彭博行业研究分析师利亚（Robert Lea）10月5日发表报告说，自从DeepSeek今年9月推出V4.1 Flash模型以来，中国顶尖人工智能模型在基准测试中的得分只比美国对手落后3%，差距降到历来最小；今年初这个差距是15%，5月是9%，现在是3%。利亚说，模型性能持续改善，意味着中国公司有望拿下更多市场份额。
数据：彭博行业研究分析师利亚10月5日的报告
Anthropic 9月发布的威胁情报报告则说，自2月首次披露以来，它又发现并阻断了七家中国实验室对Claude的“蒸馏”攻击：在未经授权的情况下大规模、隐蔽地提取一个模型的能力，复制到另一个模型里，通常靠用盗来的信用卡、登录凭证和API密钥注册的大批假账户。报告说，可以归到DeepSeek名下的这类对话，今年7月的14天里就超过1210万次。受影响的还有中国模型的用户：报告说，DeepSeek、小米和月之暗面把自家模型和用户之间的对话转给Claude，再用Claude的回答作训练数据，其中有个人用户、大型跨国公司和国家相关机构的敏感信息；DeepSeek这样转发时没有告知自己的客户。
在评估大型语言模型的LiveBench测试中，DeepSeek V4.1 Flash得了81.1分，排全球第六；Anthropic最好的模型得分是83.4分。这是自DeepSeek去年推出推理模型R1以来，中国模型拿到的最高排名；不过，LiveBench全球前15名的模型里，中国的只有三款。DeepSeek 9月10日发布V4.1 Flash时说，这个模型参数552B，输入激活只有8B、输出激活16B，成本显著低于已知的同尺寸模型。
同一份报告说，月之暗面（Kimi的开发商）有一次在10天里把近30万条客户请求转给Anthropic，用的是由5380个假账户组成的代理网络；5月到7月可以归到它名下的这类对话超过2300万次，归到阿里巴巴名下的超过1.51亿次。月之暗面的Kimi K3发布后，在多项基准测试中的表现接近OpenAI和Anthropic最先进的模型；7月，白宫科技政策办公室主任克拉齐奥斯（Michael Kratsios）在X平台上说，“我们掌握的信息显示，月之暗面为开发K3模型蒸馏了Anthropic的Fable”。月之暗面负责企业业务的高管接受官方媒体采访时否认了蒸馏指控。
| 公司 | 时间 | 这类对话 |
|---|---|---|
| 阿里巴巴 | 5月至7月 | 超过1.51亿次 |
| 月之暗面 | 5月至7月 | 超过2300万次 |
| DeepSeek | 7月的14天 | 超过1210万次 |
数据：Anthropic 2026年9月的威胁情报报告
美国限制英伟达等公司的芯片出口，想遏制中国AI的发展；彭博行业研究的报告则把中国AI的进步归功于越来越深的技术积累，以及针对国产硬件持续优化模型。利亚也说，AI模型的排名会不断变动，表现再好也未必能变成营收，并说中国AI产业眼下集中在低毛利的Token供应上，价格战激烈，这个行业可能要到2030年才能整体盈利。
茉莉花观察
这一节是茉莉花的看法，依据是上文的事实。
我们的分析“只落后3%”是一个引人注目、却会误导人的说法。它说的是基准测试上的得分差（在LiveBench上是81.1分对83.4分）；分数接近，说明不了能力是自己研发出来的。Anthropic记录到，DeepSeek在推出V4.1 Flash前两个月，就在14天里从Claude提取了超过1210万次对话，并说这种做法能用远少于自主研发的时间、算力和成本模仿前沿模型；晨星的分析师也说，许多开放模型的开发者过去都针对基准测试优化，以求更高的分数。
不同看法月之暗面否认蒸馏；Counterpoint的分析师认为，它没有足够时间用对手最新的模型训练K3，“时间线没有说服力”，单靠蒸馏也解释不了K3超过对手的表现。我们同意，工程上的进步是真的，DeepSeek说新模型的成本明显低于已知的同尺寸模型；但在Anthropic记录的大规模提取面前，用分数差说中国AI“只落后3%”，高估了中国自主研发的水平。
我们的判断年底LiveBench排行榜的第一名。我们判断，2026年12月31日LiveBench排名第一的模型仍会出自美国公司。目前最高分是Anthropic的83.4分，排第六的DeepSeek V4.1 Flash是81.1分，中国模型在前15名里只有三款；离年底不到三个月，中国模型要拿第一，得超过排在前面的五个模型。
综合联合新闻网、联合早报、美国有线电视新闻网 CNN报道
数据：DeepSeek、Anthropic
