闭源模型
只暴露推理接口给用户的AI模型，权重不公开，内部结构不可见。优势是开箱即用、性能稳定、有官方支持，代价是推理按量付费、数据经第三方、难以深度定制
核心事实
时间轴 (近 90 天)
大多数闭源模型的服务条款明确禁止逆向工程、提取模型权重或使用输出训练竞争模型。
闭源前沿模型在连笔手写轨迹恢复任务上明显优于开源模型，且该排名在 IAM-OnDB 数据集上同样成立。
在LLM环节，Reimer倾向于开源权重模型，核心理由是可控性；闭源前沿模型存在速度可能随生命周期下降、未必照顾P99延迟等结构性问题。
对于开放权重模型，研究者可以检查其训练数据、注意力模式，甚至复现特定 token 序列的生成过程；而对于闭源模型，任何行为观察都只能基于输入输出接口，无法进行深层取证。
开源本地模型与顶级闭源模型之间仍存在可感知的差距。
Nathan Lambert提出开放与闭源模型处在不同的指数时间尺度上：闭源实验室高度整合，能率先进入高价值市场（如编码），收入从零到千亿美元级；开源生态因信息流动不畅和缺乏规模经济而发展更慢。
Andreessen 认为开源模型与闭源模型的差距大约在六个月到一年之间。
在成本-质量图的帕累托前沿上，几乎全是闭源模型，本地方案整体位于前沿内侧，属于被支配的选择。
闭源模型降价有底线，因为要养活商业组织；开源模型的成本结构由社区和硬件效率决定，降价空间完全不同。
在金融、医疗等对数据主权敏感的行业，闭源方案依然具备信任溢价
还有 40 条时间轴事件
全部知识事实 (20)
开源模型通常指模型权重可公开下载、允许自由使用和修改的AI模型，与仅通过API调用的闭源模型相对。
80%已验证GPT-4 和 Claude 是封闭模型，用户只能通过付费API调用，无法直接获取模型参数
75%已验证开源模型在部分复杂推理和长上下文任务上与头部闭源模型仍存在差距
65%已验证开源模型能力正在快速逼近闭源模型的水平，价格战持续压缩利润空间
65%已验证闭源API模型可以通过服务端过滤、使用监控和速率限制来控制滥用，而开源模型无法强制执行管控
65%待验证NousResearch在LLaMA、Mistral等开源基座模型之上通过微调策略打造适配Agent工作流的模型变体
85%待验证闭源模型的安全测试往往依赖公司内部团队，外部研究者只能通过API进行有限的黑盒测试
70%待验证开源模型过去在性能上通常落后闭源模型6到18个月
60%待验证大多数闭源模型的服务条款明确禁止逆向工程、提取模型权重或使用输出训练竞争模型。
50%待验证闭源前沿模型在连笔手写轨迹恢复任务上明显优于开源模型，且该排名在 IAM-OnDB 数据集上同样成立。
50%待验证在LLM环节，Reimer倾向于开源权重模型，核心理由是可控性；闭源前沿模型存在速度可能随生命周期下降、未必照顾P99延迟等结构性问题。
50%待验证对于开放权重模型，研究者可以检查其训练数据、注意力模式，甚至复现特定 token 序列的生成过程；而对于闭源模型，任何行为观察都只能基于输入输出接口，无法进行深层取证。
50%待验证开源本地模型与顶级闭源模型之间仍存在可感知的差距。
50%待验证Nathan Lambert提出开放与闭源模型处在不同的指数时间尺度上：闭源实验室高度整合，能率先进入高价值市场（如编码），收入从零到千亿美元级；开源生态因信息流动不畅和缺乏规模经济而发展更慢。
50%待验证Andreessen 认为开源模型与闭源模型的差距大约在六个月到一年之间。
50%待验证在成本-质量图的帕累托前沿上，几乎全是闭源模型，本地方案整体位于前沿内侧，属于被支配的选择。
50%待验证闭源模型降价有底线，因为要养活商业组织；开源模型的成本结构由社区和硬件效率决定，降价空间完全不同。
50%待验证在金融、医疗等对数据主权敏感的行业，闭源方案依然具备信任溢价
50%待验证闭源模型跨云分发仍处于早期阶段。
50%待验证企业可以通过AI网关实现混合部署，将高频简单任务导向低成本开源模型，复杂任务交给闭源模型。
50%