待验证50% 置信观点精确时间
Nathan Lambert认为预训练科学本身门槛并不高，不需要花十亿美元就能得到一个很好的基础模型；许多新创公司基于Megatron等开源工具分叉训练模型。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
开源模型能追上OpenAI吗？Nathan Lambert深度解析
youtubea16z2026/10/14
涉及实体
相关事实
待验证基础模型指通过海量数据预训练、具备通用能力的 AI 大模型，如 GPT、Claude、Gemini 等，训练和推理成本极高，通常只有大厂和少数头部创业公司能负担。72% 相似待验证前沿模型的训练成本极高，往往需要数万块专用加速芯片和海量高质量数据，因此全球只有少数几家机构具备持续投入的能力71% 相似待验证对学生而言从零训练一个大模型既不现实也不必要，应把强算力用在需要大量实验迭代的方向，如评测、对齐实验或超参数搜索69% 相似待验证从头预训练需要海量数据和极高算力，通常只有大型实验室能承担69% 相似待验证训练2.8万亿参数模型代价高昂，便宜和开源并不等于不需要算力，算力需求从闭源巨头向分散的企业定制场景转移69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1096957API
curl https://kongchang.com/api/v1/knowledge/claims/1096957MCP
get_claim(id=1096957)