开放模型中当前的力量平衡

最近，我受邀向一群国会议员和工作人员介绍中美竞争视角下的开放权重模型的状况。我将作为国情咨文分享我准备好的关于开放模型的讲话，这些模型可供更广泛的受众使用。开放语言模型是人工智能模型，其权重可公开供检查或下游使用。这些通常与所谓的“封闭”人工智能模型形成对比。封闭模型仅通过应用程序编程接口 (API) 提供访问权限，开发人员可以使用应用程序编程接口 (API) 直接查询模型（例如 GPT-4 或 Claude Opus 4.5），或者通过产品（例如 ChatGPT 和 Claude Code）进行访问。开放语言模型主要分为两类：开放权重模型和开源模型。开放权重模型是最常见的形式，例如 Meta 的 Llama、阿里巴巴的 Qwen、Google 的 Gemma 或 DeepSeek 的模型等流行模型。这些模型受许可证和规定下游使用许可的管理文件的约束，并且通常附有 Transformers、VLLM、SGLANG 等库中的推理代码。自 2025 年 4 月左右以来，中国人工智能公司一直是开放权重模型领域明显的领导者。真正的“开源”模型与这些模型类似，因为它们包括权重、许可证和推理代码，但它们还包括重现模型所需的完整信息 - 训练代码和训练数据。最著名的开源模型是在美国建立的，最近由艾伦人工智能研究所的 Olmo 模型领导，我在最近 2.5 年里帮助建立了该模型。其他著名的开源模型也是由美国非营利组织构建的，包括 OpenAthena 的 Marin 模型和 EleutherAI 的 Pythia 模型。开放权重、开源以及模型的所有其他标签（包括主要通过 API 提供的封闭模型）都存在于某个范围内。例如，Nvidia 的 Nemotron 模型比大多数开放权重模型更加开放，在宽松的许可下发布了大量的训练数据，但它们并不是完全开源的，因为它们没有发布所有数据。封闭模型也存在于基于 API 揭示的信息和使用条款的范围内。我们生活在这样一个世界，GLM-5.2 和 Kimi K3（一些最新的、领先的中国模型）已经在开放模型的商业可行性方面实现了一步改变——跨越了与 Anthropic 的 Claude Code 在 2025 年 12 月跨越的代理能力类似的门槛。美国是开放语言模型的早期领导者，主要是通过 Meta 的 Llama 模型，该模型在研究和商业任务中广泛使用。大约18个月前，中国的开放重量模型在这两个关键领域超过了美国的开放重量模型。体现这一点的简单指标是 Hugging Face 下载量，中国在 2025 年 7 月取得领先，主要是通过阿里巴巴 Qwen 模型的成功。我个人维护着跟踪这些数据的工具，自从我在 2025 年 8 月首次发布美国真正开放模型 (ATOM) 项目以来，中国的下载领先优势已增长至约 1.6B，总计 3.2B 下载量，是美国下载总量的两倍。在人工智能分析智能指数（AAII）等流行的能力基准上，中国的开放权重模型明显领先于美国同行。截至 2026 年 9 月 14 日撰写本文时，排名前三的中国模型是再爱的 GLM-5.3 和 GLM-5.3-Flash 以及 Moonshot AI 的 Kimi K3，得分分别为 45、42 和 44。相比之下，领先的美国机型是 Thinking Machines 的 Inkling 和 Inkling Small，得分均为 26 分，以及 Nvidia 的 Nemotron 3 Ultra，得分为 23 分。美国顶级机型发布于 2026 年 6 月和 7 月，更新频率低于中国机型。例如，中国实验室在美国公司到达之前2-6个月就发布了分数高于美国模型的模型（例如GLM-5或DeepSeek V4 Pro）。有越来越多的美国公司发布模型的趋势，包括 Arcee AI、Poolside 和 IBM 等公司，但它们并没有迅速缩小这种性能差距。其他基准也讲述了类似的故事。人工分析指数排名靠前的美国开放车型落后于其他 15 款中国制造的车型。总的来说，中国的开放权重模型比封闭的美国边境大约落后 2-5 个月，而美国的开放权重模型比 OpenAI 和 Anthropic 等模型大约落后 6-9 个月。中国实验室在用户需求明确的任务（例如代理编码）上最接近，而在更开放的科学任务（例如物理或生物学）上则进一步落后。尽管中国实验室的资源比美国同行少，但为什么中国实验室能够生产出这些强大的模型，仍然是一个公开的争论，并且受到不同工作文化的严重影响，但也受到一些关键技术因素的影响。中国实验室更快地发布模型