开放模型回顾：Kimi K3、Qwen 3.8、蒸馏与开闭源差距
好消息！我那本旨在向全世界分享后训练知识的书已经完成，很快就会发售。现在可以在Manning或Amazon预订。感谢大家的支持。目前它已经是 Amazon 上排名第一的 AI 书籍了:)。
Nathan 和 Florian 坐下来，聊了聊开放模型领域正在发生的一切。上周 Kimi K3 发布后，一切似乎都在加速发展：中美地缘政治、开放模型与闭源模型的经济学、AI 前沿的安全问题，等等。
章节：
00:00 欢迎与背景介绍
04:38 使用 Kimi K3 的实际体验
08:53 GLM 5.2 仍将扮演什么角色
12:47 中国模型为什么能做到这么好？
17:41 数据、环境，以及中国实验室巡礼
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 前沿模型与近前沿模型，以及从网络安全角度反对禁令的理由
34:58 蒸馏与 Ben Thompson 的争论
44:12 预测与前沿模型梯队排名
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。
想观看更多后训练教学视频，可以参考我正在制作的课程。
文字实录
00:00:06 Nathan Lambert：好，欢迎回到 Interconnects。今天我们来做季度开放模型盘点。说白了，我们主要会解释——或者说，吐槽一下——为什么这么多关于蒸馏的观点都站不住脚，同时梳理一下目前这个领域的发展状况。上周四应该就是 Kimi K3 发布的日子。我觉得，接下来很快还会有更多类似的进展，这几乎是不可避免的。比如上周末，习近平发表讲话，明确表示要把开放和开源作为一项战略。当然，这并不是一份详细的形势说明。
Qwen 宣布，他们的下一款大型模型将采用开放权重，这将带来很大的变化。这里面值得讨论的内容实在太多了。Flo，你刚才已经开始谈模型性能差距和蒸馏了，我们或许可以从这里切入。接下来我还列了一些话题，也可以逐一聊聊我写的那篇博客——里面的观点都很细致、很有层次。所以，我们恐怕有聊不完的内容。你先继续畅所欲言吧。
00:01:17 Florian Brand：我觉得，每次模型发布，尤其是开放模型发布时，大家最关心的就是：它落后闭源前沿模型多少，或者说落后了几个月。人们总喜欢给这个差距下一个明确的结论，但这其实非常容易把问题说乱。如今 benchmark 提供商很多，benchmark 的种类也很多。每个网站——我也不例外——都会挑自己偏好的 benchmark，来证明当前模型或刚发布的模型已经处于前沿；另一方则会拿出另一个 benchmark，说明它其实落后了一年之类的。于是，很多讨论似乎都取决于一个问题：开放模型究竟落后了多少个月。
00:02:26 Nathan Lambert：是的。我的看法是，有些 benchmark 确实和实际使用场景有相当强的相关性，比如 agentic coding 和 agentic computer use 任务；但另一些 benchmark 反映的是长尾能力，而这正是 Claude 和 GPT 的价值所在。问题在于，如今 Claude Code 和 Codex 的市场究竟是什么？如果答案是软件工程，那么模型在这方面即使只落后几个月，也可能是非常严重的问题。我的猜测是，这个模型应该还不错。不过先声明一下：模型权重目前还没有发布，据说会在 7 月 27 日发布，而接下来的很多讨论都会建立在它确实如期发布这一前提上。
不过，我认为，社区完全可以通过后训练，让这个模型在许多细分领域达到接近 Opus 和 GPT 的水平。我们两个人对后训练开放模型行业的观察角度不同，但可以明显感受到，大家正热情投入于把这类模型针对高价值任务进行微调。过去，相关工作主要围绕 Qwen 和 GLM 展开，而 GLM 5.2 更是大幅推动了这一进程。我很好奇谁会第一个发布这样的博客：『我们针对某项任务对 Kimi K3 做了微调。』我敢说，效果可能会有大幅提升。你用 Kimi K3 比我多，不过我的直觉是，考虑到它的规模如此之大，目前的后训练可能还比较粗糙，这通常意味着模型仍有很大的性能挖掘空间。
