开放模型最新进展：Kimi K3实测表现、WAIC讲话、蒸馏争议与生态分化

Interconnects 2026-07-22T23:20:43.905802

近期开放模型领域动作频频：Kimi K3在编码任务上接近Claude 3.5 Sonnet，GLM 5.2以极高速度成为开发者新宠；中国领导人在WAIC上公开支持开源，Qwen宣布下一代大模型开放权重。本文梳理了这些动态背后的关键判断——开放与封闭模型的差距并非简单的“落后月份”，实际表现高度依赖具体任务，而中国实验室凭借年轻专注的团队、算力获取渠道拓宽和后训练优化，正在特定领域逼近闭源前沿。

1. 开放模型加速追赶：Kimi K3与GLM 5.2实测

在最新一期播客中，Nathan Lambert与Florian Brand对近期中文开放模型进行了深入测试。Kimi K3的代码质量大约相当于Claude 3.5 Sonnet（54-55级），虽然某些细节不如Codex，但在日常监管运行和实验场景下已经足够可用。不过它有一个明显问题：API因需求超载，实际响应时间远高于GPT系列。

另一款模型GLM 5.2则在速度与可用性上表现突出。在快速清理任务和代理子任务中，它接近Sonnet水平，内部端点速度可达每秒200-300 tokens，这使得它成为许多开发者的首选工作模型。

值得注意的是，开放模型生态正在快速专业化。如今模型发布时，已经有vLLM补丁和合作伙伴提前获取权重，这与一年前形成鲜明对比。但Kimi这类超大规模模型（500B-700B MoE）仍然需要额外时间优化和部署，可能比以往的中型开放模型晚一个月以上才能被广泛使用。

2. WAIC讲话与战略转向：开源成为国家方向

中国国家领导人在世界人工智能大会（WAIC）上发表支持开源的战略讲话，这不仅是政策层面的背书，也标志着开源模式在中国AI发展中的核心地位得到确认。与此同时，阿里巴巴旗下Qwen宣布下一代大模型将开放权重，进一步扩大了开放模型生态。这一系列动作背后，是中美地缘政治下开放与封闭模型的经济学博弈，以及AI前沿安全问题的持续争议。

3. 关键判断：差距并非简单的“落后月份”

3.1 “落后月份数”叙事过于简化

开放模型与封闭前沿模型在基准测试上的所谓“落后月份数”，其实是一种过度简化的说法。实际差距高度依赖具体任务——在编程、计算机使用等场景下，表现与闭源模型的接近程度差异很大。不同的评测方倾向于使用不同指标，有时结论甚至相互矛盾。因此，开发者不应仅看一个笼统的排名，而应关注特定任务上的后训练潜力。

3.2 Kimi K3：潜力大但门槛高

Kimi K3作为一个大规模扩展的模型，其原始后训练可能比较粗糙，存在大量性能挖掘空间。但后训练门槛很高——需要单节点B300级硬件——这让它在短期内难以被广泛微调。这意味着虽然模型本身基础不错，但普通开发者想在自己的需求上进行定制化优化并不容易。

3.3 蒸馏技术在追赶中扮演关键角色

中国实验室（如GLM、Qwen、DeepSeek、MiniMax）通过数据、环境优化及快速迭代，已在特定任务上逼近前沿闭源模型（如Opus、GPT），其中蒸馏技术是关键因素。所谓蒸馏，简单说就是让一个小模型“学习”大模型（甚至闭源模型）的输出，从而在小参数规模下获得接近大模型的能力。这一做法引发了“蒸馏是否等于抄袭”的争议（例如Ben Thompson的辩论），但不可否认，它正成为开放模型快速追赶的重要工具。

4. 中国实验室的独特优势

4.1 年轻专注的团队结构

中国开源模型研发团队（如Kimi、GLM、Qwen）往往只有二三百名20多岁的研究员，高度专注于单一模型，极少开展“支线任务”。这种专注力是其能够持续追赶闭源模型的重要优势。相比之下，西方实验室常因组织庞大、多个项目并行而分散精力。

4.2 算力获取渠道拓宽

尽管存在出口管制，但过去6-9个月，中国团队获取算力的渠道显著增加——通过马来西亚等地流通的英伟达芯片，以及华为昇腾等国产芯片的逐步上线，可用算力较上一代模型训练时已有大幅增长。有人提到“规避出口限制”的渠道也在运作。

4.3 资本效率优势

中国实验室在资本效率上可能具有结构性优势：人才训练方式、较低的薪酬水平，以及“追赶而非前沿”的目标导向，使得模型迭代成本显著低于Anthropic等西方实验室。这是开放模型持续缩小与闭源模型差距的关键原因。

4.4 用户规模较轻，算力集中于研发

中国模型厂商的用户规模远小于OpenAI或Anthropic（没有10亿级用户负荷），算力可以更集中地用于研发。同时，外部数据采购正在成为新趋势，有助于开源模型接近闭源模型水平。

