差距缩至3%
彭博的最新评估显示，中美AI能力差距已从年初的9%进一步缩小至约3%。9月的两次发布成为关键节点：DeepSeek V4.1-Flash与小米MiMo-V2.6-Pro先后亮相，后者以Artificial Analysis综合分46成为全球得分最高的开源模型（最强闭源模型为53分）。
基准数据对比
在六项核心基准中，中国模型在四项上与最佳美国模型的差距缩小到1-2个百分点：数学AIME（GPT-6.1为96.2%，DeepSeek V4.1为95.1%）、编程SWE-bench V（Opus 4.8为78.4%，Qwen3.8-Max为76.9%）、推理GPQA Diamond和多语言MMMLU均接近持平。而价格方面，DeepSeek V4.1-Flash比Claude Opus 4.8低约17倍。
剩余差距：长程智能体任务
仅存的显著差距集中在长程智能体任务——AI在数小时至数天的时间跨度内自主执行多步工作流的能力。在MCPMark基准上，Claude Opus 4.8得62.3%，Qwen3.8-Max为55.8%。不过这一差距也在快速收窄：四个月前Qwen上一代该项得分仅42%。
开源成为结构性优势
今年以来，中国六大实验室密集发布前沿模型并全部开源部分权重，API价格较2025年初下降80-90%。OpenRouter上最常用的十大模型中有六个来自中国，Qwen家族累计下载突破30亿次、衍生模型超过15万个。中国厂商以效率路线证明了前沿性能未必依赖超大算力集群。