My bets on open models, mid-2026

知名 AI 評述家 Nathan Lambert 展望 2026 年年中，分析開源與閉源模型在推理能力、後訓練與經濟效益上的差距與未來走向。

知名 AI 學者 Nathan Lambert 針對 2026 年年中的開源模型發展提出預測。他指出，開源與閉源模型之間的差距（Open-Closed Gap）正從「基礎預訓練能力」轉移到「推理期計算（Inference-time compute）」與「代理（Agent）可靠性」。雖然 Meta 的 Llama 4 等開源模型將持續逼近閉源旗艦，但閉源廠商憑藉龐大算力與專有強化學習（RL）架構，在複雜多步驟任務上仍將保持領先。

摘要由 AI 整理,以原文為準。