Список литературы по Open-Source AI и открытым моделям

Нейтан Ламберт опубликовал этот список в interconnects 11 сентября 2026 года при подготовке материалов по политике в сфере открытых моделей и обновил его два дня спустя. Собственного текста в нём немного - по одной строке пояснений на ссылку, - однако выбор источников и эти комментарии отражают чёткую позицию, а vault вобрал в себя почти все упомянутые материалы. Эта страница служит путеводителем по ним.

Список разбит на три части. В первой рассматривается, что такое открытые модели и зачем их вообще выпускают. Во второй - кто лидирует среди открытых моделей и как Китай занял это положение. В третьей разбираются три спорных вопроса 2026 года: насколько открытые модели отстают от проприетарного фронтира, как они влияют на киберриски, а также дистилляция.

Примерно треть ссылок ведёт на собственные статьи Ламберта, главу из его книги, доклад или проекты под его руководством. Он прямо подписывает каждый такой пункт, и об этом важно помнить: перед нами список от непосредственного участника индустрии - он создаёт olmo в AI2 и запустил ATOM Project, - а не нейтральный обзор.

Зачем существуют открытые модели

Статьи о стратегии написаны с совершенно разных позиций. В работе Билла Гёрли from-open-source-software-to-open-source-strategy подробно разбирается, как бизнес исторически использовал открытое ПО, и через эту призму оценивается ИИ. open-source-ai-is-the-path-forward - аргументация Марка Цукерберга в пользу Llama от июля 2024 года, которую Ламберт называет одним из самых понятных объяснений того, зачем компаниям открывать веса (о дальнейших действиях компании см. meta-platforms). В статье Айрин Солайман gradient-of-generative-ai-release противопоставление "открытый против закрытого" заменяется градацией вариантов релиза - по лицензии, стоимости запуска и доступу к данным.

Сам Ламберт считает, что открытым моделям стоит перестать гнаться за фронтиром и сосредоточиться на небольших специализированных моделях, которые закрытые агенты вызывают как инструменты - элементах собственных корпоративных пайплайнов (what-comes-next-with-open-models). Кристиан Каталини в some-simple-economics-of-open-versus-closed-ai приводит похожие аргументы, опираясь на историю интеллектуальной собственности. Ещё два эссе Ламберта формируют ожидания: открытые модели продолжают отставать по чистой производительности (open-models-in-perpetual-catch-up), а кривая их внедрения устроена иначе и растёт медленнее по сравнению с закрытыми моделями (open-and-closed-models-are-on-different-exponentials).

В вопросах безопасности список сопоставляет позицию одной из лабораторий с мнением скептиков. a-safe-path-to-open-weights от Thinking Machines Lab - выбор Ламберта в качестве примера того, как выпускать мощные веса, не пренебрегая безопасностью. В работе societal-impact-of-open-foundation-models (Kapoor, Bommasani et al., 2024) исследуется предельный риск (marginal risk). Ламберт трактует её как доказательство того, что текстовые модели почти не добавили рисков; собственный вывод статьи у́же: большинство предыдущих исследований злоупотреблений были слишком неполными, чтобы вообще измерить предельный риск. Флориан Бранд в myth-of-unsafe-open-source-ai доказывает, что защитные барьеры закрытых моделей обходятся настолько регулярно, что реальный вред в первую очередь исходит как раз от закрытых систем. consent-in-crisis-ai-data-commons фиксирует упадок общедоступных веб-данных, который Ламберт называет главным препятствием для по-настоящему открытых исследований.

Раздел завершается китайскими релизами, изменившими расстановку сил, - kimi-k3-open-weights-escalation и glm-5-2-step-change-for-open-agents, - а также докладом Ламберта на The Curve 2025, lambert-china-ai-ecosystem-open-model-gap, подводящим итоги 2025 года. Данные по внедрению в разрезе стран собраны в atom-report-open-model-ecosystem. Ещё две ссылки - дашборд внедрения Interconnects и Artifacts Hub с ключевыми моделями - представляют собой динамические страницы с данными и не импортировались.

Кто лидирует и почему Китай

Американская сторона представлена проектом Ламберта ATOM Project (atom-project-american-truly-open-models), где утверждается, что США обязаны финансировать открытые модели ради исследований и инноваций, поскольку Китай опережает по числу релизов. Вокруг этого выстроены why-i-build-open-language-models, banning-open-source-ai-would-be-a-mistake (совместно с Кевином Сюй) и six-months-to-live-for-open-models, где предсказывается, что размытое федеральное регулирование на уровне ощущений ("vibe regulation") ведёт к конфликту с передовыми открытыми моделями или их запрету. Это естественное дополнение к статье Тома Бедора arguments-against-open-source-ai, которая уже была в vault. В качестве технически безупречных примеров полной открытости Ламберт приводит технические отчёты pythia-suite-for-analyzing-llms, olmo-accelerating-the-science-of-language-models, olmo-2-furious и olmo-3-technical-report.

