開放模型追上閉源了嗎？Nathan Lambert 2026 年的六個觀察

評估要不要把 agent 的模型換成開放權重模型（open-weight model，權重可下載）時，可以先看一個基準。Nathan Lambert 在 2026 年 9 月 21 日的文章裡，掃過 arXiv 五個熱門機器學習分類：論文提到任何開放模型的比例，2023 年 1 月是 2%，2026 年 9 月是 50%。從每 50 篇有 1 篇，變成每 2 篇有 1 篇。

Lambert 是 Interconnects 電子報作者，曾在 Allen Institute for AI（Ai2）參與 Olmo 模型訓練（他寫「在那裡的 2.5 年」），2025 年 8 月發起美國開放模型計畫 ATOM Project。他支持開放模型，讀他的估計要記得這一點。這篇整理他 2026 年 3 月到 9 月的多篇文章，再對照 Anthropic、NIST 與 Olmo 3 論文。

快速回答 Nathan Lambert 在 2026 年 9 月 21 日估計，相較於美國閉源前沿，中國開放權重模型落後約 2 到 5 個月，美國開放模型落後約 6 到 9 個月。美國 NIST 的 AI 標準與創新中心（CAISI）同年 5 月 1 日公布另一套評測，估計 DeepSeek V4 Pro 落後前沿約 8 個月。差距數字隨量法而變，要不要換成開放模型，建議用自己任務的評測決定，排行榜只當起點。

六個議題放在一張表

Lambert 2026 年的文章可以歸成差距、蒸餾、中國實驗室、成本結構、系統分層、採用與政策六個議題，現況與趨勢如下表；歸納方式是本站的。

開放模型現在落後閉源多久？

Lambert 3 月用 6 到 18 個月描述過往的差距；5 月到 9 月的幾份估計落在 2 到 9 個月之間，差在比較的時間、對象與量法。

Lambert 在 3 月 16 日的〈What comes next with open models〉寫道，開放模型「always been 6-18 months behind the best closed models」。到 7 月 20 日談 Kimi K3 的文章，他改說差距從「辯論中的 6 到 9 個月」縮到「say 3-5 months」，並稱 K3 是「clearly the strongest open model ever released」。Kimi K3 是 Moonshot AI 在 2026 年 7 月 16 日發布的 2.8 兆參數模型；採專家混合架構（Mixture-of-Experts），每次只啟用部分專家子模型。寫文章時權重尚未公開，預計 7 月 27 日釋出。7 月 22 日與 Florian Brand（Prime Intellect 成員，該集共同主持人）的 podcast 逐字稿裡，他說自己原本預期差距會拉大，結果沒有。

9 月 21 日的〈The current balance of power in open models〉給出最新的估計：中國開放權重模型約落後閉源美國前沿 2 到 5 個月，美國開放權重模型約落後 OpenAI 與 Anthropic 6 到 9 個月。這篇是他為國會議員與幕僚簡報準備的證詞擴寫版。用 Artificial Analysis Intelligence Index（2026 年 9 月 14 日的分數），開放權重模型裡最高的是 Z.ai 的 GLM-5.3（45）、Moonshot AI 的 Kimi K3（44）與 GLM-5.3-Flash（42）；美國最高的是 Thinking Machines 的 Inkling 與 Inkling Small（各 26）和 Nvidia 的 Nemotron 3 Ultra（23）。他也說，中國實驗室在由 AI agent 執行程式開發任務的 agentic coding 領域，最接近美國閉源前沿；在物理、生物這類開放式科學任務上，差距更大。

另一套量法來自美國 NIST 的 AI 標準與創新中心（Center for AI Standards and Innovation，CAISI）。2026 年 5 月 1 日發布的評估寫著，DeepSeek V4 Pro 的能力「lag behind the frontier by about 8 months」，同時是 CAISI 評過的中國模型裡最強的。CAISI 在 4 月跑了 9 個基準、涵蓋資安、軟體工程、自然科學、抽象推理與數學 5 個領域，其中有非公開的基準；DeepSeek 自己公布的成績接近 Opus 4.6 與 GPT-5.4，CAISI 的結果則落在約 8 個月前發布的 GPT-5 附近。CAISI 也列出限制：在評估模型修復程式問題能力的 SWE-Bench Verified 測試中，因提示詞與協助模型執行任務的程式流程不同，分數低於其他評測者；圖 1 的趨勢線資料用了 35 個模型、16 個基準。

工程上的意思： 5 月、7 月與 9 月的估計，分別給出 8、3 到 5 與 2 到 5 個月；差距數字反映各自的評測組合，也受比較時間與模型對象影響，要連同評測方法一起讀。本站建議：拿這些數字先篩掉明顯不合的候選，換不換用自己的評測決定；你的任務若屬於 agentic coding，Lambert 的描述是中國開放模型最接近前沿的領域，值得先排進自己的評測。

蒸餾能解釋多少開放模型的進步？

Lambert 的估計是有限：9 月 21 日的文章裡，他估計即使用身分驗證（know-your-customer，KYC）工具完全擋住蒸餾，最強美國模型與中國開放權重模型的差距「would only increase by 1-2 months」。這是他的估計，文章沒有交代推算方法。

蒸餾（distillation）指用較強模型的輸出訓練較弱的模型。Anthropic 在 2026 年 2 月 23 日的公告裡說，DeepSeek、Moonshot AI 與 MiniMax 三家實驗室透過約 2.4 萬個詐欺帳號，與 Claude 產生超過 1,600 萬次對話交換，違反服務條款與地區使用限制；依序是 DeepSeek 超過 15 萬次、Moonshot AI 超過 340 萬次、MiniMax 超過 1,300 萬次。Anthropic 同時說，蒸餾本身是廣泛使用的合法訓練方法，變成不當使用，是在未經授權下取得其他實驗室的能力。

5 月 4 日的〈The distillation panic〉提出另一個切法：「Distillation itself is an industry standard.」他主張把手段和技術分開命名：這幾家做的事，他稱為「jailbreaking or abuse」（繞過限制或濫用 API），描述的是取得資料的手段；蒸餾描述的是一種廣泛使用的訓練技術。他還寫到，用閉源模型的 API 輸出做蒸餾，長期處於服務條款的灰色地帶，限制很少被落實。他寫包括 xAI 在內的多個美國團隊都做過，xAI 是在審判證詞中承認。他要避免兩件事：讓「蒸餾」變成貶義詞，以及因為某些組織做過部分蒸餾，就禁止它們的開放權重模型。他也希望美國公司的 API 不洩漏智慧財產，但不該對所有蒸餾一網打盡。7 月 12 日的〈6 months to live for open models〉說得更重：「Distillation is largely a regulatory capture campaign at this point」，意思是蒸餾爭議已大半成了業者影響監管、限制競爭的手段。

技術面的理由，他在 7 月 22 日的 podcast 講得具體：訓練重心移到強化學習（RL，用回饋引導模型調整表現）之後，蒸餾變難，因為大型 RL 訓練需要數百萬次模型嘗試作答的過程（rollout），若透過前沿模型的 API 評分，成本太高。他不同意 Stratechery 作者 Ben Thompson 認為 RL 讓蒸餾更重要的看法；Brand 則說，在用示範答案訓練模型的監督式微調（SFT）階段，蒸餾有幫助，但「not that much」，沒有外界想的那麼多。

立場要分開看：Anthropic 是被蒸餾的一方，Lambert 是開放模型的支持者，兩邊的定義與估計都帶著各自的利害。對話次數來自 Anthropic 的公告；Lambert 的 1 到 2 個月是個人估計，文章沒有交代推算方法。

工程上的意思： 如果你的團隊拿閉源 API 的輸出當合成資料訓練自己的模型，Anthropic 劃的線是服務條款與授權。本站建議：動手前讀該 API 的條款，把「能不能拿輸出訓練模型」寫進資料來源紀錄。

中國實驗室內部怎麼運作？

Lambert 在 2026 年 5 月 7 日的〈Notes from inside China's AI labs〉寫到，他在北京 36 小時內拜訪了 Z.ai、Moonshot AI、清華大學、美團、小米與 01.ai，每家都受限於拿不到更多 Nvidia 算力，開源的理由偏務實。

算力這一點，他寫得很直接：「Nvidia compute is the gold-standard for training and everyone is limited in progress by not having more of it.」Huawei 等其他加速器，他聽到的評價是推論表現不錯，許多實驗室拿得到 Huawei 的晶片。

人與工具方面，他觀察到核心貢獻者有很大比例是在學學生，他拿 Ai2 的同儕式組織作比較。依這次拜訪的觀察，多數中國 AI 開發者熱衷用 Claude 寫程式，即使 Claude 在中國有地區使用限制；Codex 被提到的次數少很多，有些研究員用自己的工具，例如 Kimi 或 GLM 的命令列介面。

開源的動機，他的描述是務實：從社群得到回饋、回饋社群、支持公司的使命，同時保留微調過的內部版本放在自家產品裡。他寫這些實驗室「not necessarily absolutists around open-source」。

