2026.09.30 | AC | LLM | September Models: Closed Source Pulls Ahead

摘要

开源模型仍然能够追赶，但低成本复用前沿成果的难度正在上升。 完整推理过程更难获得，后来者需要补做更多重构、筛选、验证和自主训练。真正的约束，是计算、验证、系统和资金。

9月以来，闭源头部的综合能力领先阶段性扩大，性价比竞争也在加剧。 OpenAI继续压低Luna的任务成本，MiMo等开放模型同样在争夺低价市场。对独立模型公司而言，追赶需要更多投入，产品却未必能够卖得更贵。

相比押注某家模型公司最终胜出，算力需求的受益逻辑更加稳健。 领先者继续探索，追赶者补做研发，两边都需要计算资源。开放模型继续追得上，并不妨碍行业为此付出更大的算力投入。

过去，开放模型最容易被理解的优势，是以更低成本接近前沿能力。后来者不必完整重复先行者经历过的研究过程，也能通过优秀的基础模型、工程优化、合成数据和蒸馏，快速缩小差距。

现在，这套追赶方式正在发生变化。

一边，头部闭源实验室进一步保护内部推理过程，降低高质量训练信号向外传播的程度。另一边，它们又在用自己的研发成果，把更便宜的模型推向市场。对跟随者而言，研发端可能越来越贵，价格端却越来越卷。

笔者认为，未来的竞争未必是开放模型被闭源模型永久甩开，更可能是：头部开放模型继续追赶，但需要建立更完整的自主研发体系；缺少能力优势、成本优势和资金支持的公司，则面临更大的经营压力。

一、蒸馏，是在重复使用别人已经付费获得的探索成果

前沿模型的成本，不只是最终那一次训练。找到有效架构、准备数据、设计训练方法、运行实验、排除失败路线，都需要投入。

蒸馏的重要价值，在于后来者能够复用其中一部分成果。教师模型给出的高质量答案和推理过程，可以成为学生模型的训练材料。相比从头探索，学生能够沿着已经被证明有效的方向学习，节省部分搜索、试错和训练材料组织成本。研究也表明，在推理任务中，教师提供的过程信息往往比最终答案更有训练价值。

蒸馏是在重复使用别人已经付费获得的探索成果。

因此，反蒸馏改变的首先是追赶的经济性：后来者还能看到多少有效信息，需要补做多少工作，才能获得接近的能力。

在GPT-6 Astra上，OpenAI不公开原始推理Token，对外提供的是推理摘要；需要跨轮保留的推理状态，则以加密内容传回，客户端不能直接读出原文。Anthropic的Fable 5.1默认不展示思考摘要，开启后返回的也只是摘要；它还为思考状态增加模型兼容性和对话绑定检查，限制将状态转交给不兼容的模型，或在改写原始上下文后继续使用。

直接获得完整教师推理过程的路径正在变窄，答案、摘要和可见操作记录成为外部更重要的训练信号。

问题在于，摘要通常省略了大量中间步骤。它可以告诉用户模型最后得出了什么判断，却未必足以教会学生如何独立完成同类任务。

Cornell的一项实验提供了直观对照：以DeepSeek R1为教师、Qwen为学生，在JEEBench上，直接使用“摘要加答案”微调后的准确率为24.0%；使用完整推理过程训练，达到43.7%；先重构推理过程再训练，可以提高到36.3%。在另一个数学测试中，重构结果又已经接近完整材料训练的效果。摘要不适合直接替代完整过程，但经过加工，仍然可能形成有效训练材料。

补上这些缺失的信息，需要额外的重构、筛选、验证和训练。蒸馏没有失效，但追赶者需要自己承担更多工作，追赶成本也随之上升。

反蒸馏并不意味着后来者追不上。 Agent任务为追赶者保留了一条重要路径。即使内部推理不可见，模型读取文件、调用工具、修改代码、运行测试和处理失败的步骤，仍可能被记录下来。这些操作本身，就包含解决问题的方法。

White Circle研究者的一项编程实验显示，利用分段摘要和工具调用等信息重构训练材料，保留了完整推理过程训练所带来增益的约85%。这是特定开放教师、学生和任务集上的实验，但它说明：隐藏思维链能够阻断最直接的复制方式，却不等于切断所有能力传播。

真正需要观察的，是这些补救方法能否让后来者继续以显著较低的研发成本，跟上前沿模型一代又一代的进步。

二、9月以来，前沿确实又拉开了差距

模型差距从来不是一条单向扩大的直线。先行者打开新的能力边界后，差距会扩大；后来者掌握方法、改善数据和工程之后，又可能快速追近。

下图中的历史演进，就呈现了这种反复。

9月的变化也值得重视。9月7日，Artificial Analysis新版综合指数中，Claude Fable 5.1和GPT-6 Astra均为53分；研究者Nathan Lambert记录的9月14日开放模型头部，则是45分的GLM-5.3和44分的Kimi K3。头部差距约为8分。