00:04:03 Florian Brand：是的。要真正运行起来，尤其是进行后训练，会非常困难，因为光加载模型权重就需要一台配备 B300 的节点，规模大得惊人。所以，想把它做到可以微调的状态，可能还需要一段时间，以及大量工程工作。不过，你确实亲自注册并使用了他们的编程项目。关于实际使用这个模型的情况，听你分享会很有参考价值。
00:04:38 Nathan Lambert：对。我大概在发布后的第二天注册了他们每月 $200 的套餐，这是最高档的方案，和其他服务类似；他们好像还有 $40 和 $100 的套餐。最高档方案提供 100 万上下文长度。我觉得，或者至少实际用起来感觉，它在 API 请求方面似乎也有一定优先级。因为网上有很多人说自己经常遇到 API 错误，而到目前为止，我的使用体验还算不错。至于模型能力，除去它特别擅长的前端领域之外，它在一些方面也确实表现亮眼、能力突出。
即使是对一些研究任务，我原本的预期也被它超越了。比如在 Interconnects 这件事上，我们已经积累了一年多的开放模型数据。我让各个前沿模型做一些我们之前没做过的有趣分析——我们平时会自己分析并发布结果——我就直接告诉它们：“做点新的，让我惊喜一下。”结果很多模型，甚至可以说几乎所有模型，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冷门的部分。
Kimi K3 做得更有意思一些。我明确要求它去抓取 Reddit 内容，结果它找到了几个我之前完全没考虑过的 subreddit。它还发现，比如 Reddit 上的讨论通常会比下载量变化早一两个月：大家已经开始关注 Qwen 了，再过一两个月，Qwen 模型的下载量才会真正增长。这类分析相当有突破性。和其他前沿模型相比，Kimi 确实在这方面给了我惊喜。
换个简单的问题：就你平时的核心工作而言，这个模型有多大程度可以替代现有工具？你平时做的事情分布比较广，但大多数似乎都用 Codex 完成。我感觉你更偏向 Codex，而不是 Claude。你觉得在这些任务里，有多大比例落在两者能力的交集之内，也就是 Kimi K3 足以胜任的范围？
00:07:24 Florian Brand：这确实取决于我给它多大的发挥空间。目前我在 Prime Intellect 负责一个框架项目，使用 Kimi K3 时最明显的感受是，它生成的代码要简单得多，因此可读性也高很多。不过，它会漏掉一些 Codex 能处理的东西——如果按我们说的 5.6、5.5，尤其是 5.4 这样的水平来衡量，我认为 Kimi K3 在这类任务上大概相当于 5.4～5.5 的水平。
不过，如果我先读一遍代码，觉得“这代码写得确实不错”，再让 Codex 审查一遍，它还是会找出一些不擅长处理的边缘场景。但如果只是监督运行过程，或者做一些实验，其实已经非常实用了。还有些比较小众的任务，甚至可以直接让它自己跑。唯一的问题是，API 现在用户太多，几乎不堪重负，而且服务器在中国，所以实际耗时明显高于 GPT。不过，如果我把它接入日常工作流，确实会慢一些，但还不至于慢到让我觉得“这根本没法用”。
00:08:53 Nathan Lambert：那它和 GLM 5.2 比起来怎么样？在我看来，GLM 5.2 的表现还在不断发展。我在旧金山四处和人交流时，常听到有人说：“对，我确实会在 agentic coding 或工作流的这一环节使用它。”你当时属于会使用 GLM 的那一类人吗？
00:09:20 Florian Brand：是的。我现在也在用 GLM，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，速度大概能达到每秒 200～300 个 token。如果一个模型能以足够好的水平快速完成大量任务，那你自然会选它，而不是打开 Codex、选择更小的模型、调整合适的 reasoning effort，再切换到快速模式。我直接用 GLM 就能得到同样的结果，而且整体表现相当不错。论能力来说，它绝对达到了 Sonnet 的水平；对于很多清理类任务，或者单纯的重复性工作，它都很实用。我觉得，很多工作完全可以让 Kimi K3 担任主 agent，再让 GLM 负责 sub-agent 任务，这样应该能走得很远。
