跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

开源权重正在缩小差距,但差距每个发布周期都会重置

Mozilla 于 9 月 15 日发布《开源 AI 现状》报告,数据截至 9 月 1 日。报告称,中国开源权重模型落后美国前沿产品约 4.4 个月。同一份报告中的硬件图表显示的差距比这个数字更大,图表说明也承认,这一距离每个发布周期都会重置。

人工智能与模型分析王雅琴发布: 2026年9月28日7 分钟阅读资料来源 5
开源权重正在缩小差距,但差距每个发布周期都会重置

这份报告是 Mozilla 于 7 月 14 日首次在博客上发布的系列评估的 1.1 版。据 Tom's Hardware 报道,它基于 Mozilla 与 SlashData 对约 1400 名开发者的调查、OpenRouter 流量数据以及第三方基准指数。Mozilla 是一家倡导开源模型的非营利组织。TIME 在 7 月 14 日报道,Mozilla 首席技术官 Raffi Krikorian 称这份报告部分带有倡导性质。读这些数字时,这一点值得记住。

Mozilla 的核心说法是:最好的开源模型在 Artificial Analysis 智能指数上落后闭源领先者三分,价格为后者的 60%,同时落后 Claude Fable 5 两分,价格为后者的 30%。Mozilla 拟合 METR 的任务时长数据,得出开源与闭源之间的差距约为 4.4 个月,与 Epoch AI 的四个月估计一致。METR 是一家研究非营利组织,按模型能在一半情况下完成的任务长度(以人类工作时间计)给模型打分。

四个月这个数字究竟衡量了什么

按 Mozilla 的拟合估计,闭源模型能处理人类专家需要 8 到 12 小时完成的任务。开源模型大约四个月后达到这一水平。Mozilla 计算出开源能力每 3.9 个月翻一番,闭源模型为 5.5 个月。在 vals.ai 的 Terminal-Bench 2.1 上,所有模型都跑同一套测试框架,Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到一分,落后 Opus 4.8 约四分,每次测试成本不到后者的五分之一。

"我们认为,为闭源[模型]付费的决定取决于具体工作负载,而不是取决于具体组织,"Krikorian 在给 Ars Technica 的电子邮件中说。

开发者端的采用情况与收入情况并不一致。在 OpenRouter 这个把流量分发给数百个模型的市场平台上,Mozilla 统计到,按 8 月的 token 用量计算,排名前十的模型中有八个是开源权重,其中七个由中国团队打造。但据 Linux 基金会的数据,2025 年 5 月至 9 月,闭源提供商仍拿走了 OpenRouter 上模型层收入的 96%。免费或廉价的 token 与付费收入并不是同一个市场。

Mozilla 统计到 16 个值得注意的开源发布,但没有一个提供开源促进会(OSI)定义所要求的数据配方。这一区别正是 OSI 9 月 19 日一篇题为《开源权重很好,开源更好》的文章的全部论点。OSI 写道,开源权重让你可以在本地运行模型、付费请第三方托管,或用自己的数据微调。但它不能让你完整地研究模型,因为代码和训练数据,或者关于数据如何构建的详细说明,都不在发布内容之中。

硬件的保留条件

4.4 个月这个数字和 30% 的 token 价格,都是在托管端点上按标价从 API 到 API 测出来的。Mozilla 自己的硬件图表讲的是更严酷的故事。能装进一台服务器的最好开源模型得分为 52.6;能装进一块 GPU 的最好模型得分为 40。与榜首的落差分别是 10 分和 23 分,比四个月所意味的差距更大。

据报告,Kimi K3 的原生 MXFP4 检查点分布在 96 个分片上,总计约 1.56TB。Mozilla 的服务配置列出 64 个或更多加速器,而 vLLM 要求至少 8 块 GB300 GPU,生产流量还需要多个节点。Tom's Hardware 在 7 月给出的内存需求接近 1.5TB。报告把这形容为开放、但大多数拿到它的人跑不起来。报告点出的一个例外是 Thinking Machines 的 Inkling-Small,采用 Apache 2.0 许可,其 NVFP4 版本能装进一块 B300,内存下限为 180GB。

还有一个时间问题。报告的数据止于 9 月 1 日。此后,Artificial Analysis 已把指数升级到 v4.3,评测集也换了。实时榜单上,Claude Fable 5.1 在其最高努力设置下得 53 分,Kimi K3 得 44 分,这两个数字 Mozilla 没有画进图里,也无法与它使用的 v4.1.1 数据直接比较。vals.ai 的 Terminal-Bench 2.1 榜单更新于 9 月 11 日,目前由 GPT-6 Astra 以 87.27% 领先,Fable 5.1 为 85.02%。Mozilla 自己图表的说明写着:"差距每个发布周期都会重置。"

