Nathan Lambert 整理开源模型必读书单:差距缩至4-6个月
Interconnects (Nathan Lambert) · rss · 2026-09-11
Nathan Lambert 在 Interconnects 发布了一份系统性的开源模型阅读清单,并持续更新。清单按主题分为几大板块:
- 基础:涵盖开源模型的定义、发布动机与风险,包括 Bill Gurley 谈开源战略、Zuckerberg 关于 Llama 3 开源理由的表态、Solaiman 提出的"开源梯度"概念,以及 Thinking Machines Lab 的《A Safe Path to Open Weights》和关于开源模型社会影响的早期论文等。
- 中美竞争:收录 ATOM Project、Kevin Xu 的中国开源史与中国实验室结构性优势分析、Lambert 的中国 AI 实验室见闻等,并提及 DoorDash、Airbnb、Cursor、Apple 等公司因使用中国模型受到美国议员质询,以及 Perplexity 采用 DeepSeek R1、Thomson Reuters 从 Claude 转向 Qwen 等案例。
- 技术细节:核心判断是开源与闭源模型的差距已缩小到约 4-6 个月,且 2024 年以来最强的开源模型全部来自中国实验室;引用 SemiAnalysis 独立评测与 Z.ai"发布后几小时内开源"的策略。此外详细梳理了 2026 年最热的蒸馏争议,包括从专有 LLM API 系统性窃取推理链的最新论文。
- 网络安全:收录 Joshua Saxe 关于无法有效封禁开源模型网络能力、需要国家级 AI 网络安全政策的文章。
这份清单是目前理解开源模型格局最完整的一站式入口。
「漫话AGI」频道最新
- 混拍还是纯 AI?独立 AI 电影人力挺 100% AI 制作的未来 — taherdhanera · 2026-09-11
- Drexler 新文:HF 事件证明系统结构可改变模型行为 — mattbeane · 2026-09-11
- CNBC 发文探讨递归自我改进风险，Conitzer 获引述 — conitzer · 2026-09-11
- Gary Marcus:靠社群压力阻止 AI 实验室变得更富更强 — GaryMarcus · 2026-09-11
- 「多数领域其实很浅」引交锋:binarybits 认为领域深度被严重低估 — binarybits · 2026-09-11
- AI 安全研究者自曝:圈内存放大夸张风险预估的社交压力 — natolambert · 2026-09-11