4.5 不同厂商的战略分化

5. 对开发者的影响与展望

关键要点

摘要：中国开源大模型的迭代周期已压缩至1-2个月，MiniMax在许可证上摇摆不定；与此同时，模型蒸馏的效用争议持续升温——业界发现蒸馏在强化学习阶段的作用被高估，而前沿模型的封闭化正在重塑竞争格局。对中国开发者而言，这意味着更多高质量选择，但也需警惕“蒸馏速成”的陷阱。

背景

播客围绕中美开源大模型生态的最新动态展开讨论：Kimi K3、Qwen 3.8等中国模型迭代迅速，美国新兴玩家（如Thinking Machines、Poolside）也开始频繁发布模型。MiniMax在开源许可证上出现摇摆，可能因政策压力重新转向完全开源。同时，模型蒸馏（distillation）的争议愈演愈烈——学界与业界对其实际效果和合规性存在显著分歧。

迭代速度与竞争格局

中国模型：从追赶者到搅局者

中国模型实验室的迭代周期已缩短至1-2个月，接近闭源模型（如GPT、Claude）约6周的更新节奏，说明训练管线已趋于成熟。美国新玩家很快发现，中国模型并非简单的蒸馏或刷榜产物——在内部评测中，这些模型表现优异，追赶难度远超预期。参数量增长也在放缓，2025年不太可能出现5万亿或10万亿参数的模型，最大可能接近3万亿。当前前沿阵营包括Kimi、Zhipu、DeepSeek、Qwen等。

Gemma在采纳率上正追赶Qwen，但Qwen在科研社区的易用性和工具链积累仍占优势，短期内难以被替代。MiniMax面临公开市场压力，其K3模型的开源许可证仍存在不确定性，可能受政策影响而重新完全开源。

美国玩家的突围策略

美国新兴玩家应优先发展可微调的小型模型（如Inkling small preview），抢占自动化任务与垂直场景的市场，而非盲目追求全面领先。从业者应关注可微调、中等规模模型的实际部署价值，专注于特定领域（如代码、自动化）的小模型可能成为差异化机会。美国新玩家在人才和经验上仍有短板，需在这些方面重点突破。

蒸馏真相：被高估的捷径

蒸馏在SFT阶段有用，但非核心

蒸馏在监督微调（SFT）阶段有一定效果，但远非模型能力的主要来源。模型真正的强大能力来自强化学习（RL）阶段，后者需要快速且近算力的评判模型，蒸馏的边际贡献被高估。多个研究团队尝试使用最强闭源模型（如Claude、Gemini）的推理轨迹进行SFT微调，却未能稳定提升开源模型性能。这暗示蒸馏的收益高度依赖于基座模型和中间训练方式，并非简单的“采数据、微调”就能追赶。

RL阶段的蒸馏困境

关于蒸馏的争议：Ben Thompson声称随着强化学习成为主流，蒸馏的影响力反而上升。但实际上，在RL阶段用顶级API模型（如Fable、GPT-5.6）监督数百万次rollout成本极高、速度慢，且未必优于自建奖励模型，因此蒸馏在RL阶段的效用并未被现有研究证实。随着后训练重心从SFT转向大规模RL，仅靠API提取推理令牌不再足以拉近差距，中国实验室需自主研发RL流程才能持续逼近前沿。

中国实验室的双重路径

中国实验室既使用蒸馏数据启动数据引擎，也在自主创新。其在数学、代码等核心领域的爬坡与OpenAI、Anthropic类似，关键在于生成对当前模型足够困难的Prompt和环境本身——这已经是前沿研究，无法靠简单蒸馏实现。

前沿封闭化与政策博弈

模型能力分层

前沿模型在多数任务（如编程）上已足够胜任，但在新数学证明、新药研发等开拓性领域，顶级模型仍不可替代。同时，顶级模型的可及性正持续收紧——Anthropic已建立内部实验室研发药物，不对外共享。模型前沿正日益封闭，而近前沿能力则在快速商品化。

安全与防御的悖论

Hugging Face遭遇黑客攻击时，因闭源前沿模型（GPT、Claude）的护栏限制了防御分析，不得不使用较弱但无限制的开源模型（GLM）。这一案例暴露了闭源前沿对防御方的不利——攻击者可获取更强模型，而防御方被迫使用能力较弱的模型。若美国企业无法使用中国顶尖开源模型，将在网络安全等防御领域陷入劣势，长期将加剧安全风险。

政策动向：酝酿中的“影子禁令”

美国政策圈正在酝酿通过“影子禁令”限制中国开源权重模型在美使用，但这一动向源于对中国模型“窃取IP”或“安全威胁”的恐惧渲染，缺乏明确法律路径。开发者应留意潜在的政策风险，但不必过度恐慌。

查看原文