国产模型到底和Fable5差在哪里？

纯算法门外汉，感觉是算力卡、数据（O和A家已经形成了完整数据飞轮，国模其实说实话没起来）

从训练方法到harness工程都差很多。哦，对了，还有数据也是。

不差电力和时间。现在差用户数据的积累

用的人越多数据越多，模型越强。 所以我自己是只用国产，算是守卫一下咱们的数据主权。

参数量大小吧？主要是算力之间差距比较大导致模型参数量存在差距（纯个人想法

算力 或者说 是钱

人家一年几百亿美元可以烧，这边一年几十亿人民币

先不说算力也限制了不让买，就算不限制算力，让你随便买，这边也没那么多钱买啊

所以，这边最强模型只有不到1t的参数量，那边最强的模型至少5t，甚至可能到了10t

所以才有了glm5.2和肥波的差距

差在规模上，看看open ai和anthropic的体量就一目了然了

模型算力利用率，故障无缝断点续训，核心语料库的质量，试错成本，还有最重要的为了应对各种排行榜的负优化，真要接到复杂工作流或者复杂的提示词，指令遵从能力差距就很明显了

我觉得是参数量，你是几百b的moe，每次才调动几十b，但是a÷的模型据说不是moe，还是古法，而且据说量级在5t-10t左右，怎么比？这么大的体量+非moe，给人的感觉就是“聊天”完爆国产。（仅仅指fable的聊天）

我可以很明确地告诉你，我觉得就差在算力上。如果是在同等算力的情况下，我不觉得国内模型和国外模型差很多。国内模型就相当于在戴着镣铐在前进

算力差距是主要的，既关系到模型训练和试错能力，也关系到从用户手里收集数据的速度。

cursor是一个例子，通过自己的Code Agent，以中间商的方式，收集到极多用户与模型交互的高价值数据(相当于截流OA两家算力产生的数据)。然后基于这些数据以及美国“充足”的算力，在kimi k2.5的基础上训练，得到非常不错的composer模型。

这种半路出家“数据飞轮”都有不错效果，那么如果国内算力充足，模型在code上的能力大概率不会有代差