工程上的意思： 若實驗室自家產品跑的是內部微調版，釋出的權重與它官網上的服務可能不是同一個東西；這是依 Lambert 的描述做的推論，原文沒有逐一說明哪家有差別。本站建議：評測一律在你實際下載或租用的那份權重上跑，不引用實驗室自己發布的成績。

開放模型比閉源 API 便宜嗎？

Lambert 認為，使用現成開放模型時，成本常比閉源 API 高；開放生態共享研發成果，可能減少開發者重複投入的成本，這份節省未必反映在使用者的帳單上。他在 5 月 12 日的〈How open model ecosystems compound〉裡說，現成使用時，開放模型常比閉源託管服務貴；他並指出，開源軟體靠使用者回報錯誤、貢獻功能（Linus 定律：「given enough eyeballs, all bugs are shallow」），開放 AI 的成本幾乎全由模型開發者承擔。

開發成本到底多大，有一篇 Olmo 3 的論文可查：Jacob Morrison、Noah A. Smith、Emma Strubell 在 2026 年 5 月 1 日發表的〈The Hidden Cost of Thinking〉（arXiv:2605.01158），拆解 Olmo 3（7B 與 32B 模型家族）的整個開發流程，寫到開發成本（含實驗、失敗的訓練與消融）占總算力的 82.2%，比先前研究回報的預訓練導向流程約 50% 高出約 65%。同一篇論文還估計，推理版模型的後訓練耗電約是指令微調版的 17 倍，主因是 RL 的 rollout 生成；Olmo 3 整個開發過程用了約 12.3 GWh 的資料中心電力。Lambert 引用這份資料與 Epoch AI 的估計，說前沿模型的算力約 80% 花在研發，最後那一次訓練只占其餘部分。

他的推論是：開放生態讓各家共享研發結果，等於分攤這 80% 左右。他說中國實驗室用詳細的技術報告幫同行排除風險；他也指出，目前沒有真正開放、能大規模做專家混合模型 RL 訓練的配方，而公司把開放工具分叉成只在內部使用的版本，會削弱生態，這種做法需要逐漸淡出。

4 月 11 日的〈The inevitable need for an open model consortium〉把這條線推到結論：他主張由多家公司出資、共同訓練一組基礎開放模型，並認為「a consortium is the only long-term stable path to well-funded, near-frontier open models」，也就是讓開放模型長期取得充足資金、維持接近前沿能力的唯一穩定路徑；Nvidia 的 Nemotron Coalition 是在單一公司內啟動這件事的嘗試。他自己也寫這個想法可能失敗，只是預期經濟壓力會讓它成為必然。

工程上的意思： Olmo 3 論文用電力與算力衡量開發投入，所以這 82.2% 不能直接換算成你的成本。本站建議：決定要不要自己託管開放模型時，用自己的月用量，同時算 GPU 租用、評測、微調與維運人力，再和 API 帳單比；用量越穩定，固定成本越容易攤平。

權重之外，系統還差什麼？

Lambert 把今天的 AI 系統拆成三層，權重只定義其中一層。3 月 16 日的文章原話是：「The way to think about AI systems today is as a mix of weights, tools, and harnesses.」工具（tools）是模型部署時行動的環境，例如搜尋與程式沙箱；外殼（harness）是把這些工具接到使用者看到的產品的那一層。

他的論點是，閉源實驗室把晶片、推論、權重、工具與介面垂直整合，開放模型只拿得到權重那一層。據此他把模型分成三類：最強的閉源前沿模型，會推動最強的知識工作與 coding agent；開放前沿模型，他舉 GPT-OSS 120B、Nvidia Nemotron 3 Super 與 MiniMax M2.5 為效能與價格能平衡、適合本機使用的例子；第三類是各自處理特定任務的小型開放模型，他認為這類最可能成功，任務要專一到「almost brain-numbingly boring and specific」（無聊得讓人腦袋發麻）。

小型模型的賣點，他的說法是在特定的窄任務上可以「10X faster and 100X cheaper」，這是他設定的目標，文中沒有附量測數字。他也說 Qwen 3.5 4B 可說勝過最初的 ChatGPT；評估小模型，該看它節省多少算力與時間；也可以用 LoRA 這種只訓練少量額外參數的微調方法，讓模型專門處理公司內部的任務。4 月 15 日的〈My bets on open models, mid-2026〉還補了兩條相關預測：開放模型在重複性自動化任務的 API 市場占比會上升；本機與個人 agent（例如 OpenClaw 這類工具）是被忽略的市場，可能明顯改變開放與閉源的平衡。

