# 开源就差五个月：海外十八张图掀翻共识 > 你听到的版本：开源模型已经追上闭源、再不学 GPT-5.6 就被淘汰。本周 HN 头版一篇叫《前沿开源模型将在 2026 年 12 月 3 日发布》的帖子用 18 张图把这套共识撕了个粉碎——结论是：**平均落后 5 个月，而且这条线几乎是平的**。这篇情报带你拆这场数据战，外加同一天刷屏的「AI 数学证明到底算不算数」硬核辩论，告诉你中国技术人该怎么站队。 ## 一、本周 HN 头版的两场硬仗 6 月 26 日（北京时间 6 月 27 日凌晨），Hacker News 前十名里 AI 讨论占了一半。刨掉两条带「政府决定谁能用 GPT-5.6」「某国放行某模型」的政治向帖子（这类我们今天不碰），真正值得中国技术人啃的是两条**纯技术硬辩**： | 帖子 | 热度 | 核心争论 | |------|------|---------| | The gap between open weights LLMs and closed source LLMs（开源权重的差距）| 181 分 / 156 楼 | 差距在缩小、持平，还是拉大？| | AI in mathematics is forcing big questions（AI 在逼问数学）| 105 分 / 72 楼 | 机器证明人类读不懂，还算证明吗？| 第一条的源头是分析公司 **Doubleword** 发的一篇长文，标题直接下了个赌注：**前沿开源模型将在 2026 年 12 月 3 日追上闭源**。HN 上瞬间吵成一锅。下面我把这场数据战的原始论据完整还原给你——因为国内自媒体大概率只转了那个唬人的标题，没人贴 18 张图。 ## 二、话题一：开源到底差闭源几个月？ ### 1. Doubleword 的原始方法（这是真·信息差） 很多人以为「开源追上闭源」是一句话的事。Doubleword 做了一件很轴的事：去 **Artificial Analysis**（业界最常被引用的第三方模型评测聚合站，artificialanalysis.ai）拉了 **18 个不同 benchmark**，对每个月计算两个数： - 当月**最强闭源模型**的分数 SOTA-closed - 当月**最强开源（open weights）模型**的分数 SOTA-open - 差距 = 闭源达到该分数的时间 − 开源达到同一分数的时间（单位：月） 然后把「差距」按月份画成折线，外推到未来。 ### 2. 三个完全相反的结论，全在同一份数据里 这是全场最精彩的地方：**同一份数据，根据你挑哪个 benchmark，能得出三个互相打架的结论。** **结论 A（看涨派·标题党来源）：开源在 2026 圣诞前追平闭源。** 如果只看某一个综合 benchmark，2024 年夏天之后差距确实在稳步缩小，画一条 best-fit 线往前推，差距归零的点正好落在 2026 年 12 月 3 日附近。这是帖子标题的由来，也是国内最容易传歪的那一版。 **结论 B（看平派·真正的主流）：平均落后约 5 个月，且长期持平。** Doubleword 把 18 个数据集都跑了一遍，做成 box plot。**所有 benchmark 差距的平均值，画出来是一条几乎水平的线，稳定卡在「5 个月左右」**——整个观察期内既没显著缩小，也没显著拉大。也就是说：闭源出一个能力，开源大约 5 个月后复刻到位，这个节奏两年没变。 **结论 C（结构性派）：差距在被「局部追平」掩盖下，其实可能在某些维度拉大。** 真正在剧烈收窄的只有一个——**coding（写代码）benchmark**，从落后 15 个月一路砍到只剩 1～2 个月。其余大多数 benchmark 的差距不降反升。Doubleword 自己的原话很克制：「也许这场开源末日还没来。」 ### 3. 各方观点（HN 156 楼精华） ```mermaid flowchart TD Q[开源 vs 闭源 差几月?] --> A[A 看涨派
单一综合榜→圣诞追平] Q --> B[B 看平派
18榜均值≈5月·持平2年] Q --> C[C 结构派
代码差15→2月·其余反升] A --> A1[信源: 标题党/单榜外推] B --> B1[信源: 18榜box plot·最可信] C --> C1[信源: 分维度拆解·信息量最大] B1 --> Take[可执行结论:
代码活可放心交给开源
