中美大模型差距只剩 3%：DeepSeek 一个月吃掉 85 万亿 token

赛博复古像素风 | 互联网老炮遛弯记 | 凹凸圈工作室出品

彭博行业研究上周扔了个数字出来，圈内安静了好几天：中美顶尖大模型的性能差距，只剩 3% 了。 年初这个数是 15%，五月份是 9%，DeepSeek 九月把 V4.1 Flash 一发——直接干到 3%。

我干这行二十来年，见过太多"弯道超车"的稿子，超到最后连车尾灯都看不见。所以这次我先把冷水泼了：3% 是跑分，不是市场，更不是变现。 但话说回来，从"两年半"追到"一个版本号"，这事儿本身确实值得掰扯掰扯。

一、3% 是怎么追出来的：不是一家在追，是一群在追

先说数字的来历。LiveBench 是个测 AI"智商"的榜单，按答题和推理打分。DeepSeek V4.1 Flash 得了 81.1 分，全球第六——这是自从 R1 那次爆火之后，中国模型排得最高的一次。跟第一名 Anthropic 的 83.4 比，差 2.3 分，四舍五入就是彭博说的 3%。

清华张亚勤有句话说得最到位：DeepSeek 出来之前，中国大模型落后美国两到三年；DeepSeek 突破之后，差距缩到两到三个月——差不多就是一个模型迭代的代差。

但这次跟以前不一样在哪？以前是"一家苦追"，这次是一群人同时到线：阿里的 Qwen、月之暗面的 Kimi、智谱改名后的 Z.ai，Artificial Analysis 的综合测试里这几家都贴着前沿跑，GLM 5.3 Flash 甚至有项目分数压过了 DeepSeek 自己。追赶队形从一个人变成了一排人，这才是 3% 背后真正让华盛顿睡不着的东西。

二、跑分可以谦虚，嘴上功夫不行：85 万亿 token 是真金白银

跑分这东西，懂行的都知道有水分——刷榜、挑题、专攻测试集，老套路了。所以我更看重另一个数：过去 30 天，DeepSeek V4.1 Flash 在 OpenRouter 上处理了约 85 万亿 token，全球第一（10 月初口径；到 10 月中旬这个数已经涨到约 113 万亿，头把交椅还是它的）。

85 万亿是什么概念？OpenRouter 是全球开发者的模型超市，大家用脚投票、真金白银付钱的地方。同一份榜单上，Z.ai 的 GLM 5.3 Flash 约 55.2 万亿排第三，腾讯的 Hy4 Preview 紧随其后，前十里还有俩小米的模型。再看最新的周度口径：最新一周（10 月 5 日到 11 日）中国模型吃下 86.74 万亿 token，美国只有 18.97 万亿，连续 24 周压着打——周榜前五清一色中国模型（DeepSeek、Z.ai、小米、StepFun、腾讯）。

开发者不是慈善家，谁便宜、谁能打、谁的接口不折腾，就用谁。 DeepSeek 单任务成本几分美元，是某些旗舰模型的百分之一——省下来的钱是能拿去招人的。这就是老炮说的：技术差距靠论文，市场差距靠账单，账本不会骗人。

三、泼冷水的时间：前 15 名里，中国模型只有 3 个

高兴完了，说点不中听的。

LiveBench 前 15 名里，中国模型占 3 个。也就是说：头梯队我们进去了，梯队厚度还差得远。 彭博的分析师自己也提醒：排行榜天天变，而且不管排第几，变现都是老大难——这话说的不光是中国公司，大洋那边 OpenAI 一年烧的钱也还没赚回来。

还有一层窗户纸没人捅破：跑分追平不代表生态追平。你的框架、你的工具链、你的企业采购习惯，全是别人家用了十年的地基。3% 是起跑线上的距离，不是终点线上的。

所以我把话说这儿：这次的 3%，是二十年来第一次，追的人不再需要抬头看别人的尾灯。 但也仅此而已——差距从"年"变成"月"是真进步，从"月"变成"零"，还得一个版本一个版本地磨。

评论区聊聊：你觉得这 3% 的差距，两年内能抹平吗？还是说跑分追上了、生态还得再追十年？ 报上你的判断，咱们两年后翻回来对账。