#AI
开源追平闭源的时间每代减半
SemiAnalysis 把 LLM 历史拆成三个时代——early scaling、reasoning、agentic——逐个时代测算了开源模型追平同代前沿闭源模型所需的时间。结论是一条清晰的曲线：每一代的开源模型，追上时代首个闭源模型的时间都比上一代**缩短一半**。
推理时代 DeepSeek R1 花 8.5 个月闭合差距，到了 agentic 时代，Kimi K2.6 用 **4.8 个月**反超 Opus 4.5,GLM-5.2 用 6 个月越过 GPT-5.2。
💡 为什么值得看SemiAnalysis 用三代模型谱系算出追赶周期：从 8.5 个月压到 4.8 个月，直接影响前沿 lab 的护城河判断。
查证
来源档案
SemiAnalysis
付费订阅式行业研究通讯，以算力、半导体与前沿模型财务/能力深度分析见长
行业公认的深度研究源，数据多为一手评测（与 Prime Intellect 合作跑榜）。本报告为单源，未与其他独立分析交叉，能力分数带主观选型成分，趋势性结论可靠但具体分数应视为一家之说
延伸阅读
想要完整数据与逐时代图表（各模型复合分数、基准选择理由）的读者可看原文，文章附了每个时代的模型与基准清单，以及蒸馏如何加速 gap 收敛的解释
文章后半部分把追赶曲线外推到未来，并论证为何对前沿模型未必那幺看空——涉及 Fireworks 日处理 40T token、Anthropic $65B+ ARR 等商业化数据