开放和封闭模型处于不同的指数曲线上（8分钟阅读）

# 开放模型与封闭模型处于不同的发展轨道上 来源：https://www.interconnects.ai/p/open-and-closed-models-are-on-different 决定开放与封闭AI模型生态系统未来力量平衡的最大争论，本质上源于经济因素——即AI用户是否会继续为顶级封闭模型支付远超成本的价格（即高利润率）。2026年初将是AI行业的关键时期，因为编码代理¹(https://www.interconnects.ai/p/open-and-closed-models-are-on-different#footnote-1)已显示出首个巨大AI市场领域——用户愿意为更优智能支付显著溢价。 这一二元对立的另一面，是这些实验室API业务的必然衰落。这些实验室将意识到必须保护其最佳模型，延迟在API中推出，以保护token供应、避免蒸馏，并聚焦于利润率更高的用例。所有这些效应将在5-10年时间线上清晰显现，而在短期内，市场价格、利润率和需求将由计算能力的快速建设（近期受供应限制）和对token的大规模补贴（通过对新AI公司的持续投资）所主导。 分享 (https://www.interconnects.ai/p/open-and-closed-models-are-on-different?utm_source=substack&utm_medium=email&utm_content=share&action=share) 这一论点的核心在于，随着Opus 4.5和Codex 5.2门槛的突破，编码代理正在引发明显的行为转变。人们做出这种转变并非出于懒惰，而是因为在复杂知识工作中，使用代理作为实现辅助工具时，净产出明显更高。对于依赖编码代理工作的人来说，他们始终愿意为最佳方案支付更多，而非满足于“足够好”。产品优化的方向众多——速度、智能、专用模型等等。 如今我每月愿意支付2000美元使用这些工具，尤其知道它们会变得更好。同时，许多公司可能正在强制员工使用代理和工具，而这些人当前从这些工具中获益甚微——这反而有助于AI建设（或泡沫）继续延续。 最佳的封闭实验室——目前仅有Anthropic和OpenAI，但谷歌有望迎头赶上——将始终以既定成本制造最智能的模型。构建模型是对人才、数据和计算能力的大规模资本投入。这些系统（结合模型权重、工具链、工具和推理基础设施）在集成方面具有巨大回报（而开放模型则设计为适应多种多样的推理场景）。这些集成优势——硬件与新型软件的融合——可以通过任何提升模型性能的方式体现出来。 未来模型可能会在基准测试分数上饱和，但如果智能上限确实限制了效用，那么实验室将通过优化每秒或每瓦特的效用，以另一种方式服务用户。模型改进方向无穷无尽——进步从未遇到壁垒。我们仍处于智能大规模建设的早期阶段，这需要利用物理世界建造大量数据中心，组织众多AI研究人员以便大型团队能贡献于一个模型，当然还要解决许多解锁性能的小型低级谜题。所有迹象都表明，仍有大量性能有待解锁，而封闭实验室处于提取这些性能的最佳位置。 实验室的共识是，从绝对智能前沿的角度来看，让模型更智能是价值最高的。我认为这是正确的决策，因为它能开启巨大的新市场。在固定智能水平上优化模型则能巩固市场、随时间扩大可及性、提高用户投资回报（同时可能降低销售智能的利润率）。 许多人押注模型将持续改进，并正在学习如何在这些工具链中高效工作——尽管某些工作流仍略显笨拙。这是正确的赌注 (https://www.interconnects.ai/p/get-good-at-agents)。这些人将持续使用绝对最佳的可用模型。就像消费者购买iPhone——你可以选择Android并忍受一堆小麻烦来省钱，但何必呢？工作场所中性能的回报更高，这推动了定价权。 在这种思维模型下，作为企业的前沿实验室将类似于苹果和微软的全新重构混合体。苹果的一面是销售集成且极难复制的技术；微软的一面则是向整个经济体销售高杠杆率的订阅服务。5-10年内，我预计OpenAI和Anthropic的估值将达2-10万亿美元。真正的前沿实验室将形成一个类似当今云市场的寡头垄断格局。 等式的另一端是开放模型经济 (https://www.interconnects.ai/p/the-next-phase-of-open-models?utm_source=publication-search)。这并不是说前沿实验室将主导AI应用的所有方面。是的，我预计OpenAI和Anthropic将成为AI热潮中最具代表性的公司（与英伟达并列的新兴企业），但围绕开放模型的整体价值捕获将远大于此——只不过收入和利润率将在广泛的企业栈中分配。 许多企业希望转向开放模型，但当前模型在分布外任务上的表现仍不足。最终，开放模型构建者将停止在Artificial Analysis指数上追逐Claude和GPT，转而填补这一细分市场。这种分化可能由经济因素驱动——他们不再有足够收入来支撑持续扩展模型的研发成本；也可能由纯需求驱动——某些AI解决方案只能在开放模型提供的低价格点上存在。封闭实验室是寡头，而开放模型构建者和用户将远为多样化和数量庞大。总市场价值将远超OpenAI和Anthropic的累积价值。 开放模型本质上是非集成的，因此需要多家公司协调服务。每一层都将有替代选项，从而将价格压至商品化水平。这些可预测的低价格将是许多企业进入市场，为细分任务构建内部代理和工具的切入点。这里的主要部署模式是：企业找到在感兴趣任务上达到足够性能阈值的模型，之后不再替换（设置成本高昂）。随着模型定制变得更容易——再次强调，在开放模型微调栈中我们正看到（如Tinker、Fireworks、Prime Intellect等）——这一市场将变得更大。 未来几年，与OpenAI和Anthropic相比，开放模型推理在谷歌、亚马逊、微软等传统超大规模云以及Together、Fireworks、OpenRouter等新兴AI基础设施公司中的占比将稳步上升。 关键在于，开放与封闭模型经济处于不同的发展轨道上。我仍相信整个生态系统将以快速步伐持续进步，但关于递归自我改进（RSI）赋予封闭实验室不可逾越优势的说法被夸大了 (https://www.interconnects.ai/p/lossy-self-improvement?utm_source=publication-search)。诸如后台代理等新型产品可以同时支持开放和封闭模型。 封闭模型凭借当前代理实现了惊人的产品市场契合，通过将知识工作的顶端货币化开始了其集成的发展轨道。开放模型经济将花费更长时间，但追踪起来也更有趣——因为它反映了AI向整个经济和世界的更广泛扩散。