开放模型回顾：Kimi K3、Qwen 3.8、蒸馏与开闭源差距
开放模型回顾：深入聊聊 Kimi K3、Qwen 3.8、习近平在 WAIC 的演讲、蒸馏、开源与闭源模型的差距，以及未来走向旨在与全世界分享后训练知识的内容已经完成，即将发布。现已开放预订：
Nathan 和 Florian 坐下来，一起讨论开放模型领域正在发生的一切。继上周 Kimi K3 发布后，行业仿佛全面提速——从中美地缘政治、开放模型与闭源模型的经济学，到 AI 前沿的安全问题，诸如此类。
章节：
00:00 欢迎与背景
04:38 体验和使用 Kimi K3
08:53 GLM 5.2 仍将发挥什么作用
12:47 中国模型为什么能做到这么好？
17:41 数据、环境，以及中国实验室巡览
19:47 中国模型厂商盘点：Qwen、DeepSeek、MiniMax……
24:08 美国开放模型生态
30:25 前沿模型与准前沿模型，以及从网络安全角度反对禁令的理由
34:58 蒸馏与 Ben Thompson 之争
44:12 预测与前沿模型分级
48:36 总结
你可以在 Apple Podcasts、Spotify，以及其他常用播客平台收听。想了解 Interconnects 的其他访谈，请点击这里。
想了解更多教育类后训练视频，可以查看我正在制作的课程。
文字稿
00:00:06 Nathan Lambert：好，欢迎回到《Interconnects》。我们来做一期季度开放模型盘点，主要是解释——或者说吐槽——为什么关于模型蒸馏的很多观点都站不住脚，同时梳理一下目前的发展状况。我记得 Kimi K3 是上周四发布的。接下来很快还会有更多模型，几乎是板上钉钉的事。比如上周末，习近平发表讲话，明确把开放和开源作为一项战略。他并没有详细说明现状或具体路线。
Qwen 也宣布，他们的下一个大模型将开放权重，这意味着方向会发生很大变化。可以聊的东西实在太多了。Flo，你之前似乎已经开始谈模型性能差距和蒸馏方面的各种说法了。不如就从这里开始。我这边也列了一些想聊的话题，之后可以逐个展开，再结合我写的那篇博客——里面的观点都非常细致。总之，我们有聊不完的内容。你先继续发挥。
00:01:17 Florian Brand：我觉得，每次模型发布，至少每次开放模型发布时，大家最关心的问题就是：它们落后闭源前沿模型多少，或者说落后了几个月。人们特别喜欢给这个差距下一个明确的数字，但这其实会把问题搅得更复杂。如今 benchmark 提供方越来越多，benchmark 的种类也越来越丰富。于是每个网站——我也不例外——都会挑自己喜欢的 benchmark，来证明当前模型或新发布的模型已经处于前沿；另一方则会拿出另一个 benchmark 反驳说，实际上它落后了一年之类的。很多争论似乎都取决于这个问题：开放模型究竟落后了几个月。
00:02:26 Nathan Lambert：没错。我的观点可能有点挑衅性：有些基准测试其实和大家实际在做的事情有相当不错的相关性，比如智能体式编程、智能体式计算机操作；但也有一些基准测试更能反映长尾场景，而这正是 Claude 和 GPT 的价值所在。问题在于，现在 Claude Code 和 Codex 的市场到底是什么？如果核心市场是软件工程，那么模型在这方面落后几个月，可能就是非常、非常严重的问题。话说回来，我猜这个模型应该还不错——当然，模型权重目前还没发布，据说要到7月27日才会发布，所以后续很多讨论都会建立在它确实按计划发布这一假设之上。
不过，大家完全可以对这个模型进行后训练，让它在许多用户真正关心的细分领域达到接近 Opus 和 GPT 的水平。我认为，这方面的进展非常令人兴奋。我们两个人观察后训练开源模型行业的角度不太一样，但可以肯定的是，业界正在大力推进针对特定高价值任务的模型微调。过去，这类工作主要围绕 Qwen 和 GLM 展开，而 GLM 5.2 更是显著加快了这一进程。我很好奇，谁会第一个发博客说“我们已经针对自己的任务完成了 Kimi K3 的微调”，因为我敢说，效果可能会有大幅提升。你用 Kimi K3 的次数比我多，不过我的直觉是，考虑到它的规模如此庞大，现阶段的后训练可能还比较粗糙，这通常意味着模型里仍然有不少性能可以挖掘。大概就是这样。