工程上的意思： 換掉權重，三層裡另外兩層都留在原地，所以換模型時要特別檢查接縫：工具呼叫格式、外殼的提示詞與重試邏輯。本站建議：換模型時，同一組工具與外殼先不動，用同一份任務集前後各跑一次，把退步的題目分到「模型能力」與「接縫」兩類再處理。

誰在用開放模型，政策風險在哪裡？

用量已經大幅轉向中國開放權重模型，而美國的政策討論正在圍繞是否限制它們。

9 月 21 日的文章給了幾個用量數字：OpenRouter 上開放模型每週處理的 token，從 2025 年 9 月約 1 兆成長到約 80 兆；中國模型的占比從約 70% 升到 80% 以上。學術界方面，依他自己的 arXiv 掃描，論文提到 Llama 的比例，2024 年秋天約 23%，現在約 21%；提到 Qwen 的比例，同期約 7.5% 升到約 30%。他說中國實驗室從約 2025 年 4 月起領先開放權重模型，並認為蒸餾只解釋中國優勢的一部分。他用「it is a matter of when, not if」形容開放模型跨過新工作流程所需門檻這件事，理由是具備前沿能力的訓練專家分布很廣，有數十個組織、數千人與前沿只差一年內的距離。

政策風險是另一半。他在 4 月 15 日預測，禁止特定開放模型的呼聲會一再出現，但「in practice impossible to implement」，因為其他主權實體終究會釋出；同時他預期美國會從 2027 年初開始慢慢奪回採用率，並預測中國開放權重實驗室可能最先遇到資金困難，時間可能在 2026 年下半年，對能力的影響晚 3 到 9 個月出現。截至 9 月 21 日那篇文章，榜上開放模型的最高分仍是中國的 GLM-5.3 與 Kimi K3；資金壓力的預測還沒有可核對的結果。

7 月 12 日的〈6 months to live for open models〉談得更近：他寫白宮據報導正在討論管理開放模型的行政命令，他強調沒有官方資訊；他認為最可能的動作是，在約半年內，對能力「meaningfully above」GPT-5.5、Claude Opus 4.8 或 GLM-5.2 的開放權重模型，禁止或無限期延後釋出。他的建議是不要一刀切禁止，因為中國若不跟進，禁令無效，還會傷害美國的開源經濟；他提議由美國公司釋出能力相當的開放模型，並由外部團體組成聯盟影響政策。我們用新聞搜尋沒有查到已簽署的相關命令，但沒有逐一核對官方公報，所以這只能當「截至本文未確認」。

工程上的意思： 政策不確定性落到系統上，是模型供應的風險。本站建議：把模型名稱放在設定檔，不寫進程式碼；保留一個通過同一份評測的備援模型，來源最好不同。這是風險管理的做法，與開放或閉源的立場無關。

六項放在一起看，哪裡一致、哪裡衝突？

一致的地方有兩處：蒸餾單獨解釋不了差距，以及差距數字取決於評測的選法。Lambert 與 Florian Brand 都承認蒸餾有幫助，同時說它的影響有限；NIST 的 8 個月與 Lambert 的 2 到 5 個月，來自不同的時間、比較對象與評測方法：前者是 5 月公布的 DeepSeek V4 Pro 單一模型評測，用 9 個基準（含非公開基準）；後者是 9 月對中國開放權重模型的整體估計，用 Artificial Analysis 的綜合分數與自己的判斷。

衝突的地方有三處。第一，蒸餾該不該算攻擊：Anthropic 把未經授權的大規模取用歸為不當使用；Lambert 要求把「蒸餾」和「濫用 API」分開稱呼。第二，差距會往哪個方向走：他 3 月預期拉大，7 月說沒有；NIST 的趨勢線則顯示兩條線的斜率不同。第三，開放是不是比較便宜：他的文章寫現成使用常常更貴，生態卻可能分攤掉約 80% 的研發成本，這兩件事發生在不同的人身上。

下表是本站的歸納（各方的文章沒有寫這一欄）：六個議題各自落到系統的哪個元件。

本站的判斷是，這六項裡最直接影響工程決策的是第一與第五項：差距要用自己的任務量，換模型的風險在權重之外。其餘四項也要檢查：資料授權、實際使用的權重版本、使用成本與模型供應，這些都可能影響近期適不適合更換。

你的評測，一個下午跑得完嗎？

Lambert 寫「it is a matter of when, not if」的時候，討論的是整個產業；落到一個團隊，就是你換模型那天，手邊有沒有一份能說清楚哪一項會退步的任務集。

