美国政府旗下人工智能评估机构近期发布的一份报告，将中国头部大模型再次推上舆论焦点。隶属于美国国家标准与技术研究院（NIST）的CAISI表示，中国目前评估过的最强模型之一DeepSeek V4 Pro“约落后美国前沿8个月”。不过，这一结论在发布后迅速引发业内质疑，争议核心并不只是DeepSeek的真实水平，更在于CAISI使用的打分框架是否足够透明、可复现。
CAISI如何得出“落后8个月”结论
与多数机构直接比较各项基准测试平均分不同，CAISI此次采用了项目反应理论（IRT）进行评估。这一方法原本常见于标准化考试，通过分析模型“解对了哪些题、错了哪些题”，进一步推算其“潜在能力值”。CAISI据此对模型在网络安全、软件工程、自然科学、抽象推理和数学五大领域、共九项基准上的表现进行综合估计。
在其给出的IRT估算Elo分数中，GPT-5.5为1260分，Claude Opus 4.6为999分，而DeepSeek V4 Pro约为800分（±28），与GPT-5.4 mini的749分较为接近。按照CAISI的解释，DeepSeek更接近美国上一代轻量级模型，而非最前沿闭源旗舰模型。
但问题在于，这套结果目前难以被外部独立复现。九项基准中有两项属于非公开数据集，而恰恰是在这两项中，DeepSeek与美国模型的差距最为明显。例如在网络安全测试CTF-Archive-Diamond中，GPT-5.5得分71%，而DeepSeek约为32%。由于数据集本身并不公开，外界无法确认测试样本构成、评分标准以及题目是否存在偏向性。
公开基准上的差距并没有那么大
如果把视线转回公开可验证的榜单，情况则显得更加复杂。CAISI列出的公开测试中，DeepSeek并未表现出明显“断层式落后”。在博士级科学推理基准GPQA-Diamond上，DeepSeek达到90%，仅落后Claude Opus 4.6的91%一个百分点。在数学奥赛相关测试OTIS-AIME-2025、PUMaC 2024、SMT 2025中，DeepSeek分别取得97%、96%、96%。在面向真实GitHub缺陷修复的SWE-Bench Verified上，DeepSeek为74%，而GPT-5.5为81%。
从这些公开成绩看，DeepSeek至少在数学、科学推理和部分工程任务上，仍处于全球第一梯队附近。也正因如此，外界对于“8个月差距”的说法保持谨慎态度。DeepSeek在其技术报告中甚至声称，V4 Pro已可对标Claude Opus 4.6和GPT-5.4。
成本比较同样存在筛选争议
除了性能，CAISI还对成本进行了比较。但其方法也受到批评。报告显示，CAISI先剔除了所有“明显更弱”或“单token成本显著更高”的美国模型，最终只有GPT-5.4 mini进入对照组。换言之，美国模型中真正被拿来与DeepSeek比性价比的，只有一个样本。
即便是在这样的筛选规则下，DeepSeek仍在7项测试中的5项里表现出更低成本。这意味着，若单从部署价格和任务效率的角度观察，DeepSeek依然具备较强竞争力，尤其对预算敏感的企业客户和开发者群体而言，这种优势可能比单纯追逐最强性能更具现实吸引力。
业内反驳：中美AI差距或在缩小
对于CAISI的结论，部分行业人士直接提出反驳。化名Ex0bit的AI开发者公开表示，并不存在所谓“8个月差距”，并批评外界长期以美国闭源模型发布节奏为参照，对开源权重模型形成了叙事偏见。
从第三方追踪数据来看，这一反驳并非毫无依据。Artificial Analysis Intelligence Index v4.0显示，截至2026年5月，OpenAI模型综合评分接近60分，而DeepSeek处于50分出头，两者差距较一年前已显著压缩。斯坦福大学于2026年4月发布的AI Index也指出，在公开Arena排行榜上，Claude Opus 4.6与中国模型Dola-Seed-2.0 Preview之间的差距已缩小至2.7%。
这意味着，若以公开基准和第三方榜单为观察窗口，中美头部模型之间的性能差距更可能是在收窄，而不是持续扩大。CAISI的“8个月”说法，更像是特定评估框架下的一个定量结论，而非业内已达成共识的客观事实。
对科技与加密市场意味着什么
虽然这则消息本身聚焦AI，但它对科技投资与加密市场同样具有参考意义。首先，围绕AI模型能力、开源生态和推理成本的竞争，正进一步影响算力、数据中心、GPU租赁以及AI代理类项目的估值逻辑。若中国模型在成本效率上持续保持优势，市场可能重新评估开源AI基础设施、分布式算力网络以及与AI服务相关的代币叙事。
其次，监管机构发布的技术评估正在越来越多地影响市场预期。若投资者单纯依据官方报告判断技术差距，可能高估美国闭源模型的领先幅度；而若结合公开榜单和商业落地成本综合分析，则会发现竞争格局远比“谁领先、谁落后”更复杂。对于关注AI+Crypto交叉赛道的投资者来说，真正值得追踪的并非一句“落后几个月”，而是模型能力、开源可获得性、推理成本和生态扩张速度四项核心指标。
目前，CAISI已表示将很快公布更完整的IRT方法说明。届时，这场围绕DeepSeek真实水平的争论，或许才会进入更具可验证性的下一阶段。在那之前，关于中国AI是否明显落后美国，市场恐怕仍难形成统一答案。