德銀研究發現,對於約 90% 的例行任務,開源權重模型的表現已與閉源旗艦模型 不相上下。閉源模型的品質優勢僅存在於極少數最困難、最前沿的基準測試上——而非普遍的真實生產工作負載。
更廣泛的產業數據也支持這一觀點:在像程式碼生成這樣的特定生產任務中,閉源模型的基準測試差距(10%-15%)到了實際生產環節,差距即縮小至僅 2%-5%。
德銀的研究與獨立研究機構的發現一致:開源權重模型落後閉源旗艦模型的時間已大幅壓縮——從過去的數年差距,到2026年中僅剩 3 到 4 個月。EpochAI 同期發布的分析更指出,在其整體能力指數上,這個落後時間僅約 3 個月,平均分數差距約 7 分。
這種「階段性轉變」體現在模型發布節奏上:2024 年還是每六個月發布一次,到了 2026 年第一季已加速到每 72 小時就有一個新模型問世。這意味著任何閉源模型的性能優勢,都極其短暫。
德銀特別強調,這 並非地理上的鴻溝(例如美國 vs. 中國)。成本與性能的壓縮是一個 結構性的全球現象,由來自多個地區的開源權重模型共同推動——包括中國的 DeepSeek 和智譜 AI(Zhipu AI)、美國的 Meta(Llama)以及其他業者。
報告指出,區隔的軸線是「開放 vs. 封閉」,而非「東方 vs. 西方」。DeepSeek 在 2025 年初的突破,正是舊有地理框架瓦解的關鍵時刻。
德銀認為,這項動態可能 觸發市場對 AI 資產的重新評估。關鍵影響包括: