差距只剩 3%?国产大模型比起美国AI究竟差在哪?
全文约 1,700 字 · 阅读约 4 分钟
国庆这几天刷手机，你可能也看到过这么一个数字：3%。
说的是中美 AI 的差距。彭博行业研究的分析师 Robert Lea 出了份报告，说中美最强的 AI 模型现在只差 3% 了，是有史以来最近的一次。
我翻了一下前面的数：年初还差 15%，5 月差 9%，这才几个月，又砍掉了一大半。
年初 15% → 5 月 9% → 现在 3%
—— 彭博行业研究 · 中美最强模型差距
看到这儿，估计不少人心里会冒出一句：国产大模型这是要追上了？
先别急。这个 3% 到底怎么算的，我们一点点拆开看。
01
3% 是怎么算出来的
彭博参考的是一个叫 LiveBench 的榜单。你可以把它理解成大模型的“统考”，问答、推理题、动手干活的题都有，各家模型都来考一遍，按总分排名。
这次中国考得最好的，是 DeepSeek 9 月 10 日刚发的 V4.1 Flash，81.1 分，全球第 6。美国最高分是 Anthropic 家的 Claude Fable 5.1，83.4 分。
LiveBench 总分 · 得分
DeepSeek V4.1 Flash
81.1
Claude Fable 5.1
83.4
DeepSeek 为中国最高分，全球第 6
81.1 和 83.4，差了 2.3 分，折算下来就是 3% 左右。
打个比方，一个考 83 分，一个考 81 分，放在班里基本算同一档的学生了。
02
分数差不多，价钱差太多
光看分数，你用起来大概很难分辨谁强谁弱。可一看价格，差距就出来了。
按输出 100 万个 token 来算（token 可以简单理解成 AI 处理文字的计数单位），V4.1 Flash 闲时 4 块钱，高峰期 8 块。Claude Fable 5.1 呢？50 美元，换成人民币三百多块。
输出 · 每百万 token · 价格
DeepSeek V4.1 Flash
¥4 – ¥8
Claude Fable 5.1
$50 ≈ ¥300+
V4.1 Flash 闲时 ¥4，高峰期 ¥8
同样的活，一边花一杯奶茶钱，一边花一顿火锅钱，差了 40 多倍。
还有个细节程序员朋友可能会更在意。榜单里有一项叫“智能体编程”，考的是 AI 能不能自己把一个开发任务从头做到尾：写代码，跑起来，看报错，再改，全程不用人管。据 LiveBench 的数据，这一项 DeepSeek 拿了 77.3 分，Claude 是 66.1 分，国产这回反过来领先了。
LiveBench · 智能体编程 · 得分
DeepSeek
77.3
Claude
66.1
换句话说，有些写代码、跑自动化的活，换成国产模型，钱省了一大截，效果也未必打折。
03
那到底还差在哪？
话说回来，分数只差 3%，不代表真的就“差不多了”。我觉得至少还有四个地方，不能光看这个数。
01 尖子生少。3% 比的是两边各自最强的那一个。LiveBench 前 15 名里，中国模型只有 3 个，剩下的基本都是美国的。能跟美国顶尖模型掰手腕的，国内目前就那么几家。
02 换张卷子，分差就变了。今年 5 月，美国国家标准与技术研究院（NIST）旗下的一个机构也测过一次，结论是 DeepSeek 落后美国大概 8 个月。不过那次也挺有争议，9 套题里有 2 套没公开，差距最大的偏偏就是这两套。斯坦福今年的 AI 指数报告用公开榜单算，差距又只有 2.7%。卷子不一样，结论能差出老远。
03 会考试不等于会干活。榜单题目再多，跟真实的工作场景还是两码事。DeepSeek 在智能体编程上的高分，目前也还没有独立的第三方复测过。好不好用，最后还得自己上手试。
04 也是我觉得最要命的：钱还没赚到。Robert Lea 的判断是，中国 AI 行业可能要到 2030 年才能赚钱。为啥？国内有 1100 多个大模型在抢市场，价格一个比一个低，大家主要靠卖 token 挣钱，利润薄得很。DeepSeek 和腾讯的聊天机器人到现在还免费，变现做得最好的是字节的豆包。模型再强，一直不赚钱，后面研发的钱从哪来，这是个大问题。
04
最后说两句
对我们普通用户和开发者来说，最实在的好处就是：又好用又便宜的选择越来越多了。
接下来还有好戏。DeepSeek V4.1 Pro 已经在灰度测试，阿里的 Qwen4 也说快了。美国那边新模型也是一个接一个地出。这 3% 是继续缩小，还是又被拉开，过几个月我们再回来看看。
●●●
你现在写代码、干活，主力用的是国产模型还是国外的？
评论区聊聊。
●●●
智码识途 · AI 资讯
探索 AI 编码的无限可能性
内容整理自彭博行业研究、LiveBench 及公开报道
2026.10.06