00:10:24 Nathan Lambert：Kimi 这次发布有一点很特别，那就是模型规模实在太大了。我觉得，这些开放模型还需要一段时间，才能完成优化，并在各家推理服务商那里普及。比如 GLM 5.2 的速度相当快，但首先我们还没拿到权重；其次，我觉得它的采用速度不会像 500B、700B MoE 模型那样快。这里面会出现更多问题，因为这已经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的形式发布，生态也能马上摸清楚该怎么部署和使用。
我觉得，下一代开放权重模型对基础设施的要求会高得多，这一点必须纳入考量。闭源实验室通常会在模型发布前，私下完成这些准备工作；这实际上拉大了时间差。也就是说，可能还要再等一个月，大家才能真正对 Kimi 进行 post-train，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，我们常说，只有闭源模型发布后，才会出现这种时间差。但现在开放模型也出现了类似的情况：Kimi API 几乎完全不可用，需求太大，而供给远远不够。所以，这个模型并不会立刻像过去那样在生态中快速扩散。我只是从性能和可用性之间的时间差这个角度来思考这件事。
00:11:54 Florian Brand：这确实如此。不过另一方面，过去几个月里，开放生态已经专业化了很多。比如在模型首次发布时，通常都会有一些合作伙伴提前拿到权重；如今，vLLM 的补丁甚至会在模型发布前几天、乃至几周就准备好。这和一年前完全不同：当时基本都是模型权重一扔，模型开发者就说“剩下的你们自己想办法”。所以我预计，模型在第一天实现普遍可用，整体上应该不会有太大问题。之后，各家服务商之间的竞赛才会真正开始：大家会不断优化，争取把速度推得更高，因为这本身就是一种声望。
00:12:47 Nathan Lambert：好，我们可以从两个方向来谈。为什么我们认为中国模型能做到这么好？我之前写过相关内容。Epoch 的 Discord 里，JSD 也参与过一场讨论，我觉得那场讨论很有价值。我在文章中也提到，自己越来越倾向于认为，中国实验室的资本效率更高：它们能更有效地把资本转化为算力、数据和人才，从而把模型做得更好。
如果这确实是一种结构性优势——不管原因是什么——那就非常重要。我猜，一个可能的原因是，中国的人才在现有教育体系下接受了更适合解决这类问题的训练，因此更擅长从事能提升 LLM 能力的工作。
也可能只是因为在中国，算力、人才以及其他各项成本都低得多。原因可能是补贴，也可能只是平均工资更低。但随着模型一轮轮迭代，这会产生非常大的影响。假设下一代模型 Anthropic 要花 100 亿美元，而 Kimi 只需要 40 亿美元，那差距就可能极其悬殊。不过，目前还不清楚为什么会这样。比如，我在这件事上发推后，Kimi 的工程师 Big Eagle 回复说，这在一定程度上是因为他们并不打算推动能力前沿，只是想追赶。这可能确实与目标设定有关：中国实验室对目标的定义不同，因此构建这些模型所需的成本也低得多。
但过去一年里，我们一直在问：中国模型会不会掉队？我原本认为，随着训练越来越依赖高强度资本投入，闭源模型与开源模型之间的差距会进一步扩大。可现在看来，情况似乎正好相反。这件事确实很难解释清楚。你是否也认同，中国实验室的追赶速度比我们原先预期的更快？为什么会这样？
00:14:43 Florian Brand：我刚回顾了一下我们根据去年总结对今年做的预测。当时我们基本判断，差距会维持在几个月以内。这个预测看来大体还是成立的。好在我们没有具体说是 3 个月、6 个月还是 9 个月，所以这方面算是躲过一劫。不过，我觉得我们在中国、和这些人交流时都有一个很强烈的感受：那些研究团队本身往往就有两三百人，成员平均年龄都在 20 多岁，而且目标非常单一，就是把一个模型做到足够好。他们似乎不会去做什么旁支项目。
他们似乎不会做任何偏离主线的事情。至于算力，这对我们来说确实很难回答，尤其是现在中国国产芯片也开始投入使用。我还认为，过去 6 到 9 个月里，芯片走私的规模明显扩大了，或者说，之前走私进来的芯片开始陆续上线。
00:15:58 Nathan Lambert：“走私”只是个统称，泛指绕过出口限制。比如芯片被运到马来西亚，再在那里投入使用，我也会把这视为类似情况。我认为过去 6 到 9 个月里，这种情况大幅增加了。这或许是差距缩小的部分原因。总之，我只是想补充一点：我确实认为，他们现在拥有的算力比训练上一代模型时多得多。
