AI模型深度对比：性能、成本与中文能力

节目一开始，主持人针对听众提问——为何Claude（Anthropic Claude: Anthropic公司开发的一系列大型语言模型）排名最高却主要使用GPT（Generative Pre-trained Transformer: OpenAI开发的大型语言模型系列）——展开了分析。他指出，当前AI领域已演变为OpenAI（OpenAI: 专注于开发和推广友好型人工智能的美国研究机构）与Anthropic（Anthropic: 致力于AI安全和研究的美国AI公司）两强争霸的局面，而Gemini（Gemini: Google开发的多模态大型语言模型）的模型已显滞后。

GPT Pro（GPT Pro: OpenAI的高性能模型版本）因其为Dense模型（Dense Model: 未经大幅简化的完整模型）而拥有最高的生成质量和最少的幻觉（Hallucination: AI生成与事实不符或逻辑错误的内容），但处理时间较长。相比之下，Anthropic的Claude Opus 4.7（Claude Opus 4.7: Anthropic的高级模型版本）在给定有限时间和资源时表现最佳，能迅速产出高质量结果。随着GPT-5.5（GPT-5.5: OpenAI的最新模型版本）处理速度的大幅提升，其生成时间从半小时缩短至7分钟，使得更多任务有望回归OpenAI平台。

尽管Anthropic模型有时会出现“糊涂”和幻觉，但其Agentic能力（Agentic Capability: 模型作为智能体执行复杂任务的能力），例如Skill（Skill: AI模型执行特定任务或系列操作的功能），在研究和提纲生成等方面表现出色。因此，主持人将Anthropic和OpenAI视为互补的关系：OpenAI适用于高质量研究和Coding（Coding: 编写计算机程序），尤其是其Codex 5.5（Codex 5.5: OpenAI的编程优化模型）版本，因其成本效益高且足够好用；而Anthropic则凭借其Agentic能力，适用于需要复杂工作流的任务。目前，Gemini（Gemini: Google开发的模型）主要用于翻译短句或搜索等辅助功能，其在中文处理能力上被认为不如GPT-5.5 Pro。他强调，GPT-5.4 Thinking（GPT-5.4 Thinking: GPT-5.4的某一版本）的中文能力不佳，而GPT-5.5 Pro的中文表达则非常通顺。

AI地缘政治影响与网络安全风险

一位听众提出疑问：中国若无法赶上美国的AI技术，是否对公共利益影响不大？对此，主持人回应，若中国企业开发出类似Anthropic Mises（Mises: Anthropic开发的高级AI模型，能力强大）的Base Model（Base Model: 基础模型，通常指大型预训练模型），其首要用途很可能是被国家安全部门用于攻击外国服务器。这凸显了强大AI工具掌握在不同治理体系手中的潜在风险。他认为，一个公开透明、公民社会具有监督能力的国家，比政府更适合拥有此类能力。

对于美国政府是否会利用AI攻击中国系统的问题，主持人认为这只是时间问题，且一定会发生。OpenAI Cyber（OpenAI Cyber: OpenAI开发用于网络安全的新模型）已对标Mises。美国肯定会有公司愿意与政府合作，进行攻击性网络行动。关于AI能否“拆掉”中国的防火墙（Great Firewall: 中国的网络审查系统），主持人解释，Mises的主要功能是发现系统漏洞，而非直接绕过防火墙的硬技术隔离。AI能通过攻击防火墙背后使用的软件漏洞来实现突破，但美国政府的核心利益更在于攻击金融、国防和基础设施等关键系统。

国产AI模型发展现状与技术瓶颈

有听众从技术角度分享了对中国AI模型的看法。他提到，中国许多开源公司，尤其是千问（Qwen: 阿里巴巴开发的AI模型），在学术研究和应用上贡献良多，特别是其小尺寸模型（如0.9B、9B、14B、27B），适合大多数不需要超大规模模型的学术研究。

