Nathan Lambert 谈开源模型经济如何取胜
New talk on the open model economy. I wanted to break down the case of where open model builders should steer the economics of the industry, if we want to avoid
AI 导读
Nathan Lambert 在 Fireworks Forge 2026 的演讲《How Open Models Win》中提出，开源模型构建者应把推理成本在专门化、重复性任务上大幅压低，而非在通用智能体上与前沿实验室拼成本。他指出开源模型经济高度碎片化，如何让应用收入回流到下一轮模型迭代是近期必须解决的问题。演讲还讨论了开源模型的使用情况、与前沿模型的差距及生态图谱。
正文 · AI 翻译
关于开放模型经济的新演讲。我想剖析这样一个问题：如果我们想避免在适当的时候被 OpenAI 和 Anthropic 吞并，开放模型构建者应当如何引导这个行业的经济走向。这完全取决于能否在专门化、重复性的任务上大幅压低推理成本，而不是试图在任何通用智能体上与前沿实验室拼成本。
其中的一个核心问题是，开放模型经济非常碎片化，留下了一个有趣的难题，我们需要解决它，才能让来自应用的收入回流到下一轮模型周期。随着闭源实验室快速扩张，这是一个非常近在眼前的问题。
本次演讲探讨： 人们在使用开放模型吗？ 开放模型距离前沿有多近？ 绘制开放模型经济图谱 开放模型如何取胜
这是我在旧金山 Fireworks Forge 2026（2026 年 11 月 3 日）演讲《How Open Models Win》的练习录像，正式版本将在此基础上有所改进。