中国开源模型在科研能力评测中显露短板，但生态建设与产业协同正加速推进

近期，AI模型能力评估体系的一次关键调整，让中国开源大模型的现实处境再次成为焦点。Artificial Analysis发布的智能指数（Intelligence Index）v5版本大幅重构了评分逻辑：私有测试集权重提升至60%，并新增FrontierCode 2.0编程任务与Terminal-Bench-Science科研工作流评测；通用能力、知识工作、编码、科学四项指标各占25%。这一变化直接导致国产开源模型排名集体下移——在已开放权重的现役模型中，DeepSeek V4.1 Flash 1017与GLM 5.3分列第14、15位，得分低于Anthropic入门级模型Claude Haiku 5.5。

该榜单清晰反映出当前能力鸿沟的核心所在：在Terminal-Bench-Science这一模拟真实科研流程的基准上，领先闭源模型通过率约60%，而多数中国开源模型仅维持在10%左右。这并非模型“变弱”，而是评测尺子变了方向——从侧重编码与对话能力，转向更复杂的假设生成、实验执行与闭环反馈能力。正如OpenAI战略主管迪恩·鲍尔所言，新版排名“首次大致符合主观判断”，也印证了行业共识：AI的价值正从“辅助人类写代码”向“自主驱动科研发现”延伸。

值得注意的是，中国模型厂商此前并非忽视科研能力。DeepSeek曾专门研发数学推理与定理证明模型，但在2024年整体技术路线选择中，资源明显向AI编程与智能体方向倾斜。这背后有现实约束：高质量数据标注仍是瓶颈，DeepSeek创始人梁文锋曾在投资者纪要中坦言，团队半数研究员投入数据标注，需一年才能缓解问题；而科研专用数据的稀缺性更为严峻。在算力与资本受限背景下，优先保障已验证商业化路径的方向，成为理性选择。

然而，单一维度的性能比较并不能完整刻画中国AI的发展轨迹。真正的转折点正在于生态构建与产业协同的加速。

10月底，DeepSeek宣布全面开源其内部推理框架DeepInfer及生产级Token编解码组件deepseek-recipe。此举意义远超模型权重开放：它提供了分布式推理、推测解码、结构化输出等关键能力，并兼容英伟达与华为昇腾硬件，单集群日吞吐达155万亿Tokens。这标志着国产大模型竞争已从“参数军备竞赛”进入“效率与部署能力比拼”新阶段。正如《华山论见》评论所指，“为善与众行之，为巧与众能之”，开源正从企业个体姿态演变为群体实践。

与此同时，基础设施端的响应迅速而扎实。中兴通讯2026年三季报显示，其存货规模达736.35亿元，较2025年末增长56.61%，其中包含大量GPU、芯片及服务器物料；应付账款与票据同步激增，反映其正以供应链信用撬动算力储备。第三季度单季营收388.13亿元（+33.99%）、归母净利润13.07亿元（+394.46%），现金流由负转正，表明业务换轨已初见成效。这不仅是财务数据变动，更是战略重心向AI推理底座迁移的信号。

更宏观的视角下，中国开源模型正成为全球多国技术自主的基石。印度、日本、韩国等国家依托DeepSeek、Qwen等开源模型构建本国大模型体系；亚非拉国家则将其视为低成本、高适配的技术选项。马斯克曾公开表示“中国被低估了”，并预测2027年一季度国产开源模型将超越Anthropic闭源模型——尽管时间点存疑，但其判断指向一个事实：开源不是终点，而是技术扩散与标准定义的起点。

行业测算显示，2028年国产超节点市场规模将达3414亿元，2026至2028年复合增速约194%。当前出货量已从2026年的4800台跃升至2028年的18300台，增长近4倍。这一爆发式增长背后，是软硬一体的国产替代逻辑：模型开源提供“大脑”，超节点提供“躯干”，而中兴、华为等厂商构成“神经与肌肉”。当一条完整的AI基建链路成型，性能差距便不再是唯一变量。

回看Artificial Analysis的评测调整，其本质是对AI未来价值坐标的重校准。科研能力短板确实存在，但将其简单归结为“现原形”有失偏颇。中国AI的真正挑战不在于能否在单一榜单登顶，而在于能否在开放生态中持续迭代、在真实场景中验证价值、在产业链中形成正向循环。DeepSeek开源推理框架、中兴加码算力储备、多国采用国产基座模型——这些动作共同指向一个更务实的路径：不求一役决胜，但求步步为营。

技术竞争从来不是百米冲刺，而是马拉松。当尺子改变方向时，真正的强者会调整步伐，而非质疑跑道本身。