训练不起前沿模型，开源 AI 能否靠「小模型组合」追赶？
WebAssemblyMan · reddit · 2026-09-24
作者提出一个开源 AI 的结构性难题与思路：前沿模型训练所需的算力和数据是社区开发者不可能承担的，Linux 式「小内核长成巨大生态」的模式在 AI 上未必成立，因为最难的一步（训练）恰恰无法靠众包叠加解决。
- 作者设想换一条路：不追求单个开源模型追平前沿，而是构建 一组小型专家模型（coding + vision + reasoning + search + tools），通过 composition 加 verifier 组合，甚至把人类专家反馈纳入这一层
- MoE/MoA 已是这类思路的雏形，但作者想探讨更普遍的问题：组合能否成为开源 AI 的扩展方式？
- 开放问题：单个大前沿模型是否存在组合无法复现的能力？这个世界里的「Linux 内核」等价物是什么？
「漫话AGI」频道最新
- 研究者论开源模型风险:GPU 集中才是权力集中真正的来源 — davidmanheim · 2026-09-24
- 网友预言:数十年后数学与科研将受制于算力成本 — miniapeur · 2026-09-24
- AI 驱动增长的最大阻碍：现有企业难以现代化 — chris_j_paxton · 2026-09-24
- 哲学家质疑 AP 风格指南裁决 LLM 有无信念，建议雇个哲学家 — dioscuri · 2026-09-24
- OpenAI 爬虫澳洲政府数据风波:法律学者谈 AI agent 责任空白 — dhadfieldmenell · 2026-09-24
- Redis 作者 antirez 寄语年轻程序员:拥抱 AI,做证据驱动的职业 — antirez · 2026-09-24