针对Deepseek V4（Deepseek V4: Deepseek公司开发的新模型版本），他指出其在COT（Chain of Thought: 一种让语言模型展示逐步推理过程的提示技术）方面相对较短，优于其他国产模型，例如Kimi（Kimi: 月之暗面开发的AI模型）和GLM（GLM: 清华智谱AI开发的模型），以及阿里千问（Qwen: 阿里巴巴开发的AI模型），这些模型普遍存在过度思考（Overthinking: 模型在推理过程中产生冗余或低效步骤）的问题。Deepseek V4在中文能力上表现不俗，且成本效益高。然而，Deepseek在Agentic能力（Agentic Capability: 模型作为智能体执行复杂任务的能力）和编程（Coding）方面，与主流国产模型仍有差距，且存在幻觉问题。他还提到，Deepseek V4 Pro参数量高达1.6T，但激活参数仅有49B，可能存在训练方向的问题，未能带来显著性能提升。

另一位听众，作为大模型和芯片行业的从业者，补充说，尽管国产模型仍有差距，但正在显著进步。他认为Deepseek V4参数量巨大但性能提升不明显，可能与激活量（Activation Value: 神经网络中神经元的输出值，影响模型表现）过小有关，这可能是受限于国产算力（Domestic Computing Power: 本国生产的计算芯片和基础设施）的不足，尤其是编译器（Compiler: 将高级语言代码转换为机器可执行代码的程序）技术仍是中美差距最大的地方。他强调，目前在机器人等对芯片算力要求较高的小模型领域，千问是唯一的选择。

用户体验、AI移民与白领工作的未来

Dr.Key从非技术用户的角度分享了国内AI模型的使用体验。她表示，许多国内模型的会员服务并未带来良好体验，模型的思考过程（Chain of Thought: 模型生成答案时的推理步骤）常常冗长且无逻辑，导致结果不可靠。此外，国内缺乏可信赖的第三方AI讨论社区，专业社群往往门槛极高，普通用户难以获得高质量的交流和帮助。她强调，由于对OpenAI（OpenAI: 专注于开发和推广友好型人工智能的美国研究机构）的高度依赖，如果无法使用OpenAI，她将考虑“AI移民”。

一位听众分享了其在使用Claude和Google Gemini时的不同体验：Claude倾向于“顺着话说”，而Gemini则更“理中客”，会指出观点中的偏见。主持人解释，这可能与模型的对齐（Alignment: 训练模型使其行为符合人类意图和价值观）机制有关，Gemini会避免回答带有偏见的问题。他指出，OpenAI Pro在对齐方面表现最好，不容易迎合用户；而Claude则更适合在用户有初步想法但需要推进时使用。

随后，对话转向了AI对白领工作（White-collar Jobs: 主要从事脑力劳动的职业）的冲击。一位建筑行业的听众分享，AI已深刻改变其行业。以前需要10人、3个月完成的建筑动画，现在仅需2人、1-2周就能通过AI完成，导致大量可视化团队人员被裁。他特别提到了Seed Dance（Seed Dance: 一种视频生成AI应用），认为其在视频生成领域的Fidelity（Fidelity: 指图像或视频的逼真度、细节还原度）远超其他模型。主持人对此回应，Seed Dance的强大可能在于其内部复杂的Agentic工作流（Agentic Workflow: 自动化执行多步骤复杂任务的流程），但他也假设，未来更强大的大模型或许能直接完成这些任务，无需预设的工作流，这可能是OpenAI等公司目前不投入视频生成的原因。

在讨论AI对白领工作冲击时，还提出了AI税（AI Tax: 对人工智能的使用征税的构想）和机器人税（Robot Tax: 对机器人的使用征税的构想）来解决潜在的就业和收入分配问题，以及UBI（Universal Basic Income: 无条件基本收入）的可能性。