00:16:24 Florian Brand：对。作为背景补充，大概两周前，LongCat 发布了他们的模型。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国产芯片训练。虽然他们没有公开具体是哪款芯片，但外界猜测可能是华为的 Ascend 系列。随着国产芯片产能逐步提升，它们很可能主要被用于训练；不过，这些芯片尤其适合推理，而推理其实也是训练过程中的重要组成部分。
所以，他们在训练阶段可能会混用 Nvidia 和其他芯片，而随着推理阶段越来越重要，越来越多的算力也会投入推理。我认为，他们的总体算力在不断增长，同时用户数量其实还不算多。因此，他们不需要像 ChatGPT 那样服务 10 亿用户，也不必像 Anthropic 那样支持数百甚至数千家企业，毕竟他们还没有那么多付费客户。
00:17:41 Nathan Lambert：没错。而且我觉得，即便是这些付费客户，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。就算这不是研究工作，甚至不在你的职责范围内，也会影响公司的注意力。如果 SSI 最终推出一个优秀模型，那将是对“分心确实会带来问题”的终极验证。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逐渐出现苗头了。
你还记得有哪些具体例子吗？因为我们在中国时，最震惊的一点就是，他们似乎很少使用外部数据。我们四月去了一趟中国，几个月后到了七月，却陆续听到一些消息：有新的中国公司出现，并且开始寻求购买数据。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，我觉得还得留出一定的不确定性。
00:18:44 Nathan Lambert：对，毕竟时间间隔太短了，我也说不准。
00:18:49 Florian Brand：确实有可能。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。如果他们只是以更低的价格购买同样的数据，或许就能帮助开放模型追上闭源模型——毕竟他们进入数据和环境领域的时间更晚。但这确实是一个因素，只是影响到底有多大，我们还不知道。公开信息中没有相关线索，我也怀疑有人会真正透露这些情况。所以，这很可能就是他们能够追赶上来、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，也聊过智谱和 GLM。我觉得 GLM 很快还会推出更多优秀模型，可能会叫 GLM 5.5 之类的。Qwen 的下一款旗舰模型也快来了。我要说的是，相比小模型的出色表现，Qwen 过去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有所取舍。我觉得这和云厂商的思路有关。仔细想想，Qwen 和 Alibaba 的情况几乎有点像 Google。
Qwen 背靠 Alibaba，在这方面拥有巨大的机会。通过这些小模型吸引开发者使用 Alibaba 和 Qwen，对 Alibaba 的云业务来说价值非常大，所以他们确实做得相当成功。但他们的大模型一直没有小模型那么出色。因此，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，作为中国开源模型领域的代表，凭借发布超大模型引发广泛关注；但我不认为这会像一条持续很久的新闻。至于 DeepSeek，你们可以随时补充。
00:21:01 Florian Brand：有意思的是，不知道你对这件事关注多少：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。我们从 Twitter 上那些 benchmark 的进展就能看出来，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。他们似乎建立了一套快速反馈机制，其他公司也在这么做。比如 Cursor 就写过不少文章，介绍他们如何快速迭代。不过，Qwen 这边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。我猜这应该是在最终 RL 运行阶段设置了时间门槛。也就是说，RL 训练快结束时模型还在一点点变好，他们只是顺手把这些版本逐个打勾确认并发布出来。