00:04:03 Florian Brand：没错。训练，尤其是后训练，会非常困难，因为光是加载模型权重，就需要一台配备 B300 的节点，规模大得离谱。所以，要真正把它弄到可以微调的状态，可能还需要一段时间，以及大量工程工作。不过，你刚才提到的是实际使用这个模型的人——你确实报名参加了它的编程项目，也亲自用过。所以，把这些背景交代清楚还是很有帮助的。
00:04:38 Nathan Lambert：对。我大概是在发布后的第二天注册的，选的是 200 美元的套餐，这是他们最大的一档，和其他服务类似；我记得他们还有 40 美元和 100 美元的套餐。最高档提供 100 万 token 的上下文，我觉得——至少用起来感觉如此——API 请求似乎也有一定优先级。因为网上很多人都说自己不断遇到 API 错误，但到目前为止，我用得还挺顺利。至于模型能力，除了前端开发确实很强之外，它在其他一些方面也相当亮眼，表现非常出色。
它甚至超出了我的预期。比如研究任务：我在 Interconnects 上已经积累了一年多的开放模型数据，也会让各家 frontier model 做一些我们以前没做过的有趣分析。毕竟我们通常都是自己分析并发布结果，所以我会直接告诉它们：来点新的，给我一个惊喜。结果很多模型，基本上所有模型，都会抓住我们已经做过的内容，重新跑一遍数据分析，然后再加上一些奇怪又偏门的部分。
但 Kimi K3 做得更有意思。我明确让它去抓取 Reddit，结果它找到了几个我完全没想到的 subreddit。它还发现，比如 Reddit 上的讨论通常会比下载量增长早一两个月出现；也就是说，大家已经开始关注 Qwen 了，过一两个月才会有更多人去下载 Qwen 模型。这类分析非常有突破性，也是 Kimi 相比其他 frontier model 让我感到意外的地方。
那换个简单的问题：在你日常做的核心工作中，大多数任务都能用它完成吗？你平时有一套分布各异的工作内容，其中大部分应该是用 Codex 完成的。我觉得你更像是 Codex 用户，而不是 Claude 用户。你认为在这个模型也能胜任的任务上，两者的交集大概有多大？
00:07:24 Florian Brand：呃，这确实取决于我给它多大的发挥空间。就 Kimi K3 目前的表现来说，我正在参与开发 Prime Intellect 的框架，最大的感受是，Kimi 生成的代码简洁得多，也更容易读懂；但有些地方 Codex 做得更好——如果按 56、55，尤其是 54 的水平来比较，我会说，Kimi K3 在这类任务上大概相当于 54～55 的水平。
不过，如果我先读一遍代码，觉得“这代码写得真不错”，再让 Codex 检查一遍，它还是会找出很多 Kimi 不擅长处理的边缘情况。但用来监督运行过程，或者执行一些实验，它其实已经非常实用。还有些比较特殊的任务，完全可以直接让它自己跑。唯一的缺点是——当然，这也和 API 用户太多、服务器位于中国有关——实际耗时明显高于 GPT。不过，如果我把它真正用到日常工作流里，整体速度确实会慢一些，但还不至于慢到让我觉得“算了，根本没法用”。
00:08:53 Nathan Lambert：那它和 GLM 5.2 相比怎么样？在我看来，GLM 5.2 的故事还在继续发展。比如我在旧金山转转时，经常有人说：“我确实在 agentic coding 或工作流的这一环节使用它。”你当时是不是也属于这类用户？你有没有用过 GLM？
00:09:20 Florian Brand：用过，现在也在用。我主要是因为我们有一个速度很快的内部 endpoint；在那之前，我也用过一个 API，速度大概是每秒 200～300 个 token。只要它能以足够好的水平快速完成大量任务，那当然就直接用这个模型了。相比之下，切到 Codex 后还得选择次一级的模型、调整合适的 reasoning effort，再打开快速模式——我直接用 GLM 就行，结果差不多，而且表现相当不错。就能力而言，它绝对有 Sonnet 的水平；对于很多清理类任务，或者单纯的苦力活，它都非常好用。我觉得，完全可以让 Kimi K3 担任主 agent，再让 GLM 负责 sub-agent 工作，这样能覆盖相当多的任务。
