在最新一轮人工智能模型排名中，中国AI模型与美国竞争对手的差距显著拉大，引发业界对“廉价且免费AI技术构成巨大威胁”这一叙事的重新审视。
知名独立机构Artificial Analysis近期全面改革了其测试系统，旨在更真实地反映技术在实际场景中的表现。其中一项关键举措是将大量测试内容设为保密状态，防止AI公司针对特定考题进行训练以获取高分。
新规下的测试结果令人震惊。据Artificial Analysis数据，在旧体系下，表现最佳的“开放权重”AI模型仅以3分之差落后于总体领先者；而在新体系下，这一差距扩大至12分。
在具体模型表现上，月之暗面（Moonshot）的Kimi K3.1 Pro位列公开权重模型前列，但得分仅为32分，远低于当时总体领先者Anthropic的Claude Opus 5.5（58分）。
“基准测试作弊”现形
Snowflake首席执行官、前谷歌高管Sridhar Ramaswamy在X平台指出：“当基准测试变为私密时，开放模型的差距从3分扩大到了12分。这究竟是因为开放模型正在迎头赶上，还是因为此前测试题目泄露？”
微软CEO萨蒂亚·纳德拉及其他AI专家将这种现象称为“基准测试作弊”（benchmark hacking）。当企业确切知晓测试内容时，可针对性优化模型在特定任务上的表现，但这并不等同于其在现实世界中的通用能力。
新结果显示，美国公司在复杂科学任务等领域的领先优势比此前认知的更为显著。即便是Anthropic规模较小的Claude Haiku 5.5模型，其表现也优于所有已公开权重的AI模型。
Trillium Labs联合创始人Nathan Lambert承认，此前的指数对开放权重模型的评分存在“过度美化”嫌疑。
实际算力消耗偏低
除了性能差距，开放权重模型的实际使用量也引发质疑。软件开发公司OpenCode联合创始人Dax Raad通过分析AI网关服务OpenRouter的流量发现，尽管中国AI模型备受关注，但其算力消耗远低于预期。
Raad估算，此前通过OpenRouter流动的大部分DeepSeek流量，仅需一个机架的高性能英伟达计算机即可处理，硬件成本约为600万至700万美元。考虑到市场关注度，这一算力规模显得异常低廉。
尽管OpenRouter仅覆盖部分市场需求，但Raad的观点揭示了一个关键事实：行业内巨大的AI基础设施投资主要由OpenAI和Anthropic等大型封闭模型提供商驱动，而非使用开放模型的小型开发者。相比之下，每月超过10亿用户的ChatGPT所引发的潜在活动量，远超各类AI网关服务捕获的数据总和。
投资逻辑的重估
综合排名与实际使用数据，业界对开放权重AI提出两大核心疑问：其性能是否真的媲美美国顶尖技术？其需求规模是否如炒作般巨大？
当然，开放权重模型在软件开发等领域仍具竞争力，并能为企业提供更高的控制权及潜在的成本优势。然而，新证据挑战了“中国AI公司迅速追赶并威胁美国巨头商业模式”的行业主流叙事。
对于正在权衡OpenAI和Anthropic巨额估值的投资者而言，这一区分至关重要。威胁被高估的可能性，可能进一步巩固Anthropic计划进行的IPO以及未来OpenAI上市的投资逻辑。