开放权重人工智能模型正在以惊人的速度缩小与封闭前沿模型的差距：根据半导体研究公司 SemiAnalysis 的最新分析，随着大型语言模型的每个连续时代，开放模型需要一半的时间才能赶上该时代的第一个封闭模型。

这项研究的标题是“开放模式正在迎头赶上吗？”该书由 Evan Cloutier、Max Kan、Jordan Nanos 和 Dylan Patel 于 8 月 21 日发表，是迄今为止最系统的尝试之一，旨在量化困扰整个人工智能行业的一个问题：如果开放模型以一小部分成本保持几乎与封闭前沿一样的能力，那么前沿实验室是否有持久的业务？如需深入了解推动这一转变的模型发布，请关注 AI Buzz Wire。

前沿人工智能的三个时代

作者认为，法学硕士的历史分为三个不同的时代——早期规模化、推理和代理——每个时代都代表了模型有效功能的阶跃函数增长。

他们的核心方法论观点是，用单一基准比较跨时代的模型是错误的。每个基准都是其时代的产物：创建它是为了辨别当时存在的能力差异，然后由模型制造商不断攀升，直至饱和，此时行业不再关心并继续前进。相反，SemiAnalysis 团队为每个时代的模型运行了精心策划的基准集，以产生综合能力得分。

从这个角度来看，开放与封闭的差距是循环变化的。在每个时代的开始，前沿实验室都会完成有前途的研究，训练出令人印象深刻的模型，并取得领先。然后其他实验室确定关键进展，对其进行逆向工程，并缩小差距。 “没有什么是永远秘密的——尤其是当你考虑到蒸馏的时候，”作者写道。 “这只是需要多长时间的问题。”

他们对这个问题的衡量产生了该研究的主要发现：每一代开源模型都需要一半的时间才能赶上该时代第一个闭源模型。

为什么这个周期感觉不同

该报告直言不讳地谈到了过去的开放模式时刻与当前的开放模式时刻之间的差异。作者指出，2025 年 1 月的“DeepSeek 时刻”成为了头条新闻，但“没有人真正使用 R1 来做任何具有经济价值的工作”。

相比之下，他们指出 GLM 5.3 和 Kimi K3 等模型“真正能够完成许多与 Anthropic 的 ARR 飙升至 65B+ 美元相同的编码和代理任务”——这是指编码和代理工作负载为 Claude 制造商带来的收入轨迹。这一说法具有特别的分量，因为这些开放模型不仅仅是演示软件；而且是一个很好的例子。它们被部署在生产环境中，执行与封闭实验室产生实际收入相同的任务。

使用数字强化了这种转变。据 SemiAnalysis 称，Fireworks 是一家为许多开放模型提供服务的推理提供商，目前每天处理超过 40 万亿个代币，是 3 月底 OpenAI API 处理量的两倍。正如报告所说，“对于代币消费者来说，这是一个激动人心的时刻”，代币之争现在已经远远超出了 OpenAI 和 Anthropic 双头垄断的范围。

商品化问题

这项研究直接解决了人们的担忧——它在某些方面给这种恐惧贴上“FUD”的标签——即有能力、廉价的开放模型将使模型层完全商品化，这一结果对前沿实验室的利润来说将是灾难性的。

分析的公开部分没有提供完整的答案，而是向读者指出该公司的付费代币经济学模型，以详细处理 OpenAI 和 Anthropic 的财务状况。但前进的方向是明确的：如果每个时代的开放模型的到达时间是前一个时代的一半，那么封闭实验室可以为前沿能力收取高价的窗口就会不断缩小。

作者还警告不要将这一趋势视为前沿研究的死刑。他们写道，基准“并不能说明全部情况”，报告的结论对前沿模型的描述比读者最初想象的“不那么悲观”——部分原因是原始基准平价与可靠性、产品集成、企业分布或大规模服务模型所需资本方面的平价不同。

为什么它很重要

对于买家来说，研究结果验证了许多企业已经采用的策略：对于大部分代币交易量，默认使用开放或更便宜的模型，同时为最困难的任务保留优质的封闭模型。对于实验室来说，它量化了他们在两个方面面临的压力——下面是开放模型，上面是巨大的计算成本。

对于开源生态系统来说，SemiAnalysis 数据提供了一些经常供不应求的东西：证据，而不是意识形态，表明差距正在按可预测的时间表缩小。如果这种半衰期模式持续到前沿人工智能的下一个时代，那么该行业最有价值的问题就不是开放模型能否迎头赶上，而是在它们迎头赶上之后，什么仍然可以防御。

追踪公开重量级人工智能竞赛 阅读更多人工智能新闻 →