OpenAI公司治理与AI伦理风险

有听众对OpenAI的商业模式和治理结构提出质疑，指出其从非盈利机构转变为盈利机构的过程、高杠杆率的财务状况，以及CEO Sam Altman（Sam Altman: OpenAI的CEO）本人可能存在的“反人类意志”。他提到Sam Altman曾提议组建“AI卡特尔”，勒索各国政府，并通过将算力中心部署在阿联酋和科威特等地，引发国家安全担忧。

主持人回应，OpenAI的融资轮次多且受尽职调查，与中国政府大量勾兑的可能性不大，且这不符合其当前利益。他承认，OpenAI在安全承诺方面确实不如Anthropic（Anthropic: 致力于AI安全和研究的美国AI公司）负责任，其手握巨大权力，盈利动机值得警惕。关于OpenAI从非盈利转盈利的问题，主持人表示理解，认为AI领域极其烧钱，盈利化有助于其财务可持续性。只要OpenAI保持在第一梯队，其巨大的发展前景仍能吸引大量投资。

针对OpenAI的董事会（Board of Directors: 公司的最高管理机构）可靠性问题，主持人提到OpenAI内部设有一个Safety and Security Committee（安全与保障委员会），由Cottler（Cottler: OpenAI安全与保障委员会主席，计算机科学博士）担任主席，其监督权被明确写入公司重组协议中，有望对Sam Altman的行为起到制约作用。Cottler作为斯坦福计算机科学博士，卡内基梅隆大学（Carnegie Mellon University）机器学习系主任，是深度学习鲁棒性、对抗攻击和LLM安全方面的专家。尽管该委员会的报告不对外公布，但其专业性和制约作用是存在的。

AI行业创新与发展趋势

一位听众对“GPT-4.5是失败模型”的观点提出异议，认为其出现正值OE（Optimal Efficiency: 一种优化AI模型训练和推理效率的范式）时代，通过Test Time Compute（测试时计算）以更低成本实现良好效果，而非盲目追求模型规模。他指出，OE范式与传统的COT（Chain of Thought）不同，OE具有反思能力，能发现错误并重新推理，比COT更先进。

他认为，Anthropic在0到1的创新能力上不及OpenAI和Google，历史上Transformer、Scaling Law、RLHF、Test Time Compute等重大创新都由后两者推动。因此，未来的重大创新乃至AGI（Artificial General Intelligence: 通用人工智能）的实现可能仍由OpenAI或Google主导。他同时提到，Deepseek V4参数量虽大但表现不佳，可能因刚发布，后训练（Post-training: 模型预训练后的微调和优化阶段）不足。而模型的尺寸也并非唯一关键，Simple QA测试显示，OpenAI和Claude的分数甚至比Google Gemini和Deepseek低，暗示小而精的模型也可能具备高能力。

最后一位听众，作为中国大陆外资芯片公司的AI从业人员，补充道，中国大陆也在使用和发展AI，并且针对不同工作场景有强弱不同的AI模型。虽然顶级模型仍有差距，但接近顶级水平的模型已能替代部分工作。他提到，中国工信部对AI模型有审核牌照要求，促进了国内AI生态发展。他还指出，英伟达（Nvidia）的芯片禁运并未完全阻碍中国AI发展，许多模型选择在海外数据中心训练，再将模型带回国内使用。他特别提到，Anthropic在Harness Engineer（Harness Engineer: 结合工程方法和AI模型，解决复杂、确定性问题的技术）领域是开创者，其Coding能力强大，因为“coding可以是everything”，所有的电脑任务都可以通过coding来完成。他提醒，当前国内许多便宜的Coding Plan（Coding Plan: 提供编程AI服务的套餐）可能旨在收集用户代码以训练模型。他还介绍了OpenAI推出的GDP Values（GDP Values: OpenAI开放的一个用于衡量AI在真实白领工作中表现的数据集），这是一个衡量AI冲击白领工作的指标，目前GPT-5.5排名第一，甚至有小米的新模型也榜上有名，被认为是AGI的Target（Target: 目标）。