开源LLM能否追平闭源？编程能力逼近极限，但整体差距仍存

近期一项针对人工智能领域的深度分析引发了广泛关注，该研究探讨了开源权重大语言模型与闭源大模型之间的性能差距。基于“人工分析智能指数”的数据显示，如果仅观察单一的综合能力指标，开源模型正在迅速追赶闭源模型，且差距呈现明显的缩小趋势。通过线性拟合推算，这一差距预计将在2026年12月初归零，意味着开源模型届时将在综合能力上与闭源前沿模型持平。然而，当分析对象扩展至全部18个不同的基准测试数据集时，结论发生了显著变化。统计数据显示，开源模型在大部分基准测试上仍然保持着约5个月的滞后，且这一平均差距在统计时间内几乎是一条水平线，并未出现预期的快速缩减。值得注意的是，开源模型的进步高度集中在编程领域。在代码生成相关的能力评估中，开源模型从落后闭源模型15个月大幅缩减至仅落后1到2个月，表现出了极强的追赶势头。但在其他非编程任务中，性能提升相对有限，部分领域甚至出现了差距扩大的迹象。这项研究揭示了单一基准指标可能带来的误导性，并指出虽然开源模型在编程工具方面已具备挑战闭源巨头的实力，但实现全方位能力的“开源奇点”仍需时日。

事件分析

💡 核心观点：开源大模型在编程领域已具备挑战闭源的实力，但通用智能差距仍存，需警惕单一基准指标带来的虚假繁荣感。