最近，Epoch AI出台一份报告。
报告显示，中国AI模型的进展平均落后于美国7个月：最小差距为4个月，最大差距为14个月。
另一个被人们忽视的事实是，这平均7个月的代差，本质上也是「开源vs闭源」的差距。
仔细观察这张图表，就会发现中美LLM能力的差距，几乎完全贴合闭源和开源之间的整体差距。
Epoch AI最新图表，依旧衡量的是综合能力指数ECI（模型整体前沿水平）。
它综合考虑了语言理解与生成、推理与问题分解能力、多任务泛化表现，已公开模型评测与专家校准。
这种差距，被量化为具体的时间。
也就是说，中国AI想要达到美国同等能力的水平，平均还需要7个月。
这是一个非常关键的分析视角，因为它默认了一个前提：中美AI能力的曲线是同向，但不同步的。
实际上，这张图表，隐含了三层重要的信息。
仅看美国AI这条蓝线，便会发现几个显著的特征：更新节奏非常密集，从GPT-4到o1，再到GPT-5、Gemini 3 Pro，中间几乎没有长时间停滞。 而且，其能力跃迁不完全依赖参数规模。
就比如，o1系列强大在于推理路径的设计，中间状态建模，以及训练目标的重构。它把「思考过程」纳入了工程对象。
相较之下，中国AI模型（红线）直观看，是典型的「跳跃式」追赶曲线。
从Baichuan2、Qwen-14B到Yi-34B，再到DeepSeek-V2、Qwen2.5、Qwen3 Max，每一步提升都很大，但中间间隔相对更长。 从标注的名字来看，中国AI是逐步通过扩大参数规模、MoE架构拉平差距，比如72B、236B、MAX、MoE。
如今回看这几年，中美AI差距真的在不断缩小。从图中时间轴来看：
2023年：差距接近10–12个月
2024年：收敛到6–8个月
2025年：稳定在约7个月
这足以说明，中国AI追赶速度非常稳定，但同时，美国前沿AI推进速度同样没有放缓。
难道说，开源成为了能力上限的约束？
目前，几乎所有中国最领先的大模型，都有一个共同特征：开源。
无论是Qwen系列，还是DeepSeek系列，都选择在不同程度上开放权重，让AI社区复现。
美国真正处于前沿的模型，包括GPT-5、Gemini 3，无一例外，都是闭源的模型。
也正是在这些闭源模型之上，美国持续拉开了前沿能力的曲线。
不仅如此，在前沿数学FrontierMath基准测试中，也印证了中美AI的实力差异，大约就在7个月。
这7个月，并不意味着「追不上」，恰恰相反，它说明了中国LLM已完全进入全球大模型第一竞争梯队。
真正决定胜负的是，不是GPT-5，不是Qwen3 Max，而是下一次范式的跃迁。
让AI推理与行动深度耦合，实现自我反思与规划，以及智能体级的系统能力。
就在几天前，谷歌研究员已释放出，2026年AI领域的重要信号——持续学习。
如何不用重新训练，让AI在参数里自我学习、迭代进化，将会成为下一代AI进化的核心能力。
谁能第一个跨过这条线，谁便会重新定义前沿。
AI 速览
