Open models recap: more on Kimi K3, Qwen 3.8, Xi's WAIC — Nathan Lambert 与 Florian Brand 讨论开源模型最新进

• Kimi K3 在代码生成上接近 GPT-4 水平，但代码更简洁易读，不过仍落后于 Codex 等前沿模型。这意味着开源模型在特定任务上可通过后训练快速缩小差距。
• 中国模型（如 Qwen、DeepSeek）的快速进步得益于数据、环境及实验室生态，而美国开源生态相对分散。这暗示开源模型的发展正受地缘政治和资源分配影响。
• 关于开源与闭源模型的性能差距，不同基准测试结果矛盾，实际差距取决于具体任务（如编程）。开发者应关注任务相关性而非单一基准，后训练可大幅提升模型在特定领域的表现。

原文：Open models recap: more on Kimi K3, Qwen 3.8, Xi's WAIC speech, distillation, the open-closed gap, and what's next · 作者 Nathan Lambert