网易首页 > 网易号 > 正文 申请入驻

中国开源模型被“打回原形”了吗

0
分享至

中国开源模型与美国前沿AI之间的差距,正被重新评估。在Artificial Analysis将衡量AI模型综合能力的智能指数(Intelligence Index)升级到v5版后,国产模型排名集体大幅下滑,似乎一夜之间,差距被拉开了数个身位。


现在,排名靠前的几乎都是美国的前沿闭源模型,遥遥领先于中国开源模型。Kimi K3.1 Pro虽然进入前十,但尚未开放权重;Qwen3.8 Max排名第13,同样如此。真正已经开放权重的现役国产模型中,DeepSeek V4.1 Flash 1017与GLM 5.3分别排名第14和第15,得分均低于Anthropic入门款的Claude Haiku 5.5。

这与此前的排名大相径庭。就在几天前,Kimi K3.1 Pro还仅次于Claude Opus 5.5、Claude Sonnet 5.5和Muse Wonder Full。

不少人因此翻起了旧账,包括工业化蒸馏、过度拟合基准,以及惹眼的营销手段等,认为中国开源模型这次终于“现了原形”。OpenAI的战略未来主管迪恩·鲍尔(Dean Ball)就说,新版排名终于首次大致符合他的主观判断了。

变的是尺子。昨晚,Artificial Analysis大幅调整了衡量模型能力的方式。新版智能指数(Intelligence Index)首次有60%的权重来自私有测试集,新增真实世界编程任务评测FrontierCode 2.0,以及评估在终端环境中执行复杂长程科研工作流能力的Terminal-Bench-Science;同时升级了HLE(高难度知识与推理)、AA-Omniscience(知识可靠性与幻觉)和CritPt(研究级物理推理)三项测试。

而且,以前该指数的权重,通用能力(General)与智能体能力(Agents)各占三成,编码任务(Coding)与科学推理(Scientific Reasoning)各占两成;这次调整为各占25%,智能体进一步收敛为知识工作(Knowledge Work),而科学推理则泛化为科学(Science)。

显然,新版指数不只是继续重视AI编码能力,也大幅提高了对科研任务执行能力的考量。与此同时,从公开题集转向私有测试集,有助于降低模型针对公开基准优化、甚至记忆测试题目带来的干扰。

临近年底,这样的调整有其合理性。与单一的测评基准不同,衡量AI模型综合能力的“尺子”,蕴含着对未来哪些能力重要的判断。

行业对AI编程与智能体能力的追逐,已经持续了整整一年,见证了Anthropic对OpenAI的超越。但AI编程无法满足市场对AI提高生产率与创造经济价值的全部期待;AI编码的市场渗透,短期内似乎正在趋于饱和。

AI改变世界,不仅体现在重构软件开发,也体现在加速生物医学研究,将数十年的物理、化学等科学进步压缩到数年内。

在招股书里,Anthropic估算全球生物医药行业价值2万亿美元,相当可观。OpenAI与Anthropic都在推动AI进入真实科研流程,试图构建数据贯通、机器人自主的湿实验室反馈闭环。它们甚至抢在数学家与科学家前面发表了模型的独立发现。

在这个意义上,中国开源模型确实现出了自己的原形。今年以来,国内头部模型厂商在编码与智能体领域投入了大量精力。在今年夏天,全球软件从业者终于发现,GLM-5.2与Kimi-3同样变得“好用”起来,可以部分替代昂贵的前沿AI。但本土AI厂商有意无意地忽略了通用模型在科研领域的预训练与后训练。此前,DeepSeek可是专门研发过数学推理与定理证明模型。

于是,在最新的Terminal-Bench-Science基准上,中国开源模型的表现与前沿AI之间,出现了断崖式的落差。

领先闭源模型能够通过约六成的任务,而大多数中国开源模型停留在10%左右的水平。这直接影响了它们在智能指数的综合表现。而谷歌今天发布的Gemini 4 Carbon,夺回前沿模型评测榜首,很大程度上也正得益于它在数学与科学等基准上的强劲表现。


这是一个苦涩的选择。长期以来,中国AI厂商在算力获取与资本投入上都受到约束,高质量数据建设也起步较晚。

在年中一份意外流出的投资者纪要中,DeepSeek创始人梁文锋谈及与海外前沿模型的差距时,就将高质量数据标注列为关键问题之一;团队有一半研究员都在参与标注数据,需要一年时间才能较好地解决问题。这还只是高质量数据的整体瓶颈,而非专门的科学研究数据。

在投入有限的情况下,资源很自然地更集中地流向了那些已经验证了技术路径、用户需求和商业化机会的方向。站在年初的节点去看,那毫无疑问就是AI编程。

但是,如果站在年末的节点上,竞争焦点正在进一步向科研工作流延伸。如果AI能够把研究假设、实验执行和结果反馈连接起来,它的作用就不再局限于帮助人类完成任务,还可能加速产生下一轮技术进步。科研闭环与AI参与自身研发的递归进化,因而可能成为贯穿2027年的重要叙事。

当然,正如长期研究开源模型的Nathan Lambert所提醒的,开源模型的衰落被过度夸大了,一把尺子难以衡量不同模型在不同应用场景下的表现。随着AI不断向各行各业渗透,需要不同权重侧重的“尺子”,去衡量不同前沿AI的能力结构。中国开源模型在AI编程领域的性价比优势,没有因为排名方法的改变以及综合排名的下降而消失。

