報告指出,九成日常任務上開源模型嘅表現同頂級封閉模型係差唔多嘅 。真正有意義嘅性能優勢只喺最難、最尖端嘅測試之中先體現到,日常大量實戰場景幾乎用唔著。實例嚟講,以寫 code 呢類常見任務,benchmark 差距 10–15%,落到真正生產環境就縮到得返 2–5% 。
德銀嘅發現同其他獨立研究吻合:開源模型追落後嘅速度驚人,由以前幾年以上嘅差距,到 2026 年中已經壓縮到得返 3–4 個月 。EpochAI 同期分析顯示,兩者能力指數平均分差只有 7 分左右,落後時間約 3 個月 。Release 節奏由 2024 年嘅每半年一次,到 2026 年第一季變成每 72 小時就有一個新模型,所有頂級優勢都好快就會被人超越 。
德銀特別強調,呢個唔係「美國 vs 中國」嘅地緣政治問題。成本性能壓縮係 全球結構性現象,中國有 DeepSeek、智譜 AI,美國有 Meta(Llama),各個地區都有開源模型在跑 。關鍵軸係「開放 vs 封閉」,唔係「東 vs 西」。報告特別提到,DeepSeek 2025 年初嘅突破係標誌性事件,令舊有嘅地域劃分失效 。
德銀認為,呢個動態可能會 觸發市場重新評估 AI 估值 。重點包括:
德銀呢份報告嘅核心訊息好簡單:AI 模型效能正快速商品化,開放模型嘅性價比已經去到令封閉模型難以招架嘅地步。將來嘅競爭焦點唔再係「邊個模型最叻」,而係「邊個可以喺合理成本下 deliver 夠好用嘅成果」。對於用家同投資者嚟講,呢個係好消息(平靚正嘅 AI 更易到手),但對現有嘅 AI 巨頭同佢哋嘅股票估值嚟講,可能係一個艱難嘅調整期。