引言
各位朋友，欢迎收听。人工智能领域发展迅猛，中美之间的竞争更是日新月异。许多人好奇两者差距有多大，最新突破是什么。今天我们将依据独立AI标准测试和调查提供商Artificial Analysis的报告深入探讨。
节目介绍
在深入探讨前，先介绍一下，这是WOW的YouTube视频频道制作的音频播客。若感兴趣，可在YouTube搜索addwow.insight，找到并订阅。其视频内容更丰富，信息量更大。
主要内容
中美AI模型对比
首先，我们来看中美AI模型的最新对比，特别是在智能水平方面。Artificial Analysis在2025年第二季度的报告中指出，中美顶级AI模型的智能水平差距显著缩小。原本超过一年的差距突然缩短至不到三个月。这一结论基于名为Artificial Analysis的评估系统，该系统综合了七项高难度评估标准，如衡量大规模多任务语言理解能力的MLLU Pro、针对研究生复杂推理的GPQA Diamond、综合推理测试AMME Mathematics、人文综合考试Humanities Last Exam以及评估代码生成能力的Live Code Bench。通过该指数评估发现，当时OpenAI的最新模型O3E与DeepSeq的2025年5月R1版本在综合指数上得分非常接近，换算成时间差距不到三个月。这直接挑战了自ChatGPT问世以来，大家普遍认为美国尤其是OpenAI在该领域大幅领先的观点。
开源模型领域
在开源模型领域，情况似乎相反，中国取得了领先地位。这一变化发生在2024年11月，标志性事件是阿里巴巴当时发布了名为QLVOQ的模型，其32B参数预览版超过了Meta当时的旗舰开源模型Lama 3.1的405B参数的Artificial Analysis智能指数。报告认为，从那时起，开源模型智能的最高点从美国转移到了中国。造成这一现象的最重要原因是战略差异，中国顶尖AI实验室如DeepSeq AI和阿里巴巴倾向于选择最强大甚至旗舰模型开源。开源模型的核心是大量参数，全权重开源意味着实验室发布这些核心参数文件，任何人都可下载使用、进行二次开发或微调。而美国的几大巨头如OpenAI、Anthropic和Google，虽会发布一些研究结果或API，但通常会保护其最先进和强大的模型，如GPD 4.0、Cloud 3 Opus和Gemline Ultra Pro。DeepSeq R1在开源革命中扮演了重要角色，其2020年1月发布的版本是第一个能与当时OpenAI的强大模型O1竞争的开源模型，2025年5月的R1052版本是当时世界上最智能的开源模型。
DeepSeq R1模型
DeepSeq R1在近期AI领域表现亮眼，其2025年5月的更新带来了显著的能力飞跃。在Artificial Analysis的AI指数上，DeepSeq R1从之前的约60分提升到68分，甚至能与OpenAI从O1到O3的重大升级相媲美。在多项关键标准测试中，DeepSeq R1的得分都有大幅提升，如在AMI-E数学测试中提高了21分，在LiveCodeBench代码生成测试中提高了15分，在GPQA科学推理测试中提高了10分，在人文综合考试中提高了6分。更新后，DeepSeq在Artificial Analysis的全球AI实验室排名中升至第二，超过了XAI、Meta、Anthropic等，甚至优于Google的旗舰模型Gemini 2.5 Pro。
DeepSeq R1性能大幅提升的核心在于后训练阶段对强化学习（RL）的应用和优化。强化学习通过试错和奖励机制让模型学习，使模型输出更符合人类偏好或在特定任务上表现更好。与大规模预训练相比，后训练阶段的微调优化在计算上更高效，成本更低，为整体计算资源不如OpenAI或Google的实验提供了实现显著性能提升的经济高效路径。
此外，报告还发现DeepSeq R1新版本在完成Artificial Analysis时消耗的token增加了约40%，这意味着模型在生成最终答案前思考得更深、时间更长，这是提高模型在复杂推理任务中性能的重要因素。同时，R1的token使用量仍比同级别Gemini 2.5 Pro少约30%，这反映了不同模型在推理深度和效率上的平衡与差异。
在编码能力方面，DeepSeq R1新版本在Artificial Analysis的编码能力指数上已与Gemini 2.5 Pro持平，仅与OpenAI的O4-mini混合版本和O3相似，达到了非常顶尖的水平。
其他重要趋势
除了DeepSeq R1，Artificial Analysis的报告还揭示了AI领域的其他关键趋势。
-
推理模型：推理模型是推动智能潜力的主导力量，会在内部思考更多、消耗更多token来解决复杂问题。但其代价可能是更高的运营成本、更长的响应延迟和更大的token消耗。
-
混合专家（MOE）架构：越来越多的新模型如Meta可能的Lama 4和DeepSeq V3 R1等都采用了MOE架构。MOE能让模型拥有大量总参数，但实际处理输入时仅使用部分模型专家，提高了训练和推理效率，降低了成本。
-
多模态：在文本到图像生成方面，中美已达到平衡；在文本到视频生成方面，美国目前稍领先，但中国追赶势头强劲。
-
成本与速度：智能推理成本迅速下降，但由于推理模型的普及和AI Agents等应用的创新，实际总计算需求可能继续增加。
-
AI Agent：AI Agent被认为是AI下一步发展的重要方向，在编程辅助、深度研究、计算机操作自动化和客户支持等领域有巨大潜力。
总结与思考
对于我们这些试图跟上AI浪潮的人来说，最重要的有两点：一是发展速度，中美及各大实验室之间的激烈竞争推动了AI的快速发展，我们要有紧迫感；二是技术的普及，开源模型的创新和更高效的后训练方法使强大的AI技术越来越普及，不再是少数巨头的专利。同时，实现进步的方式也在变化，过去大规模预训练更重要，现在后训练阶段的微调尤其是强化学习变得越来越重要。
最后，Sam Porch关于DeepSeq R1训练数据源的分析引发思考。当AI模型越来越强大，甚至开始相互学习时，其训练数据的来源，尤其是可能包含的其他强大模型的输出，在很大程度上塑造了它们的能力、潜在偏见甚至世界观。这是一个值得我们持续关注和讨论的重要问题。感谢收听今天的深入讨论。
{# 
{# 
{# 
{# 
{#