一句话看懂：独立评测机构 Artificial Analysis 把部分测试题改为保密后，评分靠前的开源权重模型与总榜首的差距从上一次的 3 分扩大到 12 分，中国模型以及更便宜的开源方案对美国闭源厂商的威胁，可能被高估了。
事件核心：发生了什么
据 Business Insider 2026 年 11 月 3 日报道，Artificial Analysis 近期重构了评测体系，更贴近真实使用方式，并把许多测试题保密，降低厂商“针对考题”训练模型的空间。官方数据显示，在旧体系下表现最好的开源权重模型仅落后总榜首 3 分，新体系下差距拉大到 12 分。按公开权重口径，最强开源模型得分 32 分，而当时总榜首 Anthropic 的 Claude Opus 5.5 为 58 分，其中包含 Moonshot 的 Kimi K3.1 Pro。即便是较小的 Claude Haiku 5.5，也超过所有公开权重模型。
为什么重要
这一结果触及“基准作弊”的老问题：厂商知道题目就能专项优化，分数未必等于真实能力，尤其在复杂科学任务上。Snowflake CEO Sridhar Ramaswamy 在 X 上直言“基准转私有那天，开源差距从 3 分变成 12 分”，质疑问的是模型追赶还是题目泄漏。若美国闭源模型的实际领先更稳固，Anthropic 计划中的 IPO 以及 OpenAI 未来上市的投资叙事会被加固。另一层证据来自用量：OpenCode 联合创始人 Dax Raad 估算，某日经 OpenRouter 路由的 DeepSeek 流量，用约 600 万至 700 万美元的一机架英伟达算力即可承载。OpenRouter 只覆盖部分市场，但说明大量 AI 基建投资来自 ChatGPT 这类闭源服务，而非小型开源开发者。
对用户/开发者/创作者的影响
目前公开信息显示，开源权重模型在软件开发等场景仍有竞争力，优势在于可控性和可能更低的推理成本，适合企业自建或微调。但选型时不能只看榜单名次，应结合自己的任务做小规模实测，并关注模型是否支持 API、部署算力和数据合规。对内容创作者而言，闭源前沿模型在复杂任务上的领先仍值得付费；对普通用户，ChatGPT 等产品的实际体验和月活规模，比开源社区的声量更能反映真实需求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Artificial Analysis 的新版排名能否被其他独立评测复现，以及保密题目是否持续更新；二是中国厂商下一代开源模型在私有测试下能否缩小差距，而非只在公开榜上冲高；三是闭源厂商的定价与 IPO 进程，以及 OpenRouter 等平台能否给出更完整的开源模型使用数据。