00:10:24 Nathan Lambert：Kimi 这次发布的模型规模确实很不一样。我觉得，这批开放权重模型要真正完成优化，并在各家推理服务商那里普及，还需要更长时间。比如 GLM 5.2 的速度就很快，但首先，我们现在还拿不到它的权重；其次，我不认为它的采用速度会像 500B、700B 的 MoE 模型那样快。这里面会遇到更多问题，毕竟这是一个完全不同的阶段。过去，中国模型通常在 RL 训练结束后，几小时到几天、最多一周内就会以开放权重形式发布，生态很快就知道该怎么接入和使用。
我认为，下一代开放权重模型需要大幅提升基础设施能力，这一点必须纳入考量。闭源实验室在发布模型前，都会在幕后提前完成这些工作。这样一来，原本的时间差就会被拉长：人们可能要再等一个月，才能真正对 Kimi 做后训练，并将它大规模用于自己的工作流。作为开放权重模型的支持者，我们经常会说，只有等闭源模型正式可用后，才会出现所谓的时间差。但现在，开放模型也出现了类似情况：Kimi 的 API 几乎完全瘫痪，需求太大，而供给远远不够。所以，模型并不会一发布就立刻扩散开来。我只是想说，这同样会影响模型性能进入实际应用的时间差。
00:11:54 Florian Brand：这确实如此。不过另一方面，过去几个月里，开放生态已经变得专业得多。比如在模型首次发布时，通常都会有合作伙伴提前拿到权重；现在 vLLM 的补丁也会提前几天、甚至几周准备好。这和一年前完全不同：当时基本就是模型权重一丢出来，模型开发者便说“好了，剩下的你们自己想办法”。所以我预计，模型在第一天就能实现较好的普遍可用性。随后，各家服务商之间的竞赛才会真正开始：大家会不断优化，争取更高的推理速度，因为这本身就是一种荣誉。
00:12:47 Nathan Lambert：嗯，好。我们可以从两个方向来讨论。为什么我们认为中国的模型能做到这么好？我之前写过相关内容：在我们的 Discord 里，Epoch 的 JSD 也参与过一场讨论。我觉得这场讨论很有价值。我在那篇文章里提到，自己越来越倾向于认为，中国实验室的资本效率更高，能够更有效地把资本转化为算力、数据和人才，从而提升模型表现。如果这确实是一种结构性优势——不管原因是什么——那原因可能在于，中国的人才经过了更适合解决这类问题的训练，而这些问题正是让 LLM 变得更好的关键。
也可能只是因为在中国，算力、人才以及其他一切成本都低得多。可能是因为补贴，也可能只是平均工资更低。但随着模型不断迭代，这一点会变得非常重要。假设下一代模型对 Anthropic 来说要花 100 亿美元，而 Kimi 只需要 40 亿美元，那差距可能会非常惊人。但我们还不清楚为什么会这样。比如，我认为 Kimi 的工程师 Big Eagle 曾回复过我关于这个问题的推文，大意是：这对他们有帮助，因为他们并不是要推动能力前沿，只是在努力追赶。这或许确实与思维方式有关，也就是说，中国实验室设定的目标范围不同，因此开发这些模型的成本要低得多。
不过，过去一年里，我们一直在问：中国模型会不会掉队？我原本以为，由于训练的资本密集度越来越高，闭源模型和开源模型之间的差距会扩大。但现在看起来，情况似乎正好相反。这确实很难解释清楚。你是否也同意，中国实验室的表现比我们预期的更能跟上——它们在持续追赶？你认为原因是什么？
00:14:43 Florian Brand：我回头看了看我们根据去年总结对今年做的预测。我们当时基本认为，差距会维持在几个月之内。现在看来，这个判断大体是对的。好在我们没有给出具体数字——究竟是 3 个月、6 个月还是 9 个月——所以这方面算是比较稳妥。不过，我们在中国和这些人交流时都有一个很强烈的感受：他们的研究团队往往有两三百人，成员全都二十多岁，一心只想把一个模型做到极致，似乎完全不做其他“支线任务”。
他们似乎不会去做任何偏离这一目标的事情。至于算力，这对我们来说确实很难判断，尤其是现在中国自产的芯片也陆续开始投入使用。我还认为，过去 6 到 9 个月里，芯片走私的规模大幅增加了，或者说，之前走私进来的芯片开始陆续上线。
00:15:58 Nathan Lambert：这里说的“走私”是广义上的概念，指一切规避出口限制的方式。如果芯片被运到马来西亚，然后在那里投入使用，我也会把这种情况归入其中。我认为过去 6 到 9 个月里，这种情况大幅增加了。这在一定程度上解释了现在的结果。我的意思是，他们现在拥有的算力，确实比训练上一代模型时多得多。
