中国开源模型科研能力短板显现 但生态协同与算力储备加速推进

近期，Artificial Analysis发布智能指数v5，重构评分体系：私有测试集权重升至60%，新增Terminal-Bench-Science科研工作流与FrontierCode 2.0编程任务，通用能力、知识工作、编码、科学四项各占25%。调整后，DeepSeek V4.1 Flash与GLM 5.3分列第14、15位，得分低于Anthropic的Claude Haiku 5.5；在Terminal-Bench-Science上，领先闭源模型通过率约60%，多数中国开源模型仅10%左右，反映其在假设生成、实验执行等长程科学推理环节存在明显短板。

该差距并非模型退步，而是评测重心从对话与编码转向自主科研能力。DeepSeek曾布局数学推理与定理证明，但2024年资源向AI编程与智能体倾斜，主因高质量科研数据稀缺及标注成本高——梁文锋透露团队半数研究员投入数据标注，需一年缓解瓶颈。

与此同时，中国AI正加速构建系统性能力：10月底，DeepSeek全面开源推理框架DeepInfer及Token编解码组件deepseek-recipe，支持分布式推理、推测解码与结构化输出，兼容英伟达与昇腾硬件，单集群日吞吐达155万亿Tokens；中兴通讯2026年三季报显示存货达736.35亿元（+56.61%），含大量GPU与服务器物料，营收388.13亿元（+33.99%）、净利13.07亿元（+394.46%），现金流由负转正，标志战略重心向AI推理底座迁移。

更宏观层面，DeepSeek、Qwen等已成为印度、日韩及亚非拉国家构建本国大模型的基座；行业测算2028年国产超节点市场规模将达3414亿元，2026–2028年复合增速约194%，出货量从4800台增至18300台。软硬一体的国产替代链路逐步成型：开源模型提供‘大脑’，超节点支撑‘躯干’，厂商构筑‘神经与肌肉’。技术竞争本质是马拉松，中国路径正从单点性能比拼转向生态协同与真实场景验证的长期演进。