Китайская сторона берёт начало ещё до ИИ. Кевин Сюй в chinese-open-source-a-definitive-history и chinas-structural-advantage-in-open-source-ai объясняет, почему open source стал в Китае национальной привычкой. notes-from-inside-chinas-ai-labs Ламберта рассказывает о том, как сами китайские лаборатории описывают свою работу, glm-5-3-how-chinese-labs-keep-stride объясняет, за счёт чего они держатся наравне с американскими, а материал ChinaTalk zai-playbook формулирует дисциплину релизов z-ai в одну строку: "Выпускай быстро. Мы открываем исходники в течение нескольких часов". Так обстояли дела в ноябре 2025 года. К моменту GLM-5.3 лаборатория перешла к поэтапным релизам: сначала доступ партнёрам по безопасности, а веса - только после проверок безопасности (glm-5-3-how-chinese-labs-keep-stride).

Раздел завершается последствиями для США. Законодатели предъявляли претензии DoorDash, Airbnb, Anysphere (Cursor) и Apple по поводу использования китайских моделей, тогда как Perplexity и Thomson Reuters перешли на DeepSeek R1 и Qwen ради сокращения расходов. us-scrutiny-of-chinese-model-use собирает доступные репортажи на эту тему. Статьи Bloomberg, Reuters и Forbes отклонили все попытки загрузки и указаны на той странице в непрочитанном виде.

Отставание, кибербезопасность и дистилляция

В 2026 году Ламберт оценивает отставание открытых моделей от закрытых примерно в четыре-шесть месяцев и отмечает, что с 2024 года все ведущие открытые модели - китайские. Его собственная оценка менялась в течение года: около шести месяцев в феврале, от шести до восемнадцати в марте, три-пять после выхода Kimi K3. При этом оценки расходятся даже по направлению динамики: SemiAnalysis видит сокращение разрыва, Ховард Твейт Иле (Håvard Tveit Ihle) на закрытых бенчмарках фиксирует его расширение со времён R1. open-closed-model-gap - концептуальная страница vault, посвящённая этому тезису и стоящим за ним измерениям: независимым оценкам SemiAnalysis (are-open-models-catching-up), анализу публичных и закрытых данных от Ховарда Твейта Иле (how-far-behind-are-open-models), а также тезису о том, что открытые модели определяют ценовой фронтир, не удерживая фронтир производительности, на примере DeepSeek V4 Flash (deepseek-v4-flash-0731-artificial-analysis, deepseek).

Блок про кибербезопасность откровенно не завершён ("планирую развить это дальше"). Имеющиеся материалы выступают против ограничения доступа как главного инструмента. Джошуа Сакс в openai-huggingface-incident-autonomous-hacking пишет, что у злоумышленников всегда будут достаточно сильные открытые модели для хакерских атак. В national-ai-cybersecurity-policy он призывает государство отслеживать угрозы и реагировать на них, а не блокировать модели на основе внутренних тестов возможностей. Хелен Тонер в nonproliferation-is-the-wrong-approach-to-ai-misuse утверждает, что интеллект выше определённого порога невозможно удержать под замком, поэтому обществу нужно готовиться к последствиям его доступности.

Дистилляция - обучение на сгенерированных токенах другой модели - занимает самый объёмный раздел, поскольку Ламберт называет её наиболее богатой на события темой 2026 года в контексте открытых моделей. Страница концепции в vault - llm-distillation. Список выстроен от предыстории (глава о синтетических данных из его книги по RLHF, rlhf-book-synthetic-data-distillation) через тезис о том, что дистилляция помогает китайским лабораториям, но вовсе не обесценивает их собственные результаты (how-much-does-distillation-matter-for-chinese-llms, the-distillation-panic, how-distillation-is-used-today), до прямых доказательств: stealing-reasoning-traces-from-proprietary-llm-apis показала, что API фронтирных моделей раскрывали скрытые цепочки рассуждений (reasoning traces), а в отчёте Anthropic anthropic-threat-report-september-2026 сообщалось об использовании этой техники китайскими лабораториями и описывались случаи, когда подсанкционные структуры перенаправляли трафик Claude в собственные продукты.

Раздел заканчивается корректировкой, которую стоит зафиксировать. В frontiers-in-synthetic-data (2024) Ламберт называл SFT на ответах более сильной модели доминирующей формой дистилляции, отмечая, что фронтирные лаборатории переходят к дистилляции знаний на основе логитов (logit-based knowledge distillation). В апреле 2025 года он уверенно писал, что DeepSeek не дистиллировала o1 от OpenAI для создания R1. В свете результатов по извлечению цепочек рассуждений он теперь признаёт: вероятность того, что DeepSeek задействовала часть трейсов o1 для упрощения обучения R1, заметно выше, чем он предполагал ранее. Он не считает, что это отменяет инновационность работы, но отказывается от прежней категоричности.

Чего в списке нет

Пробелы здесь те же, что прямо или косвенно называет сам Ламберт. Киберриски даны в виде заготовки. Биологические и химические угрозы (uplift) - вторая половина большинства споров о безопасности открытых весов - не затронуты вовсе. Европа, Mistral и открытые веса от американских проприетарных лабораторий почти не упоминаются, из-за чего всё выглядит как противостояние США и Китая. А поскольку значительная часть списка состоит из собственных публикаций автора, противоположная позиция - о необходимости ограничить передовые открытые веса - представлена в основном как объект полемики.