---
id: "2070909773776597461"
title: "中共国近日发布了开源模型 GLM 5.2，性能直逼 OpenAI 和 Anthropic 的顶尖闭源模型。 这事让美国的…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
percentile: null
published_at: "2026-06-27 16:46:26"
translated_x_url: "https://x.com/i/status/2070925213542265289"
reason_tags: []
canonical_url: "https://mubeitech.com/p/2070909773776597461"
markdown_url: "https://mubeitech.com/p/2070909773776597461/markdown"
json_url: "https://mubeitech.com/api/posts/2070909773776597461"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 中共国近日发布了开源模型 GLM 5.2，性能直逼 OpenAI 和 Anthropic 的顶尖闭源模型。 这事让美国的…

中共国近日发布了开源模型 GLM 5.2，性能直逼 OpenAI 和 Anthropic 的顶尖闭源模型。
这事让美国的 AI 实验室集体陷入了焦虑。
这无关“东风压倒西风”的宏大叙事。
“作弊小抄”正在重塑整个 AI 商业护城河。

投资人 Gavin Baker 揭秘了他们是怎么做到的。
核心只有两个字：蒸馏（Distillation）。

什么是蒸馏？
想象一个塞满手机和电脑的群控机房。
成千上万个账号挂在云端 API 上，用极度具体的问题去拷问那些昂贵的闭源模型。
然后，把这些顶尖模型吐出来的"推理痕迹"（Reasoning Traces）全部打包收集起来。

这就是拿着满分学霸的解题步骤来给自己抄。
把这些步骤喂给自己的模型做强化学习，就能用极低的成本，无限逼近行业的最前沿。
这在过去很长一段时间里，是行业内公开的秘密。

但最关键的转折点来了。
一旦这个开源模型通过"抄作业"跨过了临界点，它就具备了独立进行强化学习（RL）的能力。
潘多拉的魔盒，自此被彻底打开。

这真正动摇的，是硅谷闭源巨头们的算盘。
未来的企业 AI 架构不再是单选题，将演变为所谓的"LLM 委员会"（Council of LLMs）。
每个企业都会拥有一个顶级闭源模型，同时搭配一个本地化的开源模型。
80% 以上的日常调用会直接交给极低成本的开源模型，只有最难的 20% 才会去调用闭源大厂。

闭源实验室砸下百亿美金研发，最终却要面临定价权和分发秩序被彻底改写的现实。
价值正在从前沿实验室的溢价，快速向基础设施和开源生态转移。
这无关阵营的输赢，这是商业护城河的重定价。

---

_Translation: <https://x.com/i/status/2070925213542265289>_
_Canonical: <https://mubeitech.com/p/2070909773776597461>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-06-27 16:46:26_