00:16:24 Florian Brand：对。举个背景例子，大概两周前，LongCat 发布了自己的模型。他们声称——而且我们知道这很可能是真的——整个模型完全使用中国芯片训练。他们没有公开具体使用了哪些芯片，但业内猜测可能是 Huawei 的 Ascend。随着国产芯片产能不断提升，这些芯片很可能主要用于训练；不过，它们尤其适合推理，而推理本身也是训练流程中非常重要的一环。
所以，他们在训练阶段可能会混用 Nvidia 和其他芯片；随着推理阶段占比越来越大，推理所需的算力也会不断增加，而这部分同样非常关键。我认为，他们的整体算力确实在提升。另一方面，他们目前并没有多少用户，不需要像 ChatGPT 那样服务 10 亿用户，也不需要像 Anthropic 那样支持数百乃至数千家企业，因为他们没有那么多付费客户。
00:17:41 Nathan Lambert：是的。我觉得即使是这些付费客户，至少在企业端，支持这类产品也会占用公司的时间，引发内部讨论。即便这不是研究工作，甚至不在你的职责范围内，也会改变公司上下的注意力。如果 SSI 能推出一个优秀的模型，那将最终证明，分心确实是个问题。不过这是题外话，我们可以先放一放。我觉得，数据和环境行业似乎也开始出现一些动静了。
你还记得具体有哪些吗？因为我们在中国时，他们对外部数据的利用程度之低，确实让人有些震惊。可就在我们 4 月份去过中国几个月后，也就是 7 月份，我们突然听说中国出现了一些新公司，而且它们想要购买数据之类的东西。这种变化发生得很快，时间线还挺有意思。
00:18:40 Florian Brand：至于他们当时具体告诉我们的情况，我觉得还是要留出一定的误差空间。
00:18:44 Nathan Lambert：对，毕竟时间间隔太短了，所以我也说不准。
00:18:49 Florian Brand：是的，也有可能确实如此。不过，这类变化很难准确判断。我只能说，购买外部数据似乎正变得越来越重要。如果他们直接购买同样的数据，哪怕价格更低一些——毕竟他们进入数据和环境领域的时间更晚——这也会帮助 open models 追赶 closed models。但它确实是一个影响因素，至于影响有多大，我们还不知道。公开信息中没有相关线索，我也怀疑未来很难从谁那里得到真正有价值的内幕。因此，这很可能是他们能够追赶或提升模型得分的原因之一。
00:19:47 Nathan Lambert：好，我们再盘点一下其他中国模型厂商。前面聊过 Kimi，也聊过智谱 / GLM。我觉得 GLM 很快还会推出一些非常强的新模型，可能会叫 GLM 5.5 之类的。Qwen 方面，我们之前提到过，他们最大的模型也快发布了。我要说的是，相比小模型的出色表现，Qwen 的大模型在绝对性能排名上往往没那么突出，这可能是因为他们的重点不同。我觉得这和云厂商的思路有关。仔细想想，它几乎有点像 Google。
Qwen 背靠 Alibaba，在这里拥有巨大的机会。通过这些小模型吸引开发者使用 Alibaba 和 Qwen，对他们的云业务来说是千载难逢的机会，而我认为他们确实取得了非常大的成功。但他们的大模型一直没有小模型那么出色。所以，我不认为这次的新模型会像 Kimi K3 或 GLM 5.2 那样带来突破。我预计它会成为新闻焦点，在中国被视为重磅开源模型——就像“又一个巨型模型”一样受到关注，但我不觉得它会像 DeepSeek 那样持续成为新闻话题。你可以接着说，随时补充。
00:21:01 Florian Brand：有件事挺有意思，不知道你关注得多不多：他们有一个可以调用的 endpoint，目前提供预览版本，而且每天都会更新。也就是说，他们的迭代速度非常快。我们在各种 Twitter 基准测试上都能看到进展，尤其是 SVG、three.js 以及各种视觉生成任务，模型在过去几天里提升了很多。所以，他们似乎已经建立起了一套快速反馈机制。其他公司也在这么做——比如 Cursor 就写过很多文章，介绍他们如何快速迭代。但他们看起来是在持续上传新的 checkpoint，并将其开放出来。