00:22:03 Nathan Lambert：好。Qwen、DeepSeek V4 应该会先推出预览版。说到 DeepSeek V4，我觉得他们的 Flash 模型其实更受欢迎。那是他们更小的模型，但对很多人来说，它似乎是个绝对的主力工具。所以我认为，真正值得关注的是这款模型。我不觉得 V4 Pro 会带来什么戏剧性的突破。像小米如果近期发布新的 MiMo Pro，情况也差不多。我不期待它的提升幅度特别大，但应该会是一款非常扎实的模型。只是现在还很难判断，毕竟他们进入这个领域的时间还不长。至于 MiniMax，我觉得他们走的是另一条路。我不认为 MiniMax 在追求 Kimi、GLM 那种押注 AGI 的路线。
00:22:46 Florian Brand：嗯，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：是的。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——这些股票真是惨不忍睹——就能发现，这件事带来的影响非常大。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。如果在 Xi 的讲话之后，他们又突然改变想法，那 MiniMax 会不会重新采用完全开放的许可证，就很值得关注了。
另一个有意思的问题是，K3 最终会采用什么许可证。他们说过会开源，但我不记得他们是否承诺过具体会采用哪一种许可证。
00:23:45 Nathan Lambert：没错，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：模型都很强，可能在内部获得了很大价值，但还没有带来同样程度的开发者突破。这样算下来，中国大概有七八家实验室，可能还漏掉了一些。我们也可以聊聊美国的实验室。先说 Gemini 3.6 Flash，它已经发布了。表现还行，算是小幅提升：速度更快了，也没那么爱絮叨，但其实没什么特别值得说的。我们就不再分享这个了——这就是 Gemini 对我们来说值得一提的全部内容。
不过，我确实觉得有必要聊聊美国的生态。现在已经有一些新玩家开始冒头。Thinking Machines 发布了他们的第一个模型，我也和其中一些人聊过。他们非常愿意探索如何借助 Tinker 打造可微调模型。我认为，这对大多数开放模型开发者来说，都是非常值得投入的研究方向。因为如果能在这方面建立影响力，就会获得大规模采用。相比追求最顶尖的基准分数，能否针对真实任务进行微调其实更重要。这个模型叫 Inkling，拥有一万亿参数，表现还不错，但还达不到前沿水平。
他们似乎和 DeepSeek V4 类似，计划推出一个规模更小的版本，总参数量大约只有四分之一，但性能会非常出色。如果 Inkling small 预览版能在几周后发布，我确实认为它会成为一个被广泛使用的模型。它的规模很适合自动化任务和特定领域任务，可能不像 Kimi、GLM 5.2 那样定位于通用 Agent，但这其实非常契合他们的业务。美国还有一些其他玩家，我会把它们称为规模较小的公司。比如 Arcee 今年早些时候发布了模型，目前还在持续推进；Poolside 也已经开始发布一些模型。
过去几个月里，Poolside 已经发布了几个模型，看起来还会继续推出更多。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，就应该尽快发布模型、代码或其他成果，先让开发者生态的飞轮转起来。发布模型确实需要投入大量工作。我和 Thinking Machines 的一些人聊过，他们也提到，真正把这件事做起来需要付出很多努力。Nvidia 也在稳步推进，我认为他们现在已经是一个相对稳定的参与者。他们会持续发布模型，近期还会推出更多，同时也发布了大量数据。我一直在推动他们，希望他们能发布类似 Qwen 的小模型，比如 Gemma 这种规模的模型。
Gemma 是少数能与 Qwen 竞争、且同样广受欢迎的模型之一。Gemma 各系列的规模和架构差异比较大，整体显得有些分散，但在采用率上已经真正追上了 Qwen。不过，我不确定它们是否同样适合研究用途，这可能还需要一段时间，甚至经过多轮迭代。如今，很多语言模型研究都是围绕小型 Qwen 模型及其衍生模型展开的，研究人员已经非常熟悉如何使用它们，也积累了相应的研究成果。因此，我希望 Gemma 能持续推出新版本，在这一细分领域形成竞争。我不知道还有没有漏掉其他模型。
