的形状。变动成本模式下，涨价或者招生放量都会直接吃掉毛利；固定成本模式下，多招的人几乎不增加成本，但第一笔投入要先垫出去，而且机器买了就在那儿，招不满也不会消失。

所以这不是"哪个便宜"，而是"哪种风险你更愿意承担"：一种是花得多但不用垫钱，一种是垫得多但边际便宜。

第三，资产归属。 学员在本地跑出来的一批东西是能带走的文件：一个 LoRA 权重几十 MB，一个训练出来的音色模型，一条调好的工作流。它们在学员自己机器上，课后不需要平台账号也能打开。

平台侧的产出通常不是文件，是记录：存在账号里，受服务条款约束，能不能下载、能不能商用、服务停了还在不在，都要看条款怎么写。这一条对"课后长期接单"的学员尤其关键——他带走的东西如果依赖一个他不再付费的账号，那实际上什么都没带走。

二、"省钱"这条最容易翻车：本地不是免费 ​

既然成本形状讲清了，就得把另一面也讲清，否则这篇文章就是推销。选开源的机构最后付出的是这几项，它们经常超出预期：

这张表里的每一项都是人力，不是软件费。这也是我们把自己能做的事说得很窄的原因：我们能压缩的是"装机与答疑工时"和"失败率"这两格，把环境装好、版本对齐、报错少出现；我们压缩不了硬件采购，也代替不了课程本身。

一句话：开源不是免费，是把"每次调用付一点钱"换成"提前投入一堆人力和硬件"。 如果一个机构的班期短、学员人数少、课程只教到"能出结果"为止，这笔换法很可能不划算。

三、学员这一侧：同一个决定，另一套账 ​

机构算的是毛利，学员算的是另一套东西，两边的账经常不一致。

学员这一侧最硬的三条：

一、薄利多单。 很多学员报 AIGC 课的预算本来就紧。课程要求他再花几千块换一台带独显的电脑，或者每月为订阅付费，这笔钱不会写进学费里，但会直接写在"我学不学得下去"上。老机器能不能继续用，是他报名前最关心、又最不敢自己判断的事。

二、二次收费的投诉。 公开投诉平台上大量关于 AIGC 课程的投诉，反映的不是"课讲得差"，而是"报名后还要不断花钱"：算力要另充、模型要另买、进阶内容要另付。学员对这类结构的敏感度远高于对教学质量的敏感度，因为前者是可感知的持续支出。

三、能力要带得走。 学员花时间与钱换的是一项能落在自己身上的能力。如果所有操作都发生在一个网页里，课程结束后账号一停，他既没有作品，也没有环境，也没有可复现的流程。本地这条路上，至少环境和产出都在自己机器上。

还有一条不太被写进材料、但在答疑里天天出现的：

学员装不上软件，不会怪软件，会怪自己。

这是本地部署最大的隐性代价，也是机构最该处理的一格。同一台电脑、同一个安装包，报错信息看起来永远是"你操作不对"。它会直接转化成挫败感、退课冲动和差评。反过来，这也正是为什么"能不能装上"在本地路线上比"哪个模型更强"更决定体验。

四、机构与学员的账不一致时，怎么办 ​

把两边的利益摆在一起，会发现它们不是同一套：

这张表里没有"正确答案"，只有分环节选。我们看过比较稳的分法是：

• 招生与体验环节用云端。试听课要的是十分钟内出结果，不要卡在装机上。这个阶段用封装好的平台是对的。
• 教学环节用本地。要能拆、能改、能检查、能布置过程性作业。
• 课后与接单环节用本地。作品归学员，环境归学员，机构不背"逼我持续付费"这条。

这个混合不是折中，是让每一段用它最擅长的东西。反过来说，一个机构如果全程只用平台，它会失去对教学过程的控制；全程只用本地，它会把转化率交给学员自己的电脑。

五、什么时候该用商业平台 ​

别把开源当教条。下面这些情况，用商业平台是对的选择：

1. 视频与数字人类方向。模型体积大、显存门槛高、失败率高，本地交付的成本经常超过订阅费。这不代表不该讲原理——可以先在本地跑通最小示例，量产交给平台。
2. 课程只教到"能出结果"。如果考核是作品而不是过程，黑箱不构成教学问题。
3. 需要可交付的稳定服务。给企业做培训、要求 SLA、要求并发一致的演示环境，本地做不到"每台机器表现一样"。
4. 模型换代特别快的选题。跟着上游版本走的方向，自建的维护成本会一直大于租用。
5. 机房条件本身不达标。老机房、内存和硬盘不足、带宽不够——这些情况下硬推本地，代价直接转成退费率。

