Kay拆解Harvey：开源模型击败闭源大模型

我在AI 训练和推理这行干了很多年，最近越来越觉得，机会正在往两个方向转移 为了让所有人都能理解这个趋势，我拆解了一家Harvey的 AI 律师公司，他们用开源模型在特定领域 GLM 击败了 Fable5 和 GPT-5.6，我认为是个趋势 本来写了一篇长文来科普，后来觉得字数��多，于是 做了一个教学 Skill 工具，把写好的稿子变成一个音频同步的视频 如果你想转行，我很推荐两个方向 > 一个是后训练，也就是拿一个已经很聪明的模型，在明确的任务、工具和成本约束下，再针对这条生产线加练一遍 > 另一个是AI 推理，其实两者不分家 ， 最后自己读一遍都觉得，这么多公式和缩写，谁会看完呢？我自己文字读多了都觉得累。所以干脆换个办法，把它做成了一个不到十分钟的小视频，一边讲，一边在白板上把图画出来。

视频放在下面 视频里我按一堂课的顺序讲了下面这些 1. 为什么通用模型在一条具体生产线上不是最优，后训练到底在修什么 2. 开放权重和闭源的区别 3. 监督微调和 GRPO 各管什么，GSPO/GRPO/LoRA 的应用差异 4. 在垂直领域，开源模型 overall 是如何击败闭源模型的？这个视频是我自己搭的一个小工具做出来的，逐字稿进去，配音和白板动画自动出来，讲到哪句画到哪步。工具还在打磨，做顺手了再拿出来细说。