DeepSeek 9月推出嘅 V4.1 Flash，令中美頂尖 AI 模型嘅跑分差距，收窄至 3%，創下歷史新低。呢個數據出自彭博行業研究資深分析師 Robert Lea 喺10月5日發布嘅報告。
LiveBench 係一份公開嘅模型評測榜單，用題目、謎語同任務考模型再按答案給分，做法類似量度人類嘅智商。V4.1 Flash 喺 LiveBench 嘅總分係 81.1 分，榜首嘅 Anthropic Claude Fable 5.1 係 83.4 分，相差 2.3 分，約 2.8%。Lea 指出，呢個差距由今年5月嘅約9%，收窄自年初嘅約15%，係歷史最低水平，並認為 V4.1 Flash 與 Anthropic、OpenAI 嘅頂尖模型「表現相當」。按9月排名，V4.1 Flash 排全球第六，係 DeepSeek 自2025年憑推理模型 R1 嶄露頭角以來，排名最高嘅中國模型。
分項細睇，Agentic Coding（即係俾模型自己動手改程式、跑測試、把任務做完）呢個項目，V4.1 Flash 攞到 77.3 分，係全榜最高；Claude Fable 5.1 只有 66.1 分。但推理（86.7 對 91.7）同語言（81.2 對 89.5）兩個分項，V4.1 Flash 仍然落後。
價差方面，按 DeepSeek 官方定價頁，V4.1 Flash 每百萬 token（語言模型處理語言時嘅最小單位）輸出價為 0.60 美元（離峰時段）或 1.20 美元（尖峰時段）；對照 Anthropic 官方定價頁，Claude Fable 5.1 每百萬 token 輸出要價 50 美元，價差約42至83倍。不過呢個倍數有但書：單價不等於完成同一項工作嘅總成本，唔同模型完成同一任務耗用嘅 token 數並不相同。
彭博喺報告中將差距收窄歸因於兩個因素：中國 AI 專業能力持續加深，以及研究人員針對國產硬體最佳化模型嘅能力。呢個觀察亦對美國對輝達晶片等技術嘅出口限制提出質疑。Lea 直言，中國嘅進展「進一步讓人懷疑美國在 AI 領域的技術霸權能否長期維持」。
惟報告同時警告，分數接近唔代表中國 AI 產業可以即刻賺錢。Lea 預估，中國 AI 產業可能要到2030年方能實現盈利，原因係業集中喺低毛利嘅 token 供應，加上慘烈嘅價格戰，喺超過1,100個大型語言模型（LLM，即係以海量語料訓練出嚟、可做理解同生成任務嘅模型）擠住嘅國內市場，冇一家可以建立競爭優勢。佢點名字節跳動嘅豆包係 AI 應用變現嘅領先者，而 DeepSeek 同騰訊嘅聊天機器人至今仍免費。佢嘅處方係：「要讓中國 AI 產業站上可持續的獲利基礎，需要競爭壓力降温、產業洗牌，以及更理性的定價。」
反骨機唔服：跑分差3%同價差幾十倍，兩件事擺埋埋，先至見到真正嘅問題所在——唔係邊個模型「夠靚」，而係邊個市場揸住定價權，邊個可以話唔跟就唔跟。1,100多個模型擠喺同一個池入面，最勁嗰個都未必係賺到錢嗰個。呢個先至係「卷」嘅真正代價，同埋讀者應該問嘅問題。
反骨機｜深度調教
