Nathan Lambert@natolambertAI 评分2020
#开源生态
#开源生态
今日 0 条- Nathan Lambert@natolambertAI 评分2020
赵纯想@chunxiangaiAI 评分2020- Nathan Lambert@natolambertAI 评分5151
Google Cloud: Databases精选AI 评分6565 Google Cloud 分析创业公司为何需要在前沿 API 之外搭配 Gemma 4 开源模型
Google Cloud 发文主张创业公司采用“复合 AI 栈”，用开源的 Gemma 4 处理边缘执行、高吞吐分流、任务微调和垂直场景，把 Gemini 留给复杂推理。
推荐理由：文章用三个创业案例和四类工作负载说明开源模型与前沿 API 搭配的架构取舍，适合正在做模型选型的团队参考。
Nathan Lambert: Interconnects精选AI 评分7474 Nathan Lambert 撰文解析开源权重模型格局：中国领先约 2-5 个月追赶闭源前沿
Nathan Lambert 将其给美国国会的演讲稿整理为 2026 年开源权重模型现状综述，认为中国模型（GLM-5.3、Kimi K3 等）已明确领先美国开源模型，AAII 得分 45/44 对美国最佳 26，开源与闭源前沿差距约 2-5 个月。
推荐理由：作者以自建数据和演讲稿形式梳理中美开源权重模型的差距、采用与风险，读者可获得一份少见的系统性对比视角。
Nathan Lambert: InterconnectsAI 评分6161 Nathan Lambert 整理开源 AI 与开放模型必读书单
Interconnects 作者 Nathan Lambert 公布一份开放模型研究书单，覆盖开放模型战略、中美竞争、技术细节与蒸馏争议等主题，并承诺持续更新。书单收录 Mark Zuckerberg、Irene Solaiman、SemiAnalysis、Kevin Xu 等人的文章与论文，并指出当前开源与闭源模型的差距约为 4-6 个月，2024 年前后领先的开放模型均来自中国实验室。
Andrew Ng@AndrewYNgAI 评分5050在捍卫 AI 开放性的斗争中，Marin 项目是模型训练开放性的一份珍贵示范——开放代码、数据、配方，甚至实验结果。公开分享 AI 研究曾是常态；我很感激 @percyliang 的开放实验室做法。
引用Percy Liang@percyliang🚢 Marin 535B-A23B started training this week! As usual, the whole process is open. Voyage plan: pretraining (80%) + midtraining (20%) on 18.75T tokens on 11 x GB200 NVL72 for ~3 months (2.7e24 FLOPs). Post-training will follow. Before kicking off the run, we trained a 4-rung scaling ladder from 1.6B-A61M (48B tokens) to 27.7B-A1.2B (926B tokens) to debug issues, and to make a forecast of our hero run. This is by far our biggest run, so definitely expecting the unexpected.
elsewhere articlesAI 评分4242 从「同事.skill」到「人生系统」：两个年轻 Builder 的公开实验
周天奕用 Claude 花四小时做出「同事.skill」，可将聊天记录、会议纪要等「蒸馏」成可调用的 AI 技能包，上线 5 天在 GitHub 收获 7.3k 星标，如今累计 23k，并衍生出 200 多个二创 skills。
Nathan Lambert: InterconnectsAI 评分5151 Nathan Lambert 分析开源 AI 的经济学与 Nvidia 的芯片需求策略
Nathan Lambert 撰文分析开源 AI 的经济结构，区分附带完整训练配方的开源语言模型与仅含权重和使用代码的开放权重模型，指出 Nvidia 投入 260 亿美元打造近开源 Nemotron 模型意在让更多人自建模型、扩大其芯片需求。
Nathan Lambert: Interconnects精选AI 评分7171 Nathan Lambert 解析 GLM-5.3 为何能紧跟前沿
Z.ai 发布 GLM-5.3，目前仅在 coding plan 提供，两周内将开放权重到 Hugging Face。作者认为其与 GLM-5.2 同底座、靠大幅扩展后训练提升成绩，在部分智能体编码基准上超越 Kimi K3 甚至个别超越 Claude Fable 5 或 GPT-5.6-Sol，参数约 750B。
推荐理由：作者给出了对 GLM-5.3 成绩来源的解释框架，包括发布节奏、后训练策略和 RL 数据产业等背景，可用于理解中美前沿模型竞争的成因。
Nathan Lambert: InterconnectsAI 评分6363 Interconnects 播客复盘开源模型：Kimi K3 体验、Qwen 大模型计划与蒸馏争论
Nathan Lambert 与 Florian Brand 做季度开源模型复盘，讨论 Kimi K3 发布后的使用体验、GLM 5.2 的作用以及中国模型为何能追近闭源前沿。二人反驳 Ben Thompson 关于蒸馏在 RL 阶段更有影响的说法，认为 SFT 蒸馏收益有限，并讨论了限制中国开放权重模型可能带来的网络安全防御风险。
Nathan Lambert: Interconnects精选AI 评分8282 Nathan Lambert：GLM-5.2 是开源智能体模型的台阶式跃迁
Nathan Lambert 撰文认为 Z.ai 于 6 月 13 日向 GLM Coding Plan 用户推出、6 月 16 日以 MIT 许可开源的 GLM-5.2，是首个在编码智能体场景中真正好用的开源权重模型，社区评测显示其在 Arena 智能体榜单上是唯一能与 OpenAI 和 Anthropic 最新模型抗衡的开源模型。
推荐理由：作者以亲测和社区评测为依据，把 GLM-5.2 与 DeepSeek R1 时刻类比，并展开开源与闭源差距及监管风险的独特分析。
Nathan Lambert: InterconnectsAI 评分4949 禁止开源 AI 将是一个错误
针对华盛顿近期签署 AI 模型审查行政令、国会立法提案及限制外国公民访问 Anthropic 最先进模型等监管动向，Nathan Lambert 与 Interconnected 联合撰文警告，未来若监管甚至禁止开源 AI 将是严重错误。