还有一类要单独提醒：有些"本地软件"其实默认在用云端。装在你机器上，跑的时候调的是在线大模型和在线语音合成，显存要求写得很低也不是因为算得快，而是因为不算在本地。这不是坑——它常常是合理设计——但它意味着"能不能本地跑"必须逐个应用问，不能按"这个软件是开源的"就推断。机构在材料里写"全程本地运行"之前，至少要确认关键链路有没有联网。

六、许可证这一格，机构一定会问 ​

选了开源这一侧，就会撞上许可问题，而且和平台订阅完全不是一回事。三件事：

软件、模型、生成物是三层。 软件是开源许可（MIT、Apache、GPL 这一类），模型权重是另一套许可，生成物能不能登记版权、要不要标识是第三套问题。三层互相不覆盖。

"开源"不等于"可商用"。 同一个仓库里不同文件不同许可是常态：有的模型小尺寸版本是 Apache 2.0、大尺寸或者开发版本是非商用研究许可；也有同一代产品不同尺寸许可不同的情况。站内那篇《大厂模型许可证实录》把这些条款逐条列过，《量化、LoRA、微调之后的模型，还受原许可证约束吗》讲学员自己练出来的那个适配器算不算派生物。

教学与交付的边界不一样。 课堂上演示一次，和教学员把这个模型用在接单交付上，是两个风险等级。凡课程里出现"拿去就能商用"这类表述，许可这一格就必须先核。这一层的完整场景清单在《学校和课题组怎么管许可证》里。

我们的建议很朴素：把"这个模型能不能商用"写进课程大纲，而不是等学员来问。 具体到某个模型某次发布，以仓库里的 LICENSE 正文为准；翻译版没有效力，截图和传闻都不算。

七、两张清单 ​

机构决策前该问完的八个问题：

1. 考核方式是"交作品"还是"讲得清过程"？
2. 一个学员的成本随招生人数怎么变——线性，还是前置？
3. 装机和答疑打算投多少人力，有没有折算成钱？
4. 失败的那几台机器怎么处理，谁处理，多久处理？
5. 学员课后带走的是文件还是账号记录？
6. 课程用的模型，许可允许学员拿去商用交付吗？
7. 哪些环节其实更适合用云端，能坦然写进材料吗？
8. 报名前的电脑要求，敢不敢像退款政策一样逐字披露？

学员报名前该问的四个问题：

1. 我的电脑是 Windows 还是 Mac，是 Apple 芯片还是 Intel 芯片？
2. 课程要求的是"推理"还是"训练"？这两个的门槛经常差好几倍。
3. 装不上怎么办，有没有明确的处理流程，会不会算在我头上？
4. 除了学费，还要不要再付钱——算力、会员、模型、软件？

八、我们的位置 ​

这件事里我们能做的事说得很窄：装得上、跑得起、少报错。 我们不提供课程，不判断哪个平台效果更好，也不承诺学完能接多少单。

我们做的事情只有三件：把本地环境按你的系统和硬件配置装好；把应用与模型的版本对齐到能复现；让最常见的报错少发生、发生了能看懂。至于一个机构该走本地还是该走平台、某门课该用哪个模型，那是课程设计和预算的问题，答案在机构自己手里。

如果这三件事里有一件正好卡着你，可以从《报名前先看这张表：六个 AI 方向，Windows 和 Mac 分别要什么配置》看起——那篇讲的是具体一台机器的天花板在哪里，和这篇的账正好是同一件事的两面。

本文的表述口径：不评价机构、不比较平台效果、不涉及任何具体报价。模型许可相关内容以各仓库 LICENSE 正文为准，截至 2026 年 11 月，不构成法律意见。