「蒸餾能讓中國追上」的辯論補上機制細節：蒸餾在教「人格」的階段有效，在長「能力」的階段難得多。

本篇出自 2026年7月23日 晨報

本報 7/22 期主線第 3 點寫過 Lambert 反駁流行蒸餾敘事的發言；今天他在播客長談裡把機制攤開：蒸餾（拿強模型的輸出當教材）確實用於監督微調階段，也就是模型「學禮貌、學人格」之處；但能力真正養成在強化學習階段，而那個階段蒸餾難得多——大型強化學習訓練要跑數千萬次嘗試（引 Thinking Machines 自述其近期一次訓練約 2,000 到 4,000 萬次），拿最強模型逐次打分「貴到瘋狂」且可能成為時間瓶頸。他也誠實承認未解之處：「就算給我魔法 API 拿到最強模型的推理過程，我不知道拿去微調自家模型會不會更聰明——這是最狂的未解研究問題之一」(Interconnects，07-22)。這條落在本報追蹤的一條路線之爭上：

本報 7/14 已裁的判讀（本期沿用、非今日新裁）：「買推理時的思考時間」與「蒸進小模型」按工作型態並存分化——開放性問題買思考，窄域高頻任務蒸小模。什麼會推翻它：蒸餾小模型在開放性任務追平前沿「買思考」模型，判讀作廢；反向若蒸餾模型在窄域外頻繁崩壞，蒸餾路線縮回。檢核期限 2027 年 7 月中。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…