开放权重模型差距缩小：新榜单、新硬件与一笔芯片交易

10月1日，The Open Weights 转载的 Artificial Analysis Intelligence Index 将智谱 AI 的 GLM-5.3 列为 20 个开放权重模型中的榜首，得分 44.8，领先月之暗面的 Kimi K3（43.6）。新模型仍在持续发布。

各榜单结果并不一致。BenchLeader 的开放权重榜在发稿前 12 小时更新，将月之暗面的 Kimi K3 排在首位，得分 66.2；智谱的 GLM 5.3 max 以 64.7 位列第二，小米的 MiMo-V2.6-Pro 以 64.5 排在第三。BenchLM.ai 的 94 个模型榜单则把 MiMo-V2.6-Pro 排在首位，BenchAlign v5.8 得分 75.5，其后是 Qwen3.8 Max 和 MiMo-V2.6-Flash。LMMarketCap 在 10月1日 06:00 发布更新，将阿里巴巴的 Qwen3.8 27B 排在 175 个开放模型的首位，谷歌的 Gemma 4 26B A4B 与 Gemma 4 31B 并列第二。

评测面板不同，冠军也不同。四个榜单唯一共同点是，排名靠前的都是中国实验室和谷歌，英伟达、Meta 和 Mistral 位置更靠后。

过去 72 小时还出现了几个尚未进入这些榜单的新开放模型。英伟达在 9月29日 发布 Kumo Tabular，这是一个用于表格分类与回归的基础模型，提供 28M 到 215M 参数三种规模。它仅用人工数据预训练，以 OpenMDW-1.1 许可证发布，可商用。公司称它在 TabArena、BeyondArena、TALENT 和 ScoringBench 上排名第一，且每个任务都不需要额外训练或特征工程。

Fermion Research 在 9月30日 发布 Phonon-2，这是一个英语语音识别模型，下载包 164 MB，其编码器将每个权重存储为约 2.1 bit。公司称它在 Open ASR Leaderboard 的七个英语数据集上平均词错误率为 5.21%，所有表现更好的开放模型体积至少是它的 5.8 倍，在 MacBook Air 上转录一小时音频约需 20 秒。权重采用 CC-BY-4.0，源自英伟达的 Parakeet TDT 0.6B v3。Bespoke Labs 在 9月30日 发布 Nimble，这是一个基于 Qwen3.5-9B 的 9B 模型，返回带概率的类型化决策而非自由文本。其 README 指出，训练样本和留出样本在 9月20日 公布，此前它们被排除在首个版本之外。

两个开放项目正在测试训练循环本身能否分布式进行。Commonsense AI 的 coop 仓库在 9月30日 更新，描述了一个约 145M 参数、在 FineWeb-Edu 上从零预训练的模型：志愿者在捐赠的硬件上运行本地 AdamW 步骤，将伪梯度以 Hugging Face pull request 的形式提交，一个无状态的 GitHub Actions cron 每五分钟用截尾均值或几何中位数将它们聚合起来。第一阶段是在 TinyStories 上的 15M 模型，已超出其 Chinchilla 最优预算完成训练。另外，PSSA 是一个用 Rust 编写、底层不含任何机器学习框架的非 transformer 语言模型。它声称在相同参数量下比 transformer 学得更快，在同一 CPU 上生成速度约为十二倍。

商业侧也有动作。OpenAI 和 Synopsys 在 9月30日 表示，双方签署了多年合作协议，旨在构建 GPT-Synopsys，这是一个用于芯片设计与验证的模型，将直接操作 Synopsys 的 EDA 工具，运行在 OpenAI 的基础设施上，客户数据不用于训练，收入由双方分成。The Register 在 9月30日 报道，OpenAI 指控与月之暗面有关的个人从 7月1日 开始进行蒸馏活动，7月24日 和 25日 出现峰值，来自 4000 多名用户的 16000 次请求，相关活动涉及 15000 多个账户，并于 7月28日 被阻断。月之暗面未回应 The Register 的置评请求。

监管机构正在关注同一批实验室。CNBC 在 9月30日 证实，美国联邦贸易委员会已对 OpenAI、Anthropic 及其他公司展开行业范围调查；《卫报》同日报道，该机构计划正式要求提供信息和作证，其中包括研究机构 Metr。OpenAI 和 Anthropic 均未向 CNBC 置评；《纽约邮报》最先报道了这项调查。9月29日，非营利组织 Legal Advocates for Safe Science & Technology 就 7月 的 Hugging Face 黑客事件在旧金山县高等法院起诉 OpenAI，寻求禁令而非赔偿。据 Ars Technica 报道，该媒体引述 OpenAI 称这起诉讼「完全没有依据」。

对今天要挑选开放模型的人来说，本周的实际教训是：没有任何一个榜单能一锤定音。各榜单排名的是不同的模型集合，而一个 164 MB 的语音模型或一个 215M 的表格模型，对某次部署来说可能比谁排第一更重要。