如果你的 agent 明天要把模型換成開放權重模型，你能不能在一個下午內，用自己的任務集說出哪一項會先退步？

常見問題

開放權重模型比閉源 API 便宜嗎？

不一定。Lambert 在 2026 年 5 月 12 日指出，現成開放模型常比閉源託管服務貴。Olmo 3 論文的 82.2% 是研發階段占總算力的比例，不能直接換算成帳單。評估自己託管時，要把 GPU、評測、微調與維運成本一起算；用量穩定時，固定成本比較容易攤平。

Anthropic 說的蒸餾攻擊是什麼意思？

Anthropic 在 2026 年 2 月 23 日的公告裡說，蒸餾是用較強模型的輸出訓練較弱的模型，本身是合法的常見方法；它指控的是 DeepSeek、Moonshot AI 與 MiniMax 透過約 2.4 萬個詐欺帳號，產生超過 1,600 萬次對話交換，違反服務條款與地區限制。Lambert 主張分開命名：蒸餾指訓練技術，濫用 API 指未經授權取得資料的手段。

NIST 說落後 8 個月，Lambert 說 2 到 5 個月，誰對？

兩個數字的時間、模型與評測組合都不同。美國 NIST 的 AI 標準與創新中心（CAISI）在 2026 年 4 月跑 9 個基準（含非公開基準），5 月 1 日公布 DeepSeek V4 Pro 約落後前沿 8 個月；Lambert 在 9 月 21 日用 Artificial Analysis 的綜合指數與自己的判斷，估中國開放權重模型約落後美國閉源前沿 2 到 5 個月。選型仍應用自己的任務評測。

美國會禁止開放模型嗎？

本站只做了新聞搜尋，沒有逐一核對官方公報，只能說未確認有已簽署的命令。Lambert 在 2026 年 7 月 12 日寫的是傳聞，他自己說沒有官方資訊，並預期最可能的動作，是在約半年內禁止或無限期延後釋出能力明顯高於 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 的開放權重模型。他同時認為，禁令很難落實，因為其他國家終究會釋出同等能力的模型。

延伸閱讀

• 下載開放權重不等於擁有模型自主性：選型必看的授權、部署與驗證

參考資料

• Nathan Lambert, The current balance of power in open models, Interconnects, 2026-09-21 https://www.interconnects.ai/p/the-current-balance-of-power-in-open
• Nathan Lambert, Kimi K3: The open-weights escalation, Interconnects, 2026-07-20 https://www.interconnects.ai/p/kimi-k3-the-open-weights-escalation
• Nathan Lambert, Florian Brand, Open models recap: more on Kimi K3, Qwen 3.8, Xi's WAIC speech, distillation, the open-closed gap, and what's next, Interconnects, 2026-07-22 https://www.interconnects.ai/p/open-models-recap-more-on-kimi-k3
• Nathan Lambert, 6 months to live for open models, Interconnects, 2026-07-12（付費牆，只讀到前段） https://www.interconnects.ai/p/6-months-to-live-for-open-models
• Nathan Lambert, How open model ecosystems compound, Interconnects, 2026-05-12（付費牆，只讀到前段） https://www.interconnects.ai/p/how-open-model-ecosystems-compound
• Nathan Lambert, Notes from inside China's AI labs, Interconnects, 2026-05-07 https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs
• Nathan Lambert, The distillation panic, Interconnects, 2026-05-04 https://www.interconnects.ai/p/the-distillation-panic
• Nathan Lambert, My bets on open models, mid-2026, Interconnects, 2026-04-15 https://www.interconnects.ai/p/my-bets-on-open-models-mid-2026
• Nathan Lambert, The inevitable need for an open model consortium, Interconnects, 2026-04-11 https://www.interconnects.ai/p/the-inevitable-need-for-an-open-model
• Nathan Lambert, What comes next with open models, Interconnects, 2026-03-16 https://www.interconnects.ai/p/the-next-phase-of-open-models
• Nathan Lambert, About, Interconnects https://www.interconnects.ai/about
• NIST Center for AI Standards and Innovation, CAISI Evaluation of DeepSeek V4 Pro, 2026-05-01（2026-05-02 更新） https://www.nist.gov/news-events/news/2026/05/caisi-evaluation-deepseek-v4-pro
• Anthropic, Detecting and preventing distillation attacks, 2026-02-23 https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
• Jacob Morrison, Noah A. Smith, Emma Strubell, The Hidden Cost of Thinking: Energy Use and Environmental Impact of LMs Beyond Pretraining, arXiv:2605.01158, 2026-05-01 https://arxiv.org/abs/2605.01158