← #800

开源权重 LLM 与闭源 LLM 之间的差距还有多大

查看原文 HN 讨论

文章摘要

这篇来自 Doubleword 的文章试图量化「开源权重（open weights）LLM」与「闭源 LLM」之间的性能差距。作者的度量方法是：观察开源模型追平闭源前沿模型新能力所需的时间。若仅看 Artificial Analysis 的头条「智能指数（Intelligence Index）」这一单一基准，外推可得出结论：开源模型将在 2026 年 12 月 3 日左右追平闭源前沿——距文章发表（2026 年 6 月）约六个月。

然而当作者把视野扩大到 18 个不同基准时，画面变得更复杂。跨全部指标的箱线图分析显示，平均差距在整个观察期内「几乎完全持平，稳定在略低于 5 个月」。不同领域的表现分化明显：编程（coding）基准进步最大，落后幅度从 15 个月骤降到 1-2 个月；而大多数其他基准上，滞后期只是温和增加。

文章的核心结论是：衡量 LLM 的「整体质量」本身就很困难。取决于你更看重哪个指标，预测结果可以从「即将实现平价」一直摇摆到「开源始终落后约 5 个月」。换言之，「差距」不是一个数字，而是高度依赖于你关心什么能力。

HN 评论精华

• samat（高赞）：一针见血地指出文章标题的用词错误——「开源模型（open source）」与「开源权重模型（open weights）」不是一回事。正文用词正确，但标题有误导性。这是评论区反复被强调的一点。

• christina97：给出了对「中国开源模型难以反超美国前沿」的结构性分析。他认为美国实验室的领先源于用巨型「教师模型」生成海量高质量（多为合成）数据的巨大投入；而中国模型则靠极致的工程优化以及从美国前沿模型「蒸馏」数据来追赶。要想真正超越，这套等式必须翻转，中国实验室需从「收割前沿模型数据」转向自建数据生产体系。

• jackconsidine：用「阿基里斯与乌龟」的芝诺悖论作比——通常这是谬误（阿基里斯终会超过乌龟），但在这里或许真的成立，因为开源模型正是靠闭源模型的蒸馏而变强，存在一个天然的「跟随」结构。

• profsummergig、jacobgold、dabinat：担忧开源模型的可持续性。profsummergig 指出当下开源权重模型本质是某些私营机构（如 DeepSeek）的「慈善」，龙头随时可能被关掉；除非出现「社区共有的算力」，否则开源始终有被停更的风险。dabinat 进一步预测「开源盛宴终将结束」——可能因商业优势、地缘博弈，甚至因有人用开源模型作恶而遭封禁。

• doctoboggan、gehsty：从地缘政治角度切入。前者推测：如果中国政府深度介入 LLM 战略，那么一旦其产出前沿模型，理应立即停止开源、转为限制访问——这或许正是美国政府急于切断技术流向的假设前提。

• pdp：泼了盆冷水——对绝大多数实际用例而言，终端用户几乎感知不到智能差异。没人分得清一个落地页是 Fable 还是 GLM 生成的，「可感知的智能」达到某个点后就不再被在意，除了少数窄场景。