K3 还牵涉 9 月 8 日美国国家安全局、CISA 和 FBI 联合公告 AA26-251A 中详述的一项指控。Mozilla 的报告把这一说法表述为"有主张、但未展示证据",内容是 Moonshot 通过蒸馏从 Claude Fable 5 的数据中提取信息来训练 K3,蒸馏即用一个模型的输出来训练另一个模型的做法。7 月 17 日,Artificial Analysis 给 K3 打 57 分,Fable 5 为 60 分;到 9 月 1 日,Mozilla 的记录是落后两分。

小模型,窄任务

并非每个开源权重发布都在追赶前沿。Superwhisper 发布在 Hugging Face 上的 S1-mini 是一个 6亿参数的文本规范化模型,用于处理语音转文字的输出。它接收原始的 ASR 转写文本,改写为书面文字:去掉填充词,处理起头失误和自我更正,加上标点和大小写,把口述的数字、日期、时间、货币和电子邮件地址写成书面形式。在一个包含 7519 个英语案例的留出集上,它的 token 准确率达到 94.8%,量化版本是一个 462 MiB 的文件,能在笔记本 CPU 上运行。

模型卡对自己不是什么写得异常直白。S1-mini 不是聊天模型,不会遵循一般指令。它从 Qwen/Qwen3-0.6B 微调而来,期望输入顶部有一行控制行,说明风格、结构和上下文。模型卡警告说,跳过系统提示、改动其措辞,或传入训练集之外的值,模型就可能胡编或输出乱码。它只支持英语,许可是 Apache 2.0 加一条命名条款。Hub 侧栏显示 8亿参数,但模型卡解释说,model.safetensors 把 lm_head.weight 存为输入嵌入的具体副本,使这个 15560万参数的嵌入被计算了两次:75160万个张量元素对应 59600万个唯一参数。这一布局继承自 Qwen3-0.6B,后者出于同样原因也标称 8亿。

James Cruce 在 9 月 22 日的一篇部署记录中呈现出类似的模式。他的编码智能体要做一些规模有限的小选择,他选了 Laya 这个 42100万参数的开源权重决策模型,而不是 TypeSafe 托管的 Jev。检查点 convaiinnovations/laya-typed-decisions 使用 ModernBERT-large 编码器,上下文上限 1024 个 token,返回带类型的答案:在命名选项中选择一个、在有序量表上给一个分数,或对一个是非陈述给出概率。没有段落需要解析。相比之下,Jev 是早期访问阶段的托管服务,定价为每百万输入 token 0.042 美元,输出 token 不收费,TypeSafe 称它最多可处理 255 个选项。

Cruce 给出的切换理由不是成本。他希望日常决策跑在自己的 Mac Studio 上,本地数据留在本地,并且希望能控制确切的模型、允许的选项和失败时的行为。他没有算过盈亏平衡点,也说不出省了多少钱。他也点出局限:发布方只用了四个合成工作流训练 Laya,模型路由不在其中,所以结果只是在一台 256GB 统一内存的 M3 Ultra 上的一次部署,而不是对 Laya 与 Jev 的普遍结论。模型卡警告说该模型过度自信,需要针对具体领域校准。"带类型的答案可以在结构上完美,同时在事实上错误,"他写道。

围绕权重的法律图景同样没有定论。A. Feder Cooper、Mark A. Lemley 等人合著的一篇论文于 2025 年 5 月 18 日首次提交,修订至 2026 年 7 月 20 日,在 3000 多次实验中测量了 200 本书和 14 个开源权重模型的记忆情况。其发现对版权之争的双方都不利。多数模型不会完整或部分记住多数书籍。但 Llama 3.1 70B 完整记住了其中一些,包括《哈利·波特与魔法石》,以至于只给出开头的几个词作为提示,就能几乎逐字提取整本书。作者写道,他们的结果对版权案件有重要意义,但并不能明确地偏向任何一方。

这些都没有回答开源权重是否会赢。对开放最有利的指标,即每 token 价格和路由流量份额,与看起来更差的指标并列,即单服务器和单 GPU 能力以及收入份额。Mozilla 自己的图表说明是最诚实的总结:差距每个发布周期都会重置。

评论 0

资料来源

5
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN
  4. 04Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
  5. 05Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。