开源权重模型并非通过抄袭来追赶闭源模型，它们之所以胜出，是因为整个AI堆栈正在悄然模块化

我读到一篇名为《代币经济学》的文章，它重新诠释了我一直隐约察觉却难以言说的现象。在此分享核心观点，因为我认为它比常规解读更能解释GLM 5.2与Opus 4.8之间的差距：通常解释开源模型为何能跟上步伐的说法是蒸馏——它们是闭源前沿模型的廉价复制品。但本文的主要论点是，这种看法基本错误，真正的驱动力在于AI已经收敛到三个稳定接口：底层的Transformer架构、中间层的兼容OpenAI的推理API、以及上层的智能体框架（如MCP）。一旦拥有稳定接口，就会重现PC行业的故事：英特尔提升芯片，微软改进操作系统，数千家厂商独立创新，由于大家都遵循相同的协议，一方的进步几乎立刻横向扩散给所有人。简言之，无需协调，模块化自动完成工作。本文主张，模型构建现在恰恰处于这种夹层位置：下方是共享架构，中间是共享推理API，上方是共享框架。因此，扩散的是配方，而非权重。旋转位置嵌入、RMSNorm、分组查询注意力、混合专家模型、GRPO——这些技术从发布到进入其他实验室，不过数周时间。将开源MiniMax、Qwen、DeepSeek和Mistral并列比较，你会发现它们几乎共享相同的模块，就像组装一套借来的零件。因此，当GLM 5.2在评测中接近Opus 4.8时，有趣的理解不是“它们抄袭了Opus”，而是前沿不再只是少数实验室可达之地——它已成为整个生态系统的属性，因为构成前沿模型的零件现在已是共享的工业机械。接着看定价：能力差距迅速缩小，但价格差距依然巨大。文章引用了一个智能体测试，MiniMax在类似工作中的速度大约是Opus的5倍，成本低60倍。这不是边际折扣，而是代际差异。文中所做的类比是，一旦Linux加商用x86达到“足够好”的水平，Sun Microsystems便被掏空，RISC/Unix的溢价几乎一夜之间崩溃。如果这种模式成立，那么开源前沿甚至不必击败闭源前沿，只需在特定工作负载上达到“足够好”，该工作负载的溢价便会消失。我真正不确定的是天花板在哪：模块化真的能让开源权重模型一路走到接近AGI的能力，还是前沿的最顶端仍然保持封闭，因为最难的进步不会扩散，而是被垄断？好奇大家认为这个极限在哪。来源：https://x.com/vipulved/status/2071404852908081211