63 億美元訓練的 Beam，被 Mistral Large 4 超越，開源模型不是錢多就贏

Fireship 最新一支影片講了一件事：美國 Reflection AI 花了 63 億美元訓練的開源模型 Beam，在基準測試上很快就被法國 Mistral Large 4 超過。 多數人的直覺是開源競賽比的是誰燒得起錢，美國資本最多，所以應該領先。但 Mistral Large 4 用的是混合專家架構（MoE），推論時只啟動一部分參數，運算成本比較低，Fireship 提到它在程式碼和安全漏洞偵測上表現特別好。同一天的新聞裡還有個例子：有人把 GLM-5.3-Flash 壓縮成 224 個專家、啟動 180 億參數，塞進雙卡 DGX Spark 的桌面系統。這兩件事都指向同一個方向，花大錢堆出來的優勢，很容易被架構設計追上。 Matthew Berman 的測試補了另一面。他請 Mistral Large 4 寫魔方模擬器，畫面做得不錯，但初版洗牌功能壞掉，修完之後側面能轉了，顏色卻消失。他的判斷是問題出在模型本身。所以基準測試領先，不等於你丟任務給它就能一次做對。Beam 輸在排行榜，Mistral 在實戰也沒有全贏。 我覺得這支影片最有用的是最後的選型建議，它不是按分數排名。Gaming PC 選 Gemma 4，沒有合規部門選 Kimi K3，有合規部門選 Mistral Large 4。分數不是第一個問題，你的硬體和你要過的合規關才是。Kimi K3 是 2.88 兆參數，Moonshot AI 估值據說到 500 億美元，中國在這塊的實力很扎實，但企業用不用，要看資料能不能留在自己手上。影片也提到，各國政府和企業想用開源模型，一個原因是不想依賴 Anthropic 這類外國封閉模型，看重的是資料隱私與安全。 Google Developers 那篇 AI Agents Challenge 的整理也是類似的結論。獲獎的多代理系統靠的是雙向 MCP 通訊、非同步事件匯流排、統一驗證、分層路由這些軟體工程模式，不是靠最大的模型。分層路由的意思，是簡單的任務丟給便宜的小模型，難的才叫大模型出馬，成本和延遲都會降下來。 63 億美元買得到一個很大的模型，買不到「適合你的」那個。下次選模型，先查自己的硬體和合規要求，再去看排行榜。