到9月底，Opus 5.5将闭源最高分推到58分，Sonnet 5.5达到56分；开放模型头部由MiMo-V2.6-Pro提高到46分。两边都在进步，但这轮闭源头部推进得更快，领先幅度扩大到约12分。

图1：中美模型能力前沿的历史演进

资料来源：原图标注Bloomberg Businessweek（2026年8月19日）、Artificial Analysis，数据截至2026年8月14日，G2AI整理。

表1：9月末，主要模型的能力与任务成本

资料来源：Artificial Analysis；截至2026年9月30日。 注：当前综合指数为v4.3.2。任务成本是运行该套评测的加权平均费用，不是每个成功商业任务的成本；各模型采用表中配置，并未固定相同推理预算。

这轮进步也不只体现在综合排名上。AA对Opus 5.5的评测显示，它在十个子项中的六项领先；相较Fable 5.1，专业知识工作评测AA-Briefcase提高143 Elo，改善同时涉及分析质量与交付呈现。相较Opus 5，其Terminal-Bench 4.0成绩提高约11个百分点。

因此，9月闭源前沿阶段性拉大差距，是有评测支持的判断。

三、Luna继续降价：前沿研发的回报，不只来自最贵的旗舰

能力上限扩大，只是闭源厂商受益的一面。另一面，是它们正在把研发成果向低价产品传递。

7月底，OpenAI将GPT-5.6 Luna价格下调80%。到了9月22日，新一代GPT-6 Luna的输入、输出价格，又从每百万Token的0.20、1.20美元，降到0.10、0.50美元。AA在同一次新旧对照中测得，最高推理档的平均任务成本从0.18美元降到0.07美元，降低约60%。

Luna这次的重点是成本效率，而不是所有能力全面升级。AA记录到不同子项有进有退，但整体仍让OpenAI扩大了在能力—成本前沿上的覆盖。

这意味着，低价市场不再天然属于开放模型。

对于拥有自有强教师模型的实验室，旗舰研发至少有两条向下传导的路径。

一条是内部能力转移。自有教师可以向小模型提供更完整的训练信号，包括高质量输出、推理过程和预测分布。外部开发者需要从受限接口中恢复的信息，在内部不必通过同样的方式获取。蒸馏效果本就受到教师信息可访问程度的影响，这构成了拥有自有强教师的实验室的潜在优势。

另一条是系统优化。最强模型不仅用来回答客户的问题，还可以帮助改进运行模型的基础设施。

OpenAI在7月的工程披露中介绍，Sol参与了生产流量分析、负载均衡、GPU内核优化和推测解码实验。按公司口径，相关内核工作及改进使端到端服务成本降低约20%，推测解码相关实验使Token生成效率提高超过15%。

这里形成了一种很有价值的循环：模型更强，能够帮助优化系统；系统效率提高，同一批硬件能够提供更多服务；这些效率又可以转化为更低售价、更大使用量，或者更多研发资源。

因此，前沿模型的经济价值，不只是旗舰API卖了多少。它还可能改善整条产品线的能力和成本。

外部能力传播受到更多限制，而内部能力复用继续进行，闭源头部就有机会同时守住两端：用旗舰承接最难、最有价值的任务，用低价模型覆盖高频、大规模调用。

不过，这种优势来自拥有强教师和完整研发体系，而不是“闭源”两个字本身。具备这些条件的开放模型公司，同样可以在内部蒸馏和优化自己的产品。

四、真正的约束，是计算、验证、系统和资金

反蒸馏提高外部成果复用成本之后，后来者要继续追赶，就需要把更多工作放回自己的研发体系里：生成数据、搭建任务环境、运行强化学习、验证结果，再进入下一轮。

研发自动化又让这些工作越来越容易通过计算投入扩大规模。

过去，实验数量可能受制于研究员写代码、准备数据和处理故障的速度。模型开始承担这些执行工作后，同一支团队能够组织更多实验；但实验仍然需要真实运行，结果仍然需要检验。

人的部分执行能力变得更便宜，计算和验证资源的重要性就可能提高。

智谱的半年报交流已经把这条路线讲得很具体。管理层介绍了模型参与自我对弈数据生产、自动合成训练环境与验证器，以及优化推理基础设施的方向；下一代GLM在上一代GLM搭建的环境中进行自训练，是公司的技术目标之一。

