开源与闭源大模型性能差距重新扩大，前沿闭源模型再次拉开性能距离
DoubleWord AI的最新研究显示，过去三个月里，闭源前沿模型与开源模型之间的性能差距重新扩大了近20%。Anthropic的Mythos和OpenAI的GPT-5.6在复杂推理、长文本理解和多模态任务上再次取得明显进步，而开源社区目前还没有能够复现同等性能的模型。去年下半年曾经出现的性能收敛趋势，现在正在发生逆转。
出现这种变化的核心原因是训练数据规模和训练技术的代际差异。去年开源社区通过复现基础训练技术，快速将模型性能提升到了接近GPT-4的水平。但现在闭源公司已经进入了下一个阶段，开始使用合成数据、多模态联合训练和更复杂的对齐技术，这些技术的复现门槛比基础训练高得多。开源社区目前还没有掌握完整的大规模合成数据生成技术。
另一个关键差异是算力规模。闭源前沿模型的训练算力已经达到了数万张H100级别的GPU集群，而开源社区的大多数模型训练最多只能用到数千张GPU。训练算力的规模差异直接决定了模型的最终性能上限。开源模型通常在训练到几万亿Token后就停止迭代，而闭源模型的训练数据量已经达到了几十万亿Token级别。
但开源模型也有自己的优势。首先是可定制性，企业可以根据自己的场景微调模型，获得比通用闭源模型更好的特定任务表现。其次是数据隐私，不需要将敏感数据发送给第三方API。最后是成本，开源模型的推理成本通常只有闭源API的十分之一甚至更低。大多数企业应用场景其实并不需要最前沿的通用性能，开源模型已经足够好用。
开源社区也在调整策略。过去大家都在追通用性能这个单一指标，现在更多开发者开始转向垂直领域优化。代码、法律、医疗、教育等垂直领域的开源模型，性能实际上已经超过了通用闭源模型。这种差异化发展路线，可能比单纯追赶通用性能更有实际价值。
未来的格局很可能不是谁完全替代谁，而是两种生态并存。通用前沿性能由少数几家闭源公司保持领先，而绝大多数实际应用场景会由开源模型主导。用户可以根据自己的需求选择最合适的方案，不需要强迫自己站在某一边。这种分化其实是整个行业走向成熟的标志。
对开发者来说，最重要的不是追逐最新的模型参数，而是理解不同模型的适用场景。知道什么时候用开源模型，什么时候用闭源API，什么时候自己微调，这比单纯比较性能榜单要重要得多。