00:27:22 Florian Brand：不，我觉得这两家都是主要玩家。模型开发者的范围正在扩大。比如去年，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，我想起来了，年初还有 Llama 4。不过我不希望大家忘了它。现在确实有越来越多的玩家加入进来，以惊人的速度推出模型。
00:27:59 Florian Brand：Poolside 在过去两三个月里已经发布了三四个模型。他们似乎已经找到了一套稳定持续推出模型的方法。开源领域也出现了类似的趋势。就拿 GLM 来说，我觉得他们现在每次迭代的发布时间间隔已经缩短到一两个月，而且每个新版本都在不断变强。这与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，要建立一套能够持续发布更强模型的成熟流程，开源生态已经真正——或者至少看起来已经——摸索出来了。
00:28:59 Nathan Lambert：对，我同意。这确实很有潜力，但有趣的是，美国生态才刚开始陆续发布一些模型，结果 Xi 又在麦克风前谈到了这两个模型。想追上来实在太难了，因为要训练出真正有人愿意使用的模型，需要大量的行业积累和组织经验。我觉得，这正是如今发布模型的美国公司开始意识到的现实：这些并不是只为刷榜而生、靠蒸馏甚至窃取知识产权的模型。
它们是真正优秀的模型。人们会拿它们和自家内部的交易基准进行比较，然后发现，在那些可量化的指标上，想要超越它们并不容易。我从几位美国模型交易者那里听到了一些类似的看法：我认为，大家应该在模型规模、可微调性等方面继续创新，充分利用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，都想推出一款可以宣称达到 Frontier 水平的模型。我觉得，许多投资者都对这些公司抱有这样的期待，所以它们正在尝试完成一件相当困难的事。接下来一年美中模型实力的格局会如何变化，值得关注。
00:30:25 Florian Brand：对，我想说的是，总体而言，我和很多其他人都讨论过整个生态，而这也是你一开始就提到的事情。我认为，模型能力正在越来越明显地出现分化：对于很多任务来说，模型已经足够好用。比如在大量编码任务中，目前的 Frontier 模型，无论开源还是闭源，表现都已经够好了。现在继续提升，带来的实际意义似乎越来越小。
但如果看最前沿的能力——比如寻找新的数学证明、研发新的疗法和药物、创造新事物——那似乎完全是另一回事，未来很长一段时间里，这些领域可能都会由真正的顶尖模型主导。问题在于，从可触达市场的角度看，这到底有多重要，以及各方会把多少精力投入其中。我目前的基本判断是，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情况都说明，这类模型不会向所有人开放；如果考虑到相关报道——Anthropic 目前似乎正在组建或创建内部实验室来研发药物——甚至连外部合作伙伴都未必能使用。
也就是说，真正的最前沿对所有人都不可访问，而接近前沿的能力却越来越商品化。这会带来很多影响，尤其是在网络安全等领域。两三天前，Hugging Face 发布了一份报告，说他们发现有个 agent 试图入侵其系统。他们想用 GPT 和 Claude 分析这个 agent，却因为各种 guardrail 阻止了相关操作而无法进行。最后，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 guardrail。也就是说，他们不得不用更差的模型来保护自己、分析数据。美国公司如今因为封闭的前沿模型无法访问，只能依赖能力较弱的模型来防御自己，这实在是一个糟糕的局面。
00:33:10 Nathan Lambert：没错。我认为，这其实是“什么都不要做”最有力的理由之一。因为如果世界其他地方都能使用这些开放模型，而我们却禁止美国企业使用它们，那么美国企业的防御能力与全球攻击者之间的差距只会不断扩大，尤其是在网络安全领域；而我们可能会