这也说明，开放模型公司并没有停留在等待外部教师。头部玩家正在建设自己的能力生产体系。

但多生成一些数据、多运行一些模型，并不自动产生新能力。验证机制需要区分真正的改进与表面高分，系统需要让大量实验稳定运行，资金则需要支撑这些暂时不产生收入的工作。

计算让实验跑起来，验证决定结果是否有价值，系统决定能否持续高效运行，资金决定这套过程能维持多久。

开源与闭源的长期竞争，越来越取决于谁能持续运行好这整套体系。一次追平可以依靠集中攻关，连续追平则需要稳定的研发能力和投入。

五、追赶变贵，价格竞争却在加大

对模型公司而言，更棘手的问题可能是：追赶成本提高之后，售价未必能同步提高。

Luna在争夺低成本市场，开放模型内部的竞争也没有放缓。当前AA评测中，MiMo-V2.6-Pro以0.13美元的平均任务成本取得46分，MiMo-V2.6-Flash则以0.06美元取得38分。它们既在挑战闭源产品，也在给其他开放模型增加压力。

因此，开放模型公司面对的是两侧竞争。

向上，要投入更多资源接近前沿，争取高价值任务和更好的定价。向下，又要面对Luna、MiMo及其他低成本型号，不能仅凭“比旗舰便宜”维持优势。

研发投入是为了保证下一代仍有竞争力，价格竞争却发生在当下。对于独立模型公司，最终要回答的是，商业毛利能否覆盖持续研发。不能只看某个月调用量增长了多少，也不能把所有研发支出都视作未来可以停止的一次性投资。其中一部分，很可能是维持竞争地位必须持续支付的费用。

没有拿到通用榜单第一，并不意味着没有生意可做。特定任务效果、部署方式、延迟、成本和客户集成，都可以形成差异化。

真正危险的是另一种处境：前沿能力没有优势，单位任务成本没有优势，却仍然必须按照前沿实验室的节奏增加投入。

这样的公司最容易落入“研发越来越贵，产品只能继续降价”的循环。开放模型未来会出现更强分化，关键不只是能否追上，而是追上之后，能否收回投入。

六、追赶成本上升，算力需求受益

假设达到同一个能力门槛，前沿自主探索需要投入10，跟随者过去投入1，现在需要投入3。

那么，两个判断同时成立：

跟随者的成本变成过去三倍，但仍然比自主探索便宜70%。

如果有一家前沿实验室、五家跟随者，其他条件不变，合计投入就会从原来的15，提高到25，增加约67%。跟随者仍然保留显著成本优势，行业却已经为追赶付出更多资源。

这是一个纯假设，但它说明了算力需求最重要的逻辑：

领先者持续探索，追赶者补做更多数据生成、验证和训练，两边共同推动算力需求增长。

而研发自动化会让这条传导更加直接。模型帮助生成候选方案、组织数据和编写实验代码之后，实验室更容易把新增资源用于更多尝试。前沿团队继续探索新能力，追赶团队补做更多自主工作，两边都可能增加计算投入。

这些投入不只有最终的大模型训练，还包括生成训练轨迹、筛选数据、运行验证器、小规模试验，以及研究Agent自身的推理。按用途看，它们属于内部研发；按计算类型看，仍然落在训练、推理和环境执行之中，不能作为独立类别重复加总。

现实中，头部模型公司已经在通过连续融资，为模型研发和算力扩张补充资金。智谱在年初上市后，7月完成新股配售，9月又通过配售和可转债融资约50亿美元，资金投向包括下一代基础模型、自训练体系，以及计算资源和相关基础设施的部署升级。MiniMax也在7月完成约160.4亿港元的配售及可转债融资，并计划将其中约80%的净募集资金用于AI基础设施和模型研发。

对算力链最有利的竞争状态，未必是某一家把其他公司全部甩开，而是多家实验室都认为自己仍有机会，却发现保持竞争需要投入更多。

因此，笔者看好的是持续竞争带来的算力需求支撑，而不是所有设备、所有云厂商和所有建设项目都能获得同样回报。订单、交付、利用率、付款和资本成本，仍然决定利润最终留在哪里。

结语：开源未必会输，但便宜追赶不能再被当作默认前提

9月的评测说明，闭源头部重新扩大了一段能力领先；Luna的继续降价，则说明闭源厂商也在主动争夺性价比市场。

对开放模型来说，外部探索成果更难直接复用，意味着需要补做更多研发；而Luna、MiMo等产品的竞争，又限制了成本向售价传导的空间。未来最需要重新评估的，是低成本追赶能维持多久，以及商业毛利能否覆盖持续投入。

对头部闭源实验室来说，更强的能力保护、内部蒸馏和系统优化，正在改善其竞争条件。但这种优势能保持多久，仍然取决于后续迭代。拥有资金、强基模和完整研发体系的开放模型公司，依然具备追赶的机会。

对算力链来说，逻辑相对更稳健：领先者要继续探索，追赶者要补做研发。只要竞争和投入持续，开放模型追得上，行业同样可能消耗更多计算资源。

开源追赶变贵，闭源竞争地位阶段性改善，算力需求获得更广泛的支撑——这三件事，可以同时成立。

以上为个人分享内容，仅供参考，不构成任何投资建议。