长尾/多模态/复杂推理 仍优先闭源] C1 --> Take ``` - **看涨派**：搬运「12 月 3 日」的标题，认为开源 singularity（奇点）在即。 - **看平派（高赞主流）**：「平均 5 个月、持平两年」才是真相，单榜外推是统计幻觉。有人直接甩出一句：「Download DeepSeek-R1 671B——但你图啥？v4 Pro 甚至 Flash 都把它按在地上。」 - **结构性派**：真正该看的是**维度**。代码之所以能追平，是因为有海量公开训练信号（GitHub）+ 强评测信号（能跑能验）。而那些「没有公开训练数据、没有客观评测」的维度，开源天然吃亏，差距还在拉大。 > **对中国技术人的启示**：别被「开源追上来了」或「开源永远追不上」两种情绪绑架。**正确的问法是「在我这个具体任务上，开源落后几格」。** 写代码、做 RAG、跑常见推理——开源（Qwen / DeepSeek / GLM 系列）基本够用；做超长文档全局推理、复杂多模态对齐、强 agentic 链路——闭源仍领先，且领先的不是「跑分」而是「稳定性」。 ## 三、话题一的隐藏底牌：分布式训练才是开源的真变量 在这条 156 楼的帖子里，评论区杀出一个很多人没注意、但对中国开发者极有价值的子话题——**分布式训练（decentralized training）**。有人发愿：「真希望有个像 Folding@home 那样、为 LLM 准备的分布式训练。」立刻有人接：「去看 Nous Research 和 Prime Intellect 最近在 DiLoCo 上的进展。」 这是开源能否真正追上的**唯一变量**，但国内讨论极少。三个名词一次说清： - **DiLoCo**：Google DeepMind 提出的「低通信分布式训练」算法，核心是让多台机器在**慢、不稳的网络**上也能一起训大模型——传统数据并行要求机房级带宽，DiLoCo 把这个门槛砸碎。 - **Prime Intellect**：开源去中心化训练代表团队，代表作 **INTELLECT 系列**——在跨地域、异构显卡上把模型训出来，证明「不靠单一巨头机房也能炼大模型」。 - **Nous Research**：开源阵营里猛攻分布式训练的另一个旗手。 为什么这对你重要？因为它指向一个判断：**开源追赶闭源的速度，上限不取决于榜单，而取决于「训练能不能去中心化」。** 只要训练还必须堆在少数几个万卡机房里，开源就永远是「5 个月后复刻」的跟随者；一旦 DiLoCo 这类路线成熟，开源可能从「跟随」跳到「并行」，5 个月这个数字才有被改写的可能。这是榜单分析里看不到的变量，却是 HN 评论区高赞的真共识。 ## 四、话题二：AI 证明的数学题，人类读不懂还算数吗？ 同一天刷屏的第二条来自 IEEE Spectrum 的长文《AI in mathematics is forcing big questions》。背景是 AI（结合 Lean / Coq 等形式化证明器）在数学证明上狂飙，但社区吵起来的不是「AI 多牛」，而是一个非常哲学、又非常工程的问题：**一份人类看不懂、只有机器能验证的证明，到底算不算「数学」？** ### 1. 全场最佳比喻：源码 vs 二进制 最高赞楼层直接给了一个让所有人闭嘴的类比，我原汁原味转给你： > 想象明天所有软件的源码都消失了。电脑还能跑吗？当然能，运行不需要源码。我们会很惨吗？肯定，得从零重写所有软件——因为源码是**人写给人看、供人扩展**的；而机器跑的是**二进制，人读不懂**。AI 生成的数学证明，就像这份二进制：能被机器验证正确，但人类无法理解。 一句话：**一份形式上正确、但没人看得懂的证明，对数学的价值，约等于一份没有源码的可执行文件对软件的价值。** ### 2. 三派交锋 | 派别 | 核心主张 | 代表发言 | |------|---------|---------| | **理解至上派** | 数学之所以有用，正因为人能「干净地理解」它；不理解就乱用会酿灾（期权定价错误→股灾、招聘系统误判→烧钱） | 「没人能真正用自己不懂的东西」 | | **机器验证派** | 交互式定理证明器（ITP）保证正确性，根本不用人去读证明，只要定理定义对、公理没掺乱就行；唯一难题是「验证验证器」的鸡生蛋 | 「你甚至不用看证明本身」 | | **抽象重建派** | 真正该做的是把证明抽象成可复用的概念/算法载体，别再堆一堆文本和 Python——同一个东西被重写了一千遍 | 「我们需要能承载证明的 artifact」 | ### 3. 给工程人的翻译 这场辩论看着玄学，其实和**你每天用 AI 写代码**是同一回事： - AI 给你一段能跑通、但你没读懂的代码 = AI 给数学家一份能验证、但没人读懂的证明。**「跑通」不等于「可控」。** - 「机器验证派」的解法（ITP 兜底正确性）= 工程里的**测试/类型系统/CI** 兜底正确性。**正确性可以被外包，但「理解」不能。** - 「抽象重建派」的呼吁 = 别让 AI 替你堆屎山，要让它产出**可复用、可理解的抽象**（组件、接口、文档），否则你就是那个「对着机器之神念咒的 Tech Priest」。 > **对中国技术人的启示**：把「AI 证明」辩论当成「AI 编程」的预演。海外正在形成一条共识——**AI 的产出必须挂在某种「可机器验证 + 可人类审查」的支架上**（形式化证明器之于数学，≈ 类型系统 + 测试 + Code Review 之于代码）。谁先在团队里把这套支架搭好，谁就能比同行多消化一倍 AI 产能，而不被「看不懂的代码」反噬。 ## 五、信息差总结：你看到的 vs HN 这周吵出的 | 维度 | 国内常见说法（你看到的）| HN 这周吵出的真共识（你该知道的）| |------|----------------------|------------------------------| | 开源 vs 闭源差距 | 「马上追上」或「永远追不上」| **18 榜平均落后约 5 个月，持平两年**；代码维度几乎追平，其余维度反升 | | 该用开源还是闭源 | 二选一站队 | **按任务分维度**：代码/RAG/常见推理用开源够；长推理/多模态/强 agent 用闭源 | | 开源追赶的上限 | 看模型、看榜单 | 看训练**能否去中心化**——DiLoCo / Prime Intellect / Nous 才是真变量 | | AI 数学/代码产出 | 「AI 帮你写就完了」| **正确性可外包（证明器/测试兜底），理解不可外包**；不挂支架就是埋雷 | | 信息源 | 自媒体转述 | 直连 **Artificial Analysis + 原始 paper + HN 高赞楼**，二手转述丢一半 | ## 六、行动指南（本周就能做） 1. **校准你的模型选型口径**：打开 `artificialanalysis.ai`，别看综合榜，挑你业务对应的 2–3 个子榜单，算清楚「你常用的开源模型在这几项落后闭源几格」。这是「5 个月」结论落到你自己活儿上的方式。 2. **给 AI 产出搭「验证支架」**：团队里至少上齐三件套——**类型系统（TS/mypy）+ 测试覆盖率门槛 + CI 必跑 + 强制 Code Review**。这是「机器验证派」那条逻辑在工程里的落地，等于给你的 AI 产能买保险。 3. **盯一个分布式训练信号源**：在 X/RSS 订阅 Prime Intellect、Nous Research、DeepMind DiLoCo 的更新。一旦去中心化训练在更大参数上跑通，「开源落后 5 个月」这条线可能松动，那是你提前换开源栈的时间窗。 4. **改掉「单一榜单外推」的直觉**：下次看到「某模型追上某模型」的标题，先问一句——**在哪个榜？多少个榜的平均？是缩小了还是只是单榜波动？** 这一个习惯能帮你过滤掉 80% 的 AI 营销噪音。 5. **把「源码 vs 二进制」讲给团队听**：用这个比喻建立共识——AI 写的代码不能只求「能跑」，必须做到「人能读、能改、能复用」。这是本周 HN 最值钱的一句话。 --- **一句话总结本周信息差**：别再问「开源追上没」，要问「在我这格任务上落后几格、瓶颈在榜单还是在训练去中心化」；别再让 AI 给你交「二进制」，要逼它交「源码 + 验证支架」。这是本周海外两场硬辩给中国技术人的真东西。 ## 参考来源 1. Doubleword 原文《Prediction: A Frontier Open Source LLM Will Be Released On 3rd December 2026》（含 18 张 benchmark 图）： https://blog.doubleword.ai/frontier-os-llm 2. HN 热帖《The gap between open weights LLMs and closed source LLMs》（181 分 / 156 楼）： https://news.ycombinator.com/item?id=48692058 3. IEEE Spectrum《AI in mathematics is forcing big questions》： https://spectrum.ieee.org/ai-in-mathematics 4. HN 热帖《AI in mathematics is forcing big questions》（105 分 / 72 楼）： https://news.ycombinator.com/item?id=48692883 5. 模型评测数据源 Artificial Analysis（18 个 benchmark 原始数据）： https://artificialanalysis.ai --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。