关于2026年5月后续发展的一些构想

背景与问题

AI能力的持续跃进正伴随一系列深远影响，包括工作方式变革、经济效应显现及真实世界风险凸显。2026年将是这一进程持续加速、不再有缓冲期的一年。当前讨论的核心矛盾在于：尽管开源模型在基准测试上不断进步，但其在复杂代理任务的实际效用上，与顶尖闭源模型（如Claude Code、Codex）存在显著且可能被低估的差距。这一差距决定了资源流向、行业格局与未来模型的开发路径。

核心内容

文章通过三个紧密相关的预测，系统阐述了其对AI现状与未来的判断：

1. 开源模型的“代理时刻”尚未到来，且将持续滞后。

   • 关键标志：2025年12月Opus 4.5在Claude Code中的表现，定义了闭源模型在代理能力上的新高度。
   • 时间预测：作者认为，开源模型要达到同等性能水平，可能需要12个月以上，远超过去开源与闭源模型5-6个月的通常差距。
   • 原因：前沿闭源模型的鲁棒性（Robustness）构成了一道护城河，这比可量化的基准分数更能决定实用价值。

2. 巨头缺位印证差距，经济引擎已确立。

   • 例证：连Google（Gemini）也缺乏能真正与Claude Code和Codex匹敌的有意义竞争产品。这进一步佐证了顶尖闭源模型在代理能力上的领先优势。
   • 市场分化：开源模型将更多地应用于自动化、企业级代理和低成本领域，而非驱动知识工作革命。而Claude Code和Codex这类代理工具，已被视为实现AI大规模收入增长的当前最佳路径，这决定了资本和研发资源的流向。
   • 趋势：面对此局面，包括中国在内的实验室可能会放弃与顶级闭源模型全面竞争，转而专注于特定领域或产品。

3. 短期内不会出现开源版的“神话”（Mythos）级别模型。

   • 现状：Mythos被视为在软件工程和网络安全等特定领域实现重大突破的标志性模型。
   • 障碍：文中提及的中国大型开源MoE模型实验室（如Kimi、DeepSeek等）资源严重受限，缺乏扩展训练流程的直接路径。即使是资源更雄厚的企业（如阿里巴巴、字节跳动），其发展重心也可能不在此。

意义与影响

这些趋势将共同塑造AI行业的未来格局：

• 行业分化加剧：AI发展将出现清晰分层。闭源前沿模型凭借卓越的代理能力，将继续引领高价值、高复杂度的知识工作，并成为商业收入的主要引擎。开源模型则会在成本敏感型应用和垂直领域深度应用中占据优势，但其创新节奏可能被压制。
• 创新模式转变：“拥有最强通用模型”的竞赛，正在向“在特定领域打造最强大、最易用的代理工具”转变。衡量成功的标准从基准测试分数，日益转向实际应用场景中的可靠性、易用性和经济性。
• 地缘与战略影响：资源限制迫使部分实验室（特别是中国的实验室）放弃在最前沿进行“军备竞赛”，转而寻求专业化、垂直化或与现有产品生态结合的生存发展之道。这可能会降低全球AI前沿研究的集中度，但同时也在细分市场催生多样化的解决方案。