彭博:DeepSeek 把中美 AI 差距打到 3%,历史新低

一个流传了很久的说法：中国 AI 离美国最顶尖的模型，还差着一大截。

这个说法上周被一份报告正式改写了。

10 月 5 日，彭博行业研究（Bloomberg Intelligence）发布报告：自 9 月 DeepSeek 发布 V4.1 Flash 之后，中国顶尖模型与美国竞争对手在基准测试得分上的差距，已经缩小到 3%。

这个数字在今年年初是 15%，5 月是 9%。

15% → 9% → 3%，一条一路收窄的线，现在打到了历史最低。

更具体一点：LiveBench 榜单上，DeepSeek V4.1 Flash 拿下 81.1 分，全球第六——这是 DeepSeek 自 2025 年凭推理模型 R1 一战成名以来，中国模型拿过的最高排名。第一名是 Anthropic 的模型，83.4 分。

我今天把分母拆开算了算，也把这份报告「没说的那一半」翻了出来。这篇讲清楚三件事：3% 怎么来的、另一半数字是什么、对你选模型有什么用。

先把信源摆正：彭博行业研究是彭博旗下的智库（Bloomberg Intelligence），不是 DeepSeek 的自吹，也不是自媒体演绎。这份报告的署名分析师是 Robert Lea（罗伯特·利），发布于 10 月 5 日。

报告的骨架是三个百分比：

三个点连成一条线，方向和速度都摆在那了。分析师的判断更进一步：中国顶尖模型的表现已经「可媲美」Anthropic 和 OpenAI 的领先系统，性能持续提升意味着中国企业有望继续扩大市场份额。

他在报告里还有一句更重的话：这些进展「进一步令人质疑美国在 AI 领域保持长期技术领先地位的可持可续性」——原词是 sustainability，可持续性。而这一切发生在美国对英伟达芯片实施出口限制的背景之下，限制的成效因此被打上问号。

看一眼 LiveBench 的官方榜单，画面更直白：榜首 Claude Fable 5.1（83.4），往下 Claude 5.5 Opus（83.2）、GPT-6 Astra（82.2）、GPT-6.1 Sol（81.6）、Muse Spark 1.3（81.6），然后就是 DeepSeek V4.1 Flash（81.1）——中间只剩两个身位。

LiveBench 官方榜单（livebench.ai，2026-10-05 截）：Anthropic 最高 83.4，DeepSeek V4.1 Flash Max Effort 81.1（OPEN · 免费商用），单任务成本 $0.029 对比榜首 $1.212

每篇聊跑分的稿子我都提醒同一件事：先看分母。这次我自己算了一遍。

BI 报告用的口径是 LiveBench 总分（23 项客观任务、7 大类、每六个月换题库防污染）。DeepSeek V4.1 Flash 是 81.1 分，Anthropic 最高分模型是 83.4 分——差 2.3 分，相对差距约 2.8%，四舍五入就是报告里的「3%」。

分母清楚了，这个 3% 是扎实的：同一张榜、同一个口径、相对差距。

但有两个必须标注的细节。

第一，榜单排名是动态的。BI 说的「全球第六」是 9 月的时点；我写稿时查 DataLearner 收录的 LiveBench 榜，DeepSeek-V4.1-Flash 以 81.11 分排在第 8——GPT-6.1 Sol 和 Muse Spark 的新版本发布把它顶下去了两位。分数没掉，是别人在涨。两个时点都对，引用时要带日期。

第二，「可媲美」不等于「处处一样」。LiveBench 是总平均分，拆开看分项，各家的形状不一样：DeepSeek 在编码与代理任务上能摸到第一梯队（ coding 80.0、agentic 77.3），指令遵循（70.0）与头部模型仍有可见差距。「差距 3%」描述的是平均水平，不是每个战场。

还有个容易被略过的细节：榜单上 DeepSeek 那一行标着 OPEN 和免费商用，右侧成本列写着 0.029 美元/任务——榜首 Claude Fable 5.1 是 1.212 美元。分数差 2.8%，价格差了 40 倍。这是这份报告之外，我觉得最值得盯着看的数字。

DataLearner 收录的 LiveBench 中文榜（2026-10-05 截）：DeepSeek-V4.1-Flash 81.11 分列第 8、5520 亿参数、免费商用——前 7 名全部为闭源模型

如果只看「3%」这个标题，会把这份报告读成一篇捷报。它的后半段其实相当清醒。

排名的另一面：前 15 名里，中国模型只占 3 席。顶部是密集的美国模型集团军，中国的头部还是单点突破，不是集团优势。分析师也提醒：排名是动态的，榜单高分和商业化变现之间，隔着一条很难走的路。

变现的另一面：中国 AI 行业可能要到 2030 年才能盈利。报告的估算逻辑是：国内市场有超过 1100 个大模型在打价格战，如果都挤在低毛利的 token 供给上，谁也建立不起竞争优势。应用侧，字节的豆包在变现上领先，DeepSeek 和腾讯的聊天机器人到今天还是免费的。要走上可持续盈利的轨道，报告的原话是：需要竞争降温、行业洗牌、更理性的定价。

监管的另一面：中国模型在海外面临审查压力。围绕「模型蒸馏」的指控（美方口径，未经证实）让中国模型在部分市场面临监管审视甚至潜在禁令。同期 Anthropic CEO 阿莫代伊还在呼吁全行业放缓步伐、引入第三方安全评估——头部厂商自己也在给速度踩刹车。

所以这份报告的完整读法是：性能差距基本抹平，但排名密度、商业变现、监管环境，三个战场都还没到能宣布「追平」的时候。

联合早报 2026-10-05 报道版面：年初 15% → 5 月 9% → 10 月 3%（彭博行业研究口径）

对大多数人来说，榜单是别人打的，问题是自己的：这跟我有什么关系？

关系在选型。把这份报告翻译成选型语言，是三句话。

一句话：中国模型第一次把「省钱」和「能打」放进了同一个选项里——这是使用者真正的机会窗口。

最后说大一点。这份报告最重要的，不是 DeepSeek 排第六，而是「差距」这个东西第一次被数字钉死了。

过去两年，「中美 AI 差距」是个叙事问题：有人说差两年，有人说差三个月，谁都有理。现在它是一张公开榜单上可以复算的两个数字：81.1 对 83.4。

而且这个数字的走势比数值本身更有信息量——年初 15%、5 月 9%、10 月 3%，收窄的动力写得很清楚：中国研究者在国产硬件上做深度优化的能力，正在把「芯片受限」从死结变成工程题。

对做内容的人，这也是一份方法论样本：看榜先问分母（总分还是分项）、问时点（9 月第六还是 10 月第八）、问边界（平均抹平还是处处追平）。三个问题问完，大部分跑分新闻自己就会说话。