一项针对生命科学临床与监管场景的基准测试ClinReg显示，开源权重大语言模型在准确率上已追平顶尖闭源模型。测试中，GLM 5.2、Kimi K3等开源模型在监管和临床任务上的表现与GPT 5.6 Sol等商业模型的差异落在一个标准差以内，而推理成本仅为后者的三分之一。研究还发现，不同模型呈现出截然不同的错误模式，这意味着在实际部署中，单纯依赖排行榜排名并不明智，应依据具体的任务需求选择最匹配的模型。这一趋势将深刻影响制药企业、医疗器械公司及AI服务商的模型选型策略，同时为受严格合规约束的行业提供了更经济、更自主的AI落地路径。