至於幾百個語言社群，各自治理自己的公民脈絡、自己的維基、規範和討論頁，並且彼此互通——這正是這個運動二十五年來的運作方式。你描述的那種集中——像我們這個時代的大型主機——是真的。但前沿模型的訓練成本，動輒數十億；而較小的模型，就商業上來說，合力訓練容易得多。我們已經看到像 Thinking Machines Lab 的 Tinker 工具、Nemotron 等等，讓在地社群能把後訓練、微調、可操控性這些環節去中心化。而且不太耗電，也不太耗冷卻用的水。我認為，對社群來說，那是遠遠更可取的發展方式。