00:21:47 Nathan Lambert：嗯，我同意。我猜这可能是他们最终 RL 训练过程中的时间窗口控制：在 RL 训练接近结束时，模型还在一点点变好，于是他们就顺手把这些版本逐个打勾发布了。
00:22:03 Nathan Lambert：好。Qwen DeepSeek V4 据说会先发布预览版。我觉得，DeepSeek V4 值得关注的地方在于，他们的 Flash 模型其实更受欢迎。这个更小的模型对用户来说简直是台“劳模”，所以我认为它才是最值得关注的版本。我不觉得 V4 Pro 会带来什么颠覆性突破。如果小米很快发布新的 MiMo Pro，情况大概也类似。我不期待它的提升幅度特别大，但应该会是一款相当扎实的模型。只是现在还很难判断，毕竟他们还是相对较新的玩家。至于 MiniMax，我觉得他们走的是另一条路。我不认为 MiniMax 正在追逐 Kimi/GLM 那种以 AGI 为目标的“登月计划”式路线。
00:22:46 Florian Brand：哦，我倒不这么认为。
00:22:49 Nathan Lambert：你觉得 MiniMax 还在这条路上？
00:22:52 Florian Brand：对。我觉得他们确实感受到了这种压力，尤其是因为他们和 GLM 一样，都是上市公司。看看这几天的股价表现——这些股票跌得很惨——就能发现，这件事的影响非常大。有意思的是，他们接下来会采用什么许可证。因为他们已经多次调整许可证，限制越来越多。Xi 演讲之后，如果他们再次改变立场，那就更值得关注了。
看看 MiniMax 会不会重新采用完全开放的许可证，会很有意思。K3 最终采用什么许可证也值得关注：他们说过会开源，但我不认为他们已经承诺了具体会采用哪种许可证。
00:23:45 Nathan Lambert：对，这一点非常重要。我们拭目以待吧。Ling、Meituan、LongCat 的情况也有些类似：模型实力很强，可能在内部创造了很大价值，但还没有带来同样的开发者领域突破。这样算下来，大概有七到八家中国实验室，可能还漏掉了几家。我们也可以聊聊美国的实验室。先不说别的，Gemini 3.6 Flash 发布了。表现还行，算是小幅提升：速度更快，也没那么爱啰嗦，但其实影响不大。我们就不再继续分享这个了——这就是 Gemini 对我们来说得到的全部关注。
不过，我确实觉得有必要聊聊美国这边的生态。我认为，一些新玩家正在崛起。Thinking Machines 发布了他们的首个模型，我也和其中一些人交流过。他们非常愿意探索如何结合 Tinker 打造可微调模型。我认为这也是大多数开放模型开发者都值得重点投入的研究方向：如果能在这方面建立影响力，就会获得大规模采用。因为对真实任务而言，模型是否易于微调，比榜单上的分数是否“最好”重要得多。这个模型叫 Inkling，参数规模达 1 万亿，成绩还不错，但还没达到前沿水平。
他们似乎计划推出一个更小的版本，有点像 DeepSeek V4 的思路：总参数量约为原版的四分之一，但性能会非常好。如果 Inkling small 预览版能在几周内发布，我认为它会成为一款真正得到广泛使用的模型。它的规模很适合自动化任务和领域专用任务，可能不像 Kimi、GLM 5.2 那样定位于通用智能体，但这其实非常符合他们的业务方向。我还知道一些其他公司——可以说，美国这些规模较小的玩家整体表现不错。比如 Arcee 在今年早些时候发布了模型，目前仍在持续推进；Poolside 也开始发布模型了。
过去几个月里，Poolside 已经发布了几个模型，接下来似乎还会推出更多。Reflection 则一直处于“模型即将发布”的状态。如果他们真的致力于开源，现在最需要做的就是尽快发布模型、代码或其他成果，启动开发者生态的飞轮。只是，把模型真正做出来并发布并不容易。我和 Thinking Machines 的一些人聊过，他们也提到，这件事实际需要投入大量工作。Nvidia 也在稳步推进，我认为他们目前已经是一个稳定的参与者。他们持续发布模型，近期还会推出更多，同时也开放了大量数据。我一直在推动他们发布类似 Qwen 的小模型，比如 Gemma 那种规模的模型。
