美銀：AI 大語言模型前沿領導力與基準測試> 封閉模型仍佔主導：專有（封閉）模型目前在最具挑戰

美銀：AI 大語言模型

前沿領導力與基準測試

> 封閉模型仍佔主導：專有（封閉）模型目前在最具挑戰性的 AI 評估和基準測試中仍佔據領先地位，包括 HLE、GPQA Diamond 和 SWE-bench。

> 性能差距：封閉模型與開放模型之間的性能差距在關鍵的企業價值池中最為顯著，具體體現在代理工具使用、編碼和複雜推理方面。

> 基準示例：頂級封閉模型如 Claude Opus 5、GPT-5.6 Sol 和 Gemini 3.1 Pro 在主要指標上優於 GLM-52、DeepSeek V4 和 Kimi K3 等開放替代方案。

採用曲線與標準

> 行業標準：封閉模型 API 作為行業的參考實現（定義聊天/補全形狀、函數調用模式和評估規範），開放提供商經常模仿這些標準。

> 企業偏好：封閉模型在企業採用中佔據主導地位，因為它們提供零基礎設施負擔、託管合規性、可預測的 SLA 以及單一供應商的責任。相反，自託管的開放模型將 GPU 配置和合規風險直接置於買方身上。

開放模型的性質

> 蒸餾擔憂：與通過潔淨室開發構建的 Linux 不同，領先的開放模型被廣泛認為是通過蒸餾從封閉模型衍生而來的。例如，美國官員和實驗室指控某些海外開放模型與美國前沿封閉模型存在聯繫。

> 風險：開放權重模型——其中許多源自中國——攜帶持續的知識產權 (IP) 和國家安全風險，可能會受到政府或封閉實驗室開發者的嚴格監管或修改。

共存與市場展望

> 共存而非取代：預計長期市場結果將是類似 Windows 和 Linux 的共存模式，而不是開放權重完全取代封閉系統。

> 成本與能力：開放模型通常在成本和效率方面勝出（每令吉運行成本低 5–10 倍），而封閉模型在技術領導力、採用和企業信任方面勝出。

> 對半導體的影響：無論誰獲勝，半導體需求都能受益：

如果封閉模型領先，前沿規模的訓練和運行可能仍將高度資本密集。

如果開放模型普及，更低的令牌成本將推動更廣泛的使用並激增整體推理量（傑文斯悖論）。