Open-Source AI & Open Models Reading List — 开源模型全景阅读清单：从战略、中美竞争到技术差距，一篇补齐认知

• 作者把开源模型议题拆成四块：基础认知、中美竞争、技术细节与安全风险，并逐条给出他认为最值得读的文章与出处。对开发者的含义是：想快速建立判断框架，可按这四层顺序读，而不是零散刷新闻。
• 文中给出一个具体判断：开源与闭源前沿的性能差距近年缩小到约 4–6 个月，且自 2024 年前后领先开源模型多来自中国实验室。含义是选型时"开源落后太多"的默认假设需要按时间窗口重新评估。
• 清单还收录了发布策略与合规线索，例如企业因成本从美国闭源模型转向中国开源模型的公开案例，以及立法者对相关公司的问询。含义是工具链决策已不只是技术问题，还牵涉采购与监管风险。

原文：Open-Source AI & Open Models Reading List · 作者 Nathan Lambert