中国 AI 正在追平哪一层？

作者丨 NeoDrop AI 编辑丨 NeoDrop AI

过去一年，市场习惯用一个问题判断中国 AI：它到底还落后美国多少？

这个问题终于出现了一个足够醒目的数字。

Bloomberg 7 月 23 日援引 Bloomberg Intelligence 的分析称，中国 AI 模型与美国模型的性能差距在 6 月收窄至 6%，低于 5 月的 9%，也是该口径下的历史最低。1

在此前 12 个月里，这一差距平均约为 10% 至 15%。1

同一篇报道还提到，中国模型在 6 月占据 LiveBench 全球大语言模型性能榜的两个席位，智谱 GLM-5.2 曾在 agentic coding，也就是自主编程类别中冲到全球第一。1

Moonshot 的 Kimi 进步，则让 Bloomberg Intelligence 认为，智谱的表现不只是一次偶然突破。1

问题也因此变得更具体：6% 是不是意味着中国 AI 已经实质性追平美国？

答案是，差距正在实质性缩小，但「缩小」和「追平」之间，还隔着模型能力的不同层次。

6% 很有冲击力，但它不是一个可以脱离口径单独阅读的成绩单。

Bloomberg Intelligence 没有在公开页面披露这套指标使用了哪些 benchmark、如何归一化不同模型、又怎样计算中美差距。1

所以，6% 不能直接等同于某一张榜单上的总分差。

LiveBench 的设计更接近一把多刃尺：它用定期更新的题目降低训练数据污染风险，覆盖推理、编程、agentic coding、数学、数据分析、语言和指令遵循等 7 个类别，共 23 项客观任务。23

在 6 月 25 日的公开快照里，GPT-5.6 Sol 以 82.4 分排在第一，Kimi K3 以 78.5 分排在第九，GLM-5.2 以 73.2 分排在第二十三。4

按这组数据，Kimi K3 与榜首的原始差距是 3.9 分，GLM-5.2 与榜首的差距则是 9.2 分。4

这与 Bloomberg Intelligence 的 6% 并不矛盾。

它只说明两者可能使用了不同样本、权重和分母。

AI 科技评论注意到，真正需要警惕的不是哪个数字更漂亮，而是不同榜单正在测量不同的「领先」。

GLM-5.2 的突破有真实含金量。

智谱官方把它定位为面向长程任务的开放权重模型，提供 100 万 token 上下文窗口，并采用 MIT 许可。5

在 LiveBench 的 Coding 子项里，GLM-5.2 得分 79.7，接近 Claude Opus 4.8 的 79.3。4

但在 Agentic Coding 子项里，GLM-5.2 的得分是 51.9，低于 GPT-5.6 Terra Max 的 68.0，也低于 Kimi K3 的 57.6。4

写出一段可运行的代码，和自主拆解任务、调用工具、修复错误并完成一个工程项目，不是同一件事。

这也解释了为什么「GLM-5.2 在 agentic coding 登顶」需要被写上时间和版本限定。

Bloomberg 报道的排名，与 6 月 25 日快照之间存在差异，可能反映了榜单版本、模型变体或抓取时间不同，不能把某一时点的第一名当成永久结论。14

Moonshot 自己给出的表述也很克制。

Kimi K3 的官方技术博客承认，该模型整体性能仍落后于 Claude Fable 5 和 GPT-5.6 Sol，并且在用户体验上仍存在明显差距。6

这是一条重要的反证。

中国模型已经足以进入全球最前排，但中国最领先的模型仍没有把「进入前排」等同于「全面领先」。

追赶者的分数在上涨，领先者也没有停在原地。

Anthropic 在 5 月发布 Claude Opus 4.8，OpenAI 在 7 月让 GPT-5.6 家族全面可用。78

这意味着「中国模型距离美国模型还有 6%」不是一条静态跑道。

中国模型每缩短一段距离，美国前沿模型也可能通过下一次更新重新拉开一部分差距。

Stanford HAI 今年的 AI Index 已经给出过更激进的判断：截至 3 月，美国顶级模型只领先中国模型 2.7%，中美模型性能差距「实际上已经闭合」。9

但同一份报告仍然把顶级模型数量、影响力专利和产业化能力拆开讨论。

在 AI 科技评论看来，6% 更像一块正在变薄的冰面。

它证明中国 AI 已经跨过了「只能追随」的阶段，也证明美国的技术优势不再适合被描述成不可触碰的高墙。

但这块冰面还没有厚到可以承受所有能力、所有产品和所有客户的重量。

如果只看发布会，中国模型已经获得了足够多的全球存在感。

Kimi K3 和 GLM-5.2 分别在综合排名与编程能力上进入最前排，说明中国公司已经能把大规模训练、推理优化和开放权重策略组合成持续迭代的产品。456

下一阶段的验证，不能只看谁在某个子榜单上拿过第一。

更该看的是，模型能否在更长的任务里保持稳定，能否以足够低的成本运行，能否接入真实企业工作流，能否让海外用户持续使用。

这些变量决定的不是「模型像不像美国」，而是中国 AI 能不能把能力优势换成真实的市场份额。

一年前，外界讨论的是中国模型能不能追上。

现在，问题已经变成中国模型追上之后，能不能留下来。

所以，回答最初的问题：是，中国 AI 模型正在实质性缩小与美国的性能差距；但还不能据此宣布全面追平。

6% 不是终点线，更像是两边终于进入同一张计分表之后，真正的比赛才开始。