他还质疑,私有测试集降低了外部可审计性,也将影响行业对测评机构独立性的信任。

但前沿能力上的短板,同样不能因为AI编码的商业价值依然存在而被忽略。随着AI能力逐步向整个社会汲取与给予,中国AI模型厂商及其背后的算力、数据生态,都将迎来一次不小的挑战。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
耐人寻味!黄仁勋前脚卸任英伟达,刘强东后脚砸99亿买下欧洲1000家店,雷军同一天官宣巴黎,三件事同一天,真有那么巧吗

耐人寻味!黄仁勋前脚卸任英伟达,刘强东后脚砸99亿买下欧洲1000家店,雷军同一天官宣巴黎,三件事同一天,真有那么巧吗

老猫观点
2026-11-18 08:52:59
习惯侧睡的男人,无论朝左还是朝右,大多藏着这6个特质

习惯侧睡的男人,无论朝左还是朝右,大多藏着这6个特质

风起见你
2026-10-17 06:09:48
为什么都在宣传用了新能源车就回不去了?看网友评论:引万千共鸣

为什么都在宣传用了新能源车就回不去了?看网友评论:引万千共鸣

另子维爱读史
2026-08-04 21:35:07
中俄美三国会晤,欧洲破防了:俄罗斯没资格上桌,我们才该有一席之地

中俄美三国会晤,欧洲破防了:俄罗斯没资格上桌,我们才该有一席之地

吃瓜小侦探
2026-11-18 09:29:05
现代韦小宝?贵州男子4女伴4娃,正妻是商K公主,正脸、家境曝光

现代韦小宝?贵州男子4女伴4娃,正妻是商K公主,正脸、家境曝光

谢鵑解说
2026-10-14 11:39:22
国家统计局:10月全国城镇不包含在校生16-24岁劳动力失业率为17.2%,连续两个月下降

国家统计局:10月全国城镇不包含在校生16-24岁劳动力失业率为17.2%,连续两个月下降

澎湃新闻
2026-11-18 16:09:03
江苏原常委赵少麟:开国上将之子,退休8年因其子赵晋而入狱

江苏原常委赵少麟:开国上将之子,退休8年因其子赵晋而入狱

文史旺旺旺
2024-11-25 21:04:27
印度知名网红发文,直言中国电动飞机都起飞了,印度还在研究牛粪

印度知名网红发文,直言中国电动飞机都起飞了,印度还在研究牛粪

新游戏大妹子
2026-11-18 12:43:03
大家有没有发现?油车加200元油,大致能跑400公里,新能源电车花200元电费,可能能跑2000公里。用车成本差这么大,为什么仍有人买油车?

大家有没有发现?油车加200元油,大致能跑400公里,新能源电车花200元电费,可能能跑2000公里。用车成本差这么大,为什么仍有人买油车?

扶苏聊历史
2026-09-22 16:09:20
狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

大爱狗狗控
2026-11-18 20:48:36
彻底断供!英伟达临时CEO对外宣布:将停止向中国出货H200芯片

彻底断供!英伟达临时CEO对外宣布:将停止向中国出货H200芯片

影孖看世界
2026-11-18 23:46:42
纳斯达克给科兴控股发了退市决定函,科兴疫苗再度被热议,当年打完三针的人该怎么理性看待这件事

纳斯达克给科兴控股发了退市决定函,科兴疫苗再度被热议,当年打完三针的人该怎么理性看待这件事

磊子讲史
2026-10-24 15:31:41
六台:皇马可能会接受1.5亿欧以上出售维尼修斯,枪手正在关注情况

六台:皇马可能会接受1.5亿欧以上出售维尼修斯,枪手正在关注情况

懂球帝
2026-11-18 22:54:05
当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

阿器谈史
2026-10-18 16:00:56
“保不住香港,我们以死谢罪!”,解密惊心动魄的香港经济保卫战

“保不住香港,我们以死谢罪!”,解密惊心动魄的香港经济保卫战

文史道
2025-02-18 20:31:56
俄罗斯战略智库:从人类历史来看,中国是经验最丰富的超级大国

俄罗斯战略智库:从人类历史来看,中国是经验最丰富的超级大国

农夫史记
2026-11-16 19:32:51
比缅北凶险100倍!曾经的旅游胜地,如今黄赌毒俱全,乱象随处可见

比缅北凶险100倍!曾经的旅游胜地,如今黄赌毒俱全,乱象随处可见

琅琊财经
2026-07-31 22:02:18
广东3消息!徐杰王者归来,宏远官宣新援加盟,阿祖应该被裁

广东3消息!徐杰王者归来,宏远官宣新援加盟,阿祖应该被裁

多特体育说
2026-11-19 00:02:19
江西状元杨仁荣:北航毕业后9年不肯回家,母亲查出癌症才重新露面

江西状元杨仁荣:北航毕业后9年不肯回家,母亲查出癌症才重新露面

磊子讲史
2026-11-18 17:56:56
朋友面试谈薪报价2w,HR非得压到1.9,还反问他:你就差这1000块钱?后来背调时问了他前同事十几个问题,对方最后直接挂了

朋友面试谈薪报价2w,HR非得压到1.9,还反问他:你就差这1000块钱?后来背调时问了他前同事十几个问题,对方最后直接挂了

纯洁的微笑
2026-11-18 21:51:39
2026-11-19 03:08:49
未尽研究 incentive-icons
未尽研究
新能源、人工智能、合成生物、地缘X
576文章数 68关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

时尚
亲子
游戏
公开课
军事航空

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

亲子要闻

宝宝气人但是聪明的4个行为

PC Gamer试玩GTA6百小时:双主角出色但任务重复

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版