干得漂亮！中国与美国差距进一步缩小！10月5日，彭博行业研究放了一份报告。结论很直接：中美顶尖AI模型的基准测试得分差距，已经缩到了3%。
 
年初这个数字是15%，5月是9%，现在3%，三个月缩了6个百分点。
 
彭博分析师罗伯特·利亚的原话是，中国取得的进展“进一步让人质疑美国在AI领域的科技主导地位能否长期维持”。
 
让这个数字落地的是一个具体的模型。
 
DeepSeek 9月发布的V4.1 Flash，在LiveBench上拿了81.1分，美国那边最高的Anthropic，83.4分，差2.3分，按百分比算，3%。
 
利亚的判断是，DeepSeek的表现已经“可以与Anthropic、OpenAI的领先AI系统相媲美”。
 
可这份报告里有一句话，比“3%”更值得多看两眼。
 
利亚指出，中国AI的崛起，驱动力之一是“研究人员针对国产硬件进行模型优化”。
 
这话放在芯片出口管制层层加码的背景下，意思就很清楚了。
 
拿不到最先进的算力，就把手里的算力用到极致，不是绕过限制，是在限制里把自己逼出了另一种能力。
 
不过报告也有清醒的提醒，尽管得分差距缩到3%，LiveBench前15个模型里，中国只占3席。
 
一个模型追到3%，和一个体系追到3%，中间还隔着很远。
 
用盖茨9月说过的话来对照——根据不同的衡量方式，中美各有至少四家机构的模型处于最先进梯队，得分最高的和另外七个之间“差距并不大”。
 
盖茨没说的是，在“最先进梯队”之外，美国还有多少模型在排队。
 
真正能看出趋势的，可能不是跑分，是调用量。
 
截至10月4日当周，OpenRouter平台上的数据是：中国模型处理了约57.46万亿词元，美国模型约16.2万亿。
 
中国是美国的3.5倍，这已经是连续第23周中国模型的周调用量超过美国。
 
跑分看的是天花板有多高，调用量看的是有多少人真的在用。
 
57万亿对16万亿，这个比例说明的事情很朴素——在开发者日常调用的场景里，中国模型已经成了默认选项之一。
 
DeepSeek一家占了OpenRouter上文本请求的21.8%，Hugging Face的数据更直接：过去一年，中国模型占平台下载量的41%，超过美国。
 
这里面有一个很实际的逻辑，瑞银的报告显示，约60%的企业已经开始为Token开支设限。
 
旗舰模型能力最强，但贵，日常任务不需要每次都调用最强的，中国主流模型的API价格是国际同行的五分之一到十分之一。
 
企业算账算下来，大量中低复杂度的活儿自然就流向了更便宜的那一边，这不是情怀，是成本。
 
不过把话说回来，跑分追近了，调用量上去了，不等于这场竞赛就翻篇了。
 
彭博报告里还有一句提醒：中国AI行业可能要到2030年才能实现盈利。
 
国内市场上有一千一百多个大语言模型在互相厮杀，价格战打得激烈，企业挤在利润率很薄的模型调用业务里，谁都很难建立稳固的竞争优势，技术追赶上来了，商业上能不能跑通，是另一道题。
 
还有一个动态变化，利亚在报告里专门说了，这类排名具有“动态变化特征”，意思是，今天差3%，明天可能拉回去，也可能继续缩。
 
一个模型的发布就能让数字跳动，真正的判断标准不是某一次跑分，是这种缩小的趋势能不能持续，以及差距缩小之后，商业上能不能变成可持续的东西。
 
年初差15%，现在差3%，这六个月的变化是真实的，但前15个模型里中国还是只占3个，这个数字也没动。
 
有些东西在变，有些东西还在等。