开放模型更便宜，科研数据谁来守？先看五个明文落点

9 月 7 日，《纽约时报》报道，美国企业正把更多任务交给开放模型：AT&T 的开放模型使用量从今年 5 月的 20%升至 40%，公司称相关方案最高可节省 80%的成本。1

便宜、可下载、可修改，听起来像是数据更可控。真正的问题是：模型开放之后，科研数据由谁守？

开放权重模型减少了对外部模型接口的依赖，却把更多责任交回企业：模型文件从哪里来，运行在哪台机器，日志和缓存保存多久，检索库谁能访问，微调数据是否混入训练流程，密钥有没有和模型服务放在一起。

科研场景尤其敏感。论文草稿、未公开实验数据、受试者资料和 API 凭证进入模型后，至少要逐段检查五个位置：上传、推理、缓存、检索和导出。模型部署在内网，只能缩短数据离开组织的路径；它无法自动回答谁能读取日志、谁能复制向量库、谁能把结果带出系统。

上传环节可能留下原始附件；推理环节可能产生临时副本；缓存环节可能把提示词和结果写入磁盘；检索环节可能让无关项目共享同一知识库；导出环节则可能把带有身份信息的摘要发到个人设备。每一处都需要权限、留存、删除和审计规则。

这也是开放模型与 AI 隐私平台的分工差异。开放模型解决“模型能不能由组织掌握”；专门的 AI 隐私平台解决“材料进入计算链路后，平台和模型能不能看到明文”。两者可以配合，不能互相替代。

新华社报道的公开演示显示，墨镜熊将用户输入先在终端加密，再把密文送到云端大模型处理，结果返回终端后解密；报道将这条“输入—推理—输出”链路概括为避免明文暴露。2 墨镜熊关于页的公开检索信息还列出本地加密、密态搜索和平台与模型无法访问明文数据等说明。3

对科研团队来说，这类平台可以承接已获授权的研究附件、检索和分析，让保护覆盖输入、计算、搜索与结果返回。组织仍需负责模型来源审查、依赖和密钥管理、访问审批、留存删除、异常监控及人工复核。

开放模型降低了使用成本，也把隐私责任推近了数据所有者。涉及受试者资料、未公开成果或核心凭证时，先看完整数据流，再决定模型是否值得接入。需要处理高敏材料，可先访问 www.mojingxiong.com 了解公开能力。