本期访谈中，Sebastian Raschka与Nathan Lambert深入探讨了当前AI领域的竞争格局、开源模型的发展、大模型架构的演进以及扩展定律的未来。他们分析了DeepSeek时刻后的中美AI竞赛，比较了主流闭源模型的使用体验，并深入浅出地解释了混合专家、注意力机制等关键技术原理。
在AI技术日新月异的2026年，我们邀请了两位备受尊敬的机器学习研究者与工程师——Sebastian Raschka和Nathan Lambert，与Lex Fridman一同深入探讨当前人工智能的前沿状态。对话从引爆行业讨论的“DeepSeek时刻”切入，剖析了中美在AI研发与产品化层面的激烈竞争。两位嘉宾从自身实践经验出发，分享了对ChatGPT、Gemini、Claude等主流闭源模型的看法，以及如何在不同任务中选择和使用它们。访谈的核心部分转向技术深水区，详细拆解了自GPT-2以来Transformer架构的演进、混合专家（MoE）等关键技术的作用，并对扩展定律的过去、现在与未来进行了乐观而审慎的评估。
展开「深读」看每一段讨论的问题与论据。
讨论的问题：DeepSeek时刻如何改变了AI领域的竞争格局？
论据 / 案例：2025年1月，中国公司DeepSeek发布了开放权重的R1模型，据称以更低的计算成本实现了顶尖性能，震惊业界。
讨论的问题：在国际AI竞赛中，谁是赢家？是美国公司还是中国公司？
论据 / 案例：DeepSeek赢得了开放权重模型爱好者的心，但Anthropic的Claude Opus 4.5在编码领域也获得了极高的关注度和实际应用。
讨论的问题：你认为哪个模型会赢得2025年和2026年？
论据 / 案例：GPT-5的“路由器”功能帮助OpenAI节省了大量GPU成本；Google在TPU和数据中心方面拥有历史成本优势。
讨论的问题：用户究竟更需要模型的智能还是回答的速度？
论据 / 案例：Sebastian提到为紧急任务使用非思考模式快速生成bash脚本；Nathan则只使用思考模式进行信息查询，因为他认为非思考模式的错误率更高。
讨论的问题：在编程中，你们目前使用什么工具？
论据 / 案例：Sebastian使用VS Code的Codex插件，因为它在辅助和完全接管之间取得了平衡；Nathan则偏好Claude Code，以练习宏观层面的设计思维。
讨论的问题：当前开源大语言模型的生态是怎样的？哪些模型脱颖而出？
论据 / 案例：被提及的开源模型包括：DeepSeek、Qwen 3、GPT-OSS、Mistral、Gemma、Nvidia NeMo Tron、AI2的OLMO、Hugging Face的SmolLM等。
讨论的问题：模型开源爆炸式增长背后的动机是什么？
论据 / 案例：许多美国科技公司出于安全考虑，不会为中国公司的API订阅付费，这为中国开源模型创造了市场机会；像Llama这样的模型有用户数量限制条款。
讨论的问题：从GPT-2到今天，模型架构发生了哪些根本性变化？
论据 / 案例：架构演进例子包括：从多头注意力到分组查询注意力、引入混合专家层、将层归一化替换为RMS归一化、改变非线性激活函数。
讨论的问题：扩展定律在预训练、后训练、推理等各阶段是否仍然成立？
论据 / 案例：DeepSeek预训练成本约500万美元；Gemma 3的预训练租用集群成本约200万美元；新超算集群的建设周期长达两到三年。