KOL Digest
Semianalysis · 2026.08.21 週五 · Substack

Are Open Models Catching Up?

看原始內容 2 個主題 · 3 個標的/題材

開源 AI 模型加速追趕閉源前沿:三大時代演進與能力差距減半趨勢

  • 從早期 Scaling、Reasoning 到 Agentic 三大時代,基準測試差距在每代開始時拉開,但開源社群透過反向工程與蒸餾技術快速補平
  • 開源模型追平閉源前沿模型的耗時從第一代的近兩年縮短至 Reasoning 時代的 8.5 個月,再降至 Agentic 時代的 4.8 至 6 個月
AI算力 中期

開源模型如 GLM 5.3 與 Kimi K3 在程式碼與 Agent 任務上已追平閉源前沿,Token 消費市場 Fireworks 日處理量突破 40T Tokens。開源追趕週期按世代減半使模型層面臨商品化疑慮,長期恐壓抑前沿實驗室利潤空間

Agentic 時代商業競爭:Anthropic Claude Code 產品化優勢與生態護城河

  • Anthropic 專注於模型與終端 harness 的深度整合,帶動 ARR 增加逾 650 億美元,凸顯 Agent 產品化對商業變現的關鍵作用
  • OpenAI 與 Anthropic 在 Agentic 時代模型發布週期壓縮至平均 51 天,但公開基準測試分數容易被過度優化,實際生產力仍取決於產品生態
AI應用 看多 長期

極致的 Agentic 工作流與 harness 產品化成為軟體開發與知識工作的核心引擎,推動 Anthropic 營收爆發性成長。純模型能力易被開源追平,結合終端 harness 的 Agent 生態系才是長期商業價值的核心護城河

軟體股 看多 中期

隨著開源模型成本急劇下降與推理 API 用量暴增,AI應用 開發者顯著受益於軟體生產力提升與門檻降低。模型層成本降低促進上層 Agent 應用加速落地,軟體工作流與應用端成為主要價值捕捉者