Gemma 也有一批像 Qwen 这样的竞品模型，而且非常受欢迎。Gemma 各个型号的规模和架构差异比较大，整体显得有些分散，但从采用情况来看，Gemma 确实已经能和 Qwen 抗衡了。不过我不确定它们是否同样适合研究，这可能还需要一段时间，甚至经过多轮迭代。现在很多语言模型研究都是围绕小型 Qwen 模型或基于 Qwen 的模型展开的，研究人员已经非常熟悉这套工具和流程。换用 Gemma 的话，可能需要一定适应期。所以我希望 Gemma 能继续推出新模型，在这个细分领域形成竞争力。不知道还有没有遗漏谁。
00:27:22 Florian Brand：没有，我觉得这两家都是头部玩家。现在参与者确实越来越多了。说到模型开发者，去年除了 Gemma 3 和 GPT-OSS，我们还有其他发布吗？
00:27:41 Nathan Lambert：GPT-OSS 2 的表现会很强，当然还有 Nemotron。哦，我差点忘了年初发布的 Llama 4——不想漏掉它。不过现在确实有越来越多的参与者加入进来，以惊人的速度持续推出模型。
00:27:59 Florian Brand：比如 Poolside 在过去两三个月里就发布了三四个模型。他们似乎已经找到了一套稳定产出模型的方法。开源阵营也出现了类似趋势。以 GLM 为例，他们现在每次迭代的发布间隔大约只有一两个月，而且新版本都在持续变强，这和闭源实验室的节奏非常接近：如今我们大约每六周就能看到一个新的 GPT 或 Claude。也就是说，为了持续发布越来越强的模型，开源生态似乎已经，或者至少看起来已经，建立起了一套足够成熟的流程。
00:28:59 Nathan Lambert：是的，我同意。这确实很有希望，但也挺有意思：美国生态刚开始发布一些模型，紧接着习近平发表讲话，又有这两个模型出现。想追上来实在太难了，因为要训练出真正有人用的模型，需要大量的机构经验。我觉得，现在发布模型的美国公司也开始意识到，这些并不只是刷榜、蒸馏出来的知识产权窃取模型。
这些模型本身确实很强，人们会拿它们和自家内部基准上的模型比较，然后发现，在可量化的指标上想超过它们并不容易。我从几位在美国做模型交易的人那里听到了类似看法：我认为，大家应该在模型规模、可微调性等方面继续创新，充分挖掘这个近在眼前的市场。但与此同时，每家公司面临的发布压力也非常大，都想推出一款能够被称为前沿模型的产品。我觉得，许多投资者都对这些公司抱有这样的期待，所以它们实际上都在尝试完成一件相当困难的事。接下来一年美中两国的格局会如何发展，值得关注。
00:30:25 Florian Brand：是的。总体来说，我和很多人都讨论过整个生态，这也是你一开始就提到的话题。我认为，模型能力正在越来越明显地分化：对于很多任务来说，模型已经足够好。比如在大量编程任务上，无论是开源还是闭源的当前前沿模型，基本都已经够用了。在这方面，继续提升的意义似乎越来越小。
但如果把目光投向最前沿——比如发现新的数学证明、寻找新的治疗方法、研发新药、创造全新的事物——这似乎完全是另一类问题，而且在相当长一段时间里，很可能仍由最前沿的模型主导。接下来的关键问题是：从可触达市场的规模来看，这究竟有多重要？行业又会在这方面投入多少精力？我的基本判断是，最前沿的能力正变得越来越封闭。网络安全领域的 Mythos、GPT……以及生物科技领域的相关模型，都说明这些模型不会对所有人开放；如果 Anthropic 正在组建或创建内部实验室来研发药物的报道属实，那么它们甚至可能不会向外部合作伙伴开放。
也就是说，真正处于最前沿的能力对所有人都不可用，而接近前沿的能力则正越来越商品化。这会带来很多影响，尤其是在网络安全领域。两三天前，Hugging Face 发布了一份报告：他们发现有一个 agent 试图入侵自己的系统。Hugging Face 原本想用 GPT 和 Claude 分析它，但因为安全护栏拦截了相关操作，最终没能做到。于是，他们只能改用能力较弱的 GLM，因为它没有针对这类防御性操作的安全护栏。也就是说，他们不得不使用更差的模型来保护自己、分析数据。这是一种非常糟糕的局面：最前沿的闭源模型无法使用，导致美国公司反而只能依赖能力较弱的模型。
00:33:10 Nathan Lambert：没错。我认为，这其实是“不采取任何行动”的最佳理由之一。问题在于，如果世界其他地方都能使用这些开放
