图注：一图读懂本文要点——跑分差距在收窄，靠的是工程效率而不是算力堆叠（来源：源势AI）
10 月 5 日，彭博行业研究发了一份让中美模型之争换了说法的报告：中国顶尖模型在基准测试得分上，已经只落后美国的对手约 3%（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。这个差距在 5 月还有约 9%，今年早些时候是 15%（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。
报告给的锚点是两个具体分数：DeepSeek 在 LiveBench 上拿到 81.1，Anthropic 最高的系统是 83.4。报告作者给的结论有点扎眼——这个表现"可以与 Anthropic、OpenAI 的领先系统相媲美"（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。
三个月里，这个距离被压缩了大半。值得往下追一层：它是怎么省出来的。
3% 也不是一块铁板
先说口径。3% 是彭博单方测算，取自 LiveBench 综合分，不是统一第三方评测；报告自己也没把话说满，提醒这类排名会不断变动，"无论排名如何，变现都可能很困难"（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。
更能说明问题的是另一组数：LiveBench 前 15 名里，中国模型仍然只有 3 个（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。跑分第一梯队的头部追上来了，但梯队的厚度没变——尖子生和全班平均分是两回事。
《财富》中文网 10 月 3 日的复盘给了同一个方向的旁证：斯坦福一份报告显示，今年早些时候 Anthropic 最强模型的表现仅领先深度求索的模型 2.7%（来源：《财富》中文网，2026-10-03，转引自 Tech Digest《AI行业24小时_20261004_10》）。两家机构、两套口径，落到同一个判断上。
图注：差距从年初的 15% 收到 5 月的 9%、再看 10 月的 3%，但 LiveBench 前 15 名里中国模型仍只有 3 席（数据来源：彭博行业研究，转引自 Tech Digest 2026-10-06）
省算力，省出来的追赶
差距靠什么收窄，两份材料指向同一个词：效率。
Futurum Group 半导体分析师布伦丹·伯克的说法是，中国实验室通过改进注意力机制，把计算复杂度降低了一个数量级，而美国前沿实验室仍是"词元消耗大户"（来源：《财富》中文网，转引自 Tech Digest《AI行业24小时_20261004_10》）。
如果注意力是大模型的发动机，伯克说的就是把同等任务要烧的油降了一个量级。这不是某一篇公开论文的实测数字，是分析师对技术路线的概括，但当它和企业侧的成本证据放在一起，就不再只是一个形容。
企业侧的证据链已经成型：AI 评测平台 Larridin 称 GLM 5.2 与 Kimi 2.6、2.7，能以美国模型五分之一的成本完成约 75% 的工程任务；Hugging Face 的数据显示，中国开源模型占平台总下载量的 41%；Ramp 的 AI 指数显示，为可接入开源及中国模型的平台付费的企业占比，从 1 月的 4.5% 升到了 7 月的 6.1%（来源：《财富》中文网，转引自 Tech Digest《AI行业24小时_20261004_10》）。
便宜五分之四、干完四分之三的活，这笔账任何一个要控成本的技术负责人都会算。下载量和付费占比这两个数字更能说明资本在用脚投票。
图注：付费接入开源及中国模型的平台企业占比，半年从 4.5% 升到 6.1%（数据来源：《财富》中文网，转引自 Tech Digest《AI行业24小时_20261004_10》）
便宜，不等于够用
把乐观的那半收一收，剩下的几个数同样要记住。
白宫的报告称，美国握有全球 74% 的算力资源；麦肯锡的调查显示，20% 的企业高管把 token 成本列为扩大 AI 应用的瓶颈（来源：《财富》中文网，转引自 Tech Digest《AI行业24小时_20261004_10》）。前一个说的是资源底数，后一个说的是成本确实在变成决策变量——但两者都在提醒，中国的优势目前集中在"单位成本"这一维。
《财富》的报道自己也留了余地：美国模型在性能上仍领先数月，"取代"只适用于部分企业场景（来源：《财富》中文网，转引自 Tech Digest《AI行业24小时_20261004_10》）。彭博那边则点出了变现这道坎——跑分能追，能把分数换成收入是另一件事（来源：彭博行业研究，转引自 Tech Digest《AI行业24小时_20261006_10》）。
所以彭博这个数字的正确读法是：在部分基准、部分任务上，成本效率这条路线已经跑通；但"梯队的厚度"和"把能力换成钱的能力"，两边的差距都没写进这个数字里。
落到具体场景，这条分界线会更清楚。批量翻译、代码补全、日志归类这类任务，国产模型用五分之一成本干完约八成，替换的收益一目了然；但涉及长链路复杂推理、或者对错误零容忍的环节，替换之前最好先用自家数据跑一轮对照，而不是拿综合分替自己做决定。省钱的边界，恰恰是判断力的边界。
源势AI观点
第一，差距收窄的驱动力正在从"堆算力"转向"省算力"，这对企业选型是好事。当国产模型能拿出五分之一的成本干四分之三的活，采购清单上就不该只有一栏跑分，成本、延迟、可替换性要一起摆上来比。
第二，开源模型的下载占比这么高，说明模型的分发正在从"谁的榜第一"转向"谁被集成进别人的系统"。跑分决定能不能上台，被集成决定能不能留下。源势AI做大模型 Token 聚合与智能路由，逻辑就在这：不押单一模型的最强分，而是让客户按任务、按成本随时换到更合适的那一个。
第三，把跑分差距当结论会踩坑。它没有覆盖梯队厚度，也没有覆盖变现能力。对企业客户，更稳的做法是拿自己真实的业务任务去跑一轮对照，用自家的数据说话，而不是拿别人的综合分替自己做决定。
话题标签：#大模型竞争 #推理成本 #开源模型
