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
“1600元烤全羊剥不出一两肉”,四川平武县通报

“1600元烤全羊剥不出一两肉”,四川平武县通报

扬子晚报
2026-11-18 21:35:50
央视主持人天团亮相深圳,康辉咖位大,邹韵镇场,新主持人扛大旗

央视主持人天团亮相深圳,康辉咖位大,邹韵镇场,新主持人扛大旗

晓肂爱八卦
2026-11-17 20:47:39
当年脚踩熊猫杯的韩国球员今何在?有人留洋梦碎,有人沦为边缘人

当年脚踩熊猫杯的韩国球员今何在?有人留洋梦碎,有人沦为边缘人

墨策讲历史
2026-11-18 21:41:29
盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

另子维爱读史
2026-11-18 20:46:42
告诉你一个心理学秘密:千万不要提前焦虑,事情会以奇特方式解决

告诉你一个心理学秘密:千万不要提前焦虑,事情会以奇特方式解决

松果正念袁老师
2025-03-11 20:52:18
官媒发文!46岁谢霆锋正式上任,职责重大,早和张柏芝拉开距离

官媒发文!46岁谢霆锋正式上任,职责重大,早和张柏芝拉开距离

错过美好
2026-11-18 13:37:21
NBA最年轻连续三场40+后卫空降香港 替代班顿加盟山东高速概率远大于广东

NBA最年轻连续三场40+后卫空降香港 替代班顿加盟山东高速概率远大于广东

生活新鲜市
2026-11-19 01:27:24
多国代表赴深圳,中方高规格礼宾,三军仪仗队亮相,APEC需要中国

多国代表赴深圳,中方高规格礼宾,三军仪仗队亮相,APEC需要中国

感谢过往的自己
2026-11-17 17:35:29
俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

国际法大视野
2026-11-17 15:18:04
优雅知性的女人最美丽,气质高贵有内涵

优雅知性的女人最美丽,气质高贵有内涵

疾跑的小蜗牛
2026-10-22 20:02:34
异地奔现第一天,男生提出同住被拒,直言:一次花费两千,不划算

异地奔现第一天,男生提出同住被拒,直言:一次花费两千,不划算

王二哥老搞笑
2026-11-19 01:50:10
女排联赛积分榜:天津力克上海全胜领跑,江苏不敌山东遭首败

女排联赛积分榜:天津力克上海全胜领跑,江苏不敌山东遭首败

乒桢泳球
2026-11-18 22:02:03
宫斗还是跪求?黄仁勋突然发长文:我爱美国,我爱英伟达,我想重回CEO(全文)

宫斗还是跪求?黄仁勋突然发长文:我爱美国,我爱英伟达,我想重回CEO(全文)

起点财经
2026-11-18 08:53:45
APEC氛围拉满,西班牙学者感慨引共鸣:外国人也希望能有一个深圳

APEC氛围拉满,西班牙学者感慨引共鸣:外国人也希望能有一个深圳

生活魔术专家
2026-11-18 17:18:42
厉娜的瓜太炸裂了!2018年,她和经纪人在外面放贷,厉娜出了780万,经纪人出了1030万,一共1810万借给陈某,利息高达36%!

厉娜的瓜太炸裂了!2018年,她和经纪人在外面放贷,厉娜出了780万,经纪人出了1030万,一共1810万借给陈某,利息高达36%!

静若梨花
2026-11-16 22:23:40
儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

温情邮局
2025-09-28 11:57:16
捷达M6:别被8万的价格骗了,有些缺点你可能忍不了!

捷达M6:别被8万的价格骗了,有些缺点你可能忍不了!

百车全说
2026-11-19 01:31:37
误闯天家! 浙江丽水“富家千金”柳晶出嫁,八抬大轿凤冠霞帔,席开近50桌,每桌搭配茅台

误闯天家! 浙江丽水“富家千金”柳晶出嫁,八抬大轿凤冠霞帔,席开近50桌,每桌搭配茅台

裕丰娱间说
2026-11-18 11:42:42
会一起停下来吗?苏亚雷斯透露梅西推迟退役的秘密

会一起停下来吗?苏亚雷斯透露梅西推迟退役的秘密

本泽体育
2026-11-18 06:12:15
美国智库感到不安:中国空军组织大规模演习,有一项数据极为惊人

美国智库感到不安:中国空军组织大规模演习,有一项数据极为惊人

小广说历史
2026-11-17 22:55:55
2026-11-19 03:03:00
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

离职后首份声明!黄仁勋认错愿回归

头条要闻

欢迎晚宴合影期间 普京与特朗普握手交流

头条要闻

欢迎晚宴合影期间 普京与特朗普握手交流

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

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
房产
游戏
健康
教育

穿好“长大衣”,这8个细节很重要!

房产要闻

周大生出手!海棠湾又一大商业体来了

《GTA6》不设任务重玩菜单,提供15个存档槽

医生眼里"很伤腰"的椅子,很多人天天坐

教育要闻

课堂上老师一句不及格哦 全班瞬间安静 学生党破防 建议看..

无障碍浏览 进入关怀版