Deep|LLM: 开源模型的低成本追赶难以持续

今年夏天，开源模型密集发布。智谱 6 月 22 日发布 GLM-5.2，8 月 14 日又推出只扩大了后训练的 GLM-5.3，按智谱公布的评测，多项 Agent 编程任务追平甚至超过 Fable 5 和 GPT-5.6 Sol。月之暗面 7 月 17 日发布 Kimi K3，在 Artificial Analysis 智能指数上获得 57 分，仅次于 Fable 5 和 GPT-5.6 Sol。DeepSeek 8 月 13 日更新 V4 Pro，Terminal-Bench 2.1 得分 87.9，与 Fable 5 的 88 分几乎持平，每个任务的成本约为后者的五十分之一；9 月又发布了 V4.1 Flash。小米 9 月 22 日开源的 MiMo-V2.6，其 Pro 版本在 Artificial Analysis 智能指数的开源模型中排名第一。

不少行业人士认为，开源与顶级闭源模型的差距已经缩小到几个月。也有观点认为，蒸馏并不是开源模型跟得上的主要原因。我们同意蒸馏不是唯一原因，但它是关键因素之一。市场担心的是，开源模型开发者能否以远低于顶级闭源模型的研发成本，持续达到相近能力；如果可以，闭源厂商的领先还能维持多久？这种担心直接影响了 AI 和算力相关的交易，和 2025 年 1 月 DeepSeek R1 那次类似。

我们的判断是，开源模型难以持续以如此低的成本追赶，近期差距缩小也会像 R1 之后一样，只是暂时的。靠蒸馏复制顶级闭源模型正在变难：Anthropic、OpenAI 和 Google 的最新模型都不再返回明文的完整思维链，只用答案和摘要，训练信号更弱。开源模型开发者要继续追，需要更多投入自己的强化学习、合成数据和训练环境，而这些都要算力。我们预计，未来几轮迭代中，领先开源模型与顶级闭源模型的能力差距会重新扩大到约 6 到 12 个月。​2025 年走过类似的路：R1 一度接近 o1，随后 o3、Claude 4 和 GPT-5 相继发布，差距重新拉开。

1. 完整思维链如今仅以加密形式返回

Anthropic、OpenAI 和 Google 目前对隐藏推理采取类似做法：最新模型只返回思维链摘要，或者连摘要都不返回。API 还可以返回供后续对话复用的加密推理块，Anthropic 使用 signature 字段，OpenAI 使用 encrypted_content，Google 使用 thought signatures。开发者在后续请求中原样传回这些数据块，客户端无法自行解密。

推理信息的获取是逐步收紧的。​OpenAI 从 2024 年 9 月的 o1 起就不显示原始思维链，但到 2025 年初，Gemini 早期的推理模型仍直接返回原始推理，斯坦福等机构的研究者只用 1,000 条 Gemini 推理轨迹做微调，就复现了推理行为。2025 年 5 月，Gemini 2.5 和 Claude 4 改成只给摘要；2026 年 4 月发布的 Opus 4.7 默认连摘要都不返回；9 月 1 日发布的 Fable 5.1，在任何设置下都拿不到原始思维链。Anthropic 的最新模型也会拒绝在回答中披露隐藏推理的请求。从 9 月 24 日起，Anthropic 对被归类为推理提取的拒答，按模型标准费率计费。