SEMICONDUCTOR / AI INVESTING14 SEP 2026

半导体与AI投资 69｜补 64：长而难的活也在被追上，差距从 12 分缩到 3 分，靠的是后训练

第 64 篇把「开源只落后前沿约四个月」拆成了两半：短而易、能判卷的活，开源已经追平；长而难的活，还差一截。10 月 23 日月之暗面发布的 Kimi K3.1 Pro，让后半句站不太住了。这一篇把那半句改过来，再看剩下的领先守在哪里。

长而难的活也在被追上，而且追上的办法不是造一个更大的模型，是在旧底座上加练。后训练这一层的领先留不住；还留得住的，在预训练、实验室里没拿出来的模型，和判不了卷的活。

差 3 分

原来差 12 分

加练

不换底座

三处

剩下的领先

SEMICONDUCTOR / 01

一、先打个比方：同一辆车，换了个更好的教练

两个车手开同一款车。一个是车队的头号车手，另一个开的是上一年的旧车，但请了一个更狠的教练，一圈一圈地陪练，每跑完一圈就复盘哪里慢了。一个赛季下来，旧车的单圈成绩追到了只差零点几秒。

机制相同的地方在于：车决定了上限，教练决定了你离上限有多近。 底座模型是车，后训练是教练和陪练。

这个比方有一处不能硬套：赛车的车可以一直改，模型的底座要重新预训练才能换，而那需要几个月和巨额算力，不是加练能补的。

SEMICONDUCTOR / 02

二、发生了什么

—第三方的数。 独立评测机构 Artificial Analysis 给 K3.1 Pro 打了 55 分，全球第四，排在三款闭源模型之后。它说，等 11 月初权重公开，这会是得分最高的开放权重模型，开放权重和顶级闭源之间的分差，会从原来的 12 分缩到 3 分。

—长而难的活。 按月之暗面自己公布的成绩，在一项考长周期软件工程的测试上，它超过了 Anthropic 和 OpenAI 的最新旗舰；在一项考智能体完成任务的测试上也是第一。科学计算、部分知识推理上，闭源仍然领先。这些是厂商自测，要打折扣。

—怎么做到的。 它没有重新从头训练一个更大的模型，而是在上一代 K3 的底座上，大幅加大了强化学习的投入：让模型在几百个领域的真实或模拟任务里反复尝试，按结果调整。

—价格。 API 每百万输入 token 2 美元、输出 10 美元，比上一代降了约三分之一。

⇒ 64 篇说「长而难的还差一截」，现在要改成：长而难、但能判卷的活，也在被追上，只是比短而易的慢一步。

SEMICONDUCTOR / 03

三、为什么后训练的领先留不住

—后训练要的东西，别人也拿得到。 它要的是一个够好的底座、大量能判对错的练习题和练习环境，以及算力。底座有开源的，练习题可以自己造，算力可以买。这里没有只有一家拿得到的东西。

—能判卷的活，正好最适合加练。 第 63 篇说过，AI 进步多快，取决于它多快知道自己对不对。编程、智能体任务能自动打分，所以加练的效果最直接，追得也最快。

—旁证。 前几天一位 MIT 研究者讲过一个现象：用一种很朴素、连梯度都不算的方法，也能把十亿参数的模型后训练好。她的解读是，能力在预训练时已经备好，后训练只是在很小的范围里调。这和 Kimi 只加练不换底座，是同一个方向。

SEMICONDUCTOR / 04

四、那领先还剩在哪里

—预训练。 换一个更强的底座，要几个月、要巨额算力，不是加练能补的。这是车本身的差距。

—仓库里的模型。 第 67 篇说过，四个月量的是橱窗对橱窗。实验室内部没拿出来的模型，开源连看都看不到，也就追不到。

—判不了卷的活。 要几周后世界才给答案的决定，没有标准答案可练，加练的办法用不上。这里的领先是不是更长，仍然没有数据，还是假说。

SEMICONDUCTOR / 05

五、对产业链的含义

—大模型：卖「比别人强一点」的那部分溢价，寿命还在缩短。能留住利润的，要么是底座和仓库领先，要么是像第 64 篇说的，在判不了卷的活里靠战绩和担责。

—数据中心和芯片：后训练加练要的是大量推理和模拟算力。开源也在拼命加练，这部分算力需求是全行业的，不只来自前沿几家。这一条是推理。

—全世界角度：这次追上来的是中国的开源模型。中美在可判卷的活上的差距，正在被后训练抹平；底座和仓库的差距有多大，外面量不到。

SEMICONDUCTOR / 06

六、出现什么，说明这篇错了

—权重公开后，第三方在长周期任务上复测，K3.1 Pro 明显落后于官方自测：说明长而难的活其实没追上，64 篇原判成立。

—闭源前沿下一代发布后，分差重新拉大到 10 分以上，并保持半年：说明底座换代的领先比我们估的大。

—开源模型靠后训练，在判不了卷的活上也做出了公认的成绩：那第四节第三条就不成立。

SEMICONDUCTOR / 07

七、边界

—长周期任务的成绩是月之暗面自测，只有 Artificial Analysis 的综合指数是第三方；文中的数据来自中文报道，引用的官方博客和评测页面没有逐一打开核对。

—「后训练的领先留不住」是推理，只有一个案例和一条旁证。

—本文是行业结构判断，处在能力圈五阶的第二阶，不涉及任何个股的估值、买卖或仓位，不构成投资建议。

—作者所用的 AI 模型来自 Anthropic，它是文中被追的一方，请读者打折扣。

SEMICONDUCTOR / 08

八、三行，留着复习

—64 篇的半句要改：长而难、能判卷的活也在被追上，只是慢一步。

—追上的办法是在旧底座上加练，后训练的领先别人拿得到，所以留不住。

—剩下的领先在三处：预训练的底座、仓库里没拿出来的模型、判不了卷的活。

本篇修正本系列第 64 篇「长而难的还差一截」半句，其余判断不变。长周期成绩为厂商自测；「后训练领先留不住」为推理，只有一个案例和一条旁证。作者所用 AI 模型来自 Anthropic，是被追的一方，请读者打折扣。本篇不涉及任何个股估值、买卖或仓位，不构成投资建议。

阅读依据：DeepTech深科技《Kimi K3.1 Pro发布》（2026-10-24，作者张锦怡），引 Kimi 官方博客与 Artificial Analysis 评测页，原页未逐一打开核对；DeepTech深科技《对话MIT梁琪瑶》（2026-10-22）；本系列第 63、64、67 篇。