截至 2026 年 6 月 7 日，在哪些場景里，中國模型已經追上了？在哪些場景里，差距仍然真實存在？
我的結論很明確：中國頭部模型已經不再是全面落后一代，但也不能說已經全面追平。
真實世界里的答案，是"場景分裂"。
中國模型在開源、本地部署、中文語境、成本效率、部分 OCR/文檔理解、短視頻生成上，已經接近甚至局部領先。
但在高穩定性的長程 agentic coding、復雜工具調用、企業級低故障率、多模態 GUI 自動化、全球信任和產品生態上，美國/西方頭部閉源模型仍有明顯實用優勢。
探索這個問題的過程中，沒按廠商發布會的說法判斷，也不只看 benchmark。
我更看重真實采用和真實使用反饋：誰真的在用，誰長期用，誰愿意付費，誰會在復雜任務里放心交給模型。
01 先說證據邊界
這份判斷以真實采用與真實使用反饋為主，公開 benchmark 只作為輔助。
證據權重大致是：
-開源平臺下載與 API/路由用量。
-開發者社區長期使用反饋。
-GitHub / Hugging Face 問題單。
-企業和產品部署披露。
-媒體報道。
-廠商自測。
這里有一個限制必須先說清楚。
Reddit、GitHub、Hugging Face、OpenRouter、Hacker News、X 的內容相對可查；知乎文章可檢索，但評論粒度有限；Bilibili 評論、Discord 私域群、國內企業內網部署反饋，可見度都很低。
所以，對"國內真實使用情緒"的判斷，置信度低于對 Hugging Face / Reddit / GitHub 生態的判斷。
02 核心判斷：不是"一代差"，而是"場景分裂"
總體判斷可以壓縮成一句話：
中國模型在 base/open model 層已經很強；美國/西方在閉源前沿、產品化 RL、agent harness、企業部署閉環上仍強。
最強證據來自開源生態。
Hugging Face 2026 年開放模型報告顯示，中國模型在開放模型下載中已經形成顯著份額：過去一年中國模型占下載量約 41%，而且 2025 年以來，大量熱門新模型來自中國，或者基于中國模型派生。
更重要的是，獨立量化、適配器、微調者的下載占比也在上升。
這說明真實使用并不只是原廠模型，而是圍繞 Qwen、DeepSeek 等形成了社區飛輪。
Qwen3 在 Hugging Face 上從 0.6B 到 235B 的多個尺寸都有百萬級甚至千萬級下載。Qwen3-0.6B、4B、8B 這些小模型下載尤其高。DeepSeek R1 / R1-0528 與多個 distill 版本，也有數十萬到數百萬級下載。
但"開放模型下載領先"，不等于"全球 AI 應用采用領先"。
a16z 2026 年消費 AI 應用榜顯示，ChatGPT 仍是最大消費 AI 產品，網頁月流量約為第 2 名 Gemini 的 2.7 倍，移動端 MAU 約為 Gemini 的 2.5 倍。Claude 和 Gemini 的美國付費用戶增長很快，但仍被 ChatGPT 遠遠甩開。
中國國內是另一個格局。
Reuters 引 QuestMobile 數據稱，豆包是中國最常用 AI 聊天應用，周活 1.55 億；DeepSeek 第二，周活 8160 萬。春節期間豆包 DAU 一度破 1 億，Qwen 依靠"下單、代理功能"等實用功能留存相對更好。
所以，"中國模型全球采用領先"只在開放權重和開發者生態中更接近成立。
在全球消費者、企業付費、閉源前沿模型調用中，并不成立。
03 真正的代差：穩定性，不是聰明度
很多討論會把問題說成"誰更聰明"。
但真實用戶的反饋不是這樣。
Reddit / LocalLLaMA / Hugging Face 上反復出現的模式是：
Qwen、DeepSeek、Kimi、GLM 在單輪問題、短程編碼、局部任務、中文材料、私有部署中非常強。
但任務一旦變成長程，差距就出來了。
-跨文件修改。
-工具鏈循環。
-上下文壓縮。
-反復測試。
-GUI 操作。
-多小時 agent 任務。
這些場景里，用戶對 Claude / GPT / Gemini 的"少出意外"仍然更信任。
一個 Qwen3.6 用戶說，本地 Qwen 約有 Claude 工作流"95% 好"，但更啰嗦、更蠻干，需要更明確的完成定義。另一些用戶則明確說，復雜 agentic 任務中"definitely no Claude Sonnet 4.6"。
這就是核心差距。
中國模型不是不聰明。
而是在復雜真實工作流里，還不夠穩定。
最樂觀的中國追趕場景，是視頻生成、中文普通對話、開源本地小模型、文檔 OCR。
最慢的場景，是高可靠長程編程代理、企業級全球部署、復雜 GUI/瀏覽器自動化，以及需要極低政治/合規不確定性的跨國使用。
04 一張表看全局
先說小模型。
這里的小模型，指通常
例如 Qwen3-0.6B/1.7B/4B/8B/14B、Qwen3-30B-A3B、Qwen3.6-27B/35B-A3B、DeepSeek R1 distill、Phi-4、Gemma、Llama 4 Scout/Maverick、Mistral Small 等。
大/前沿模型則包括 70B+ dense、大型 MoE、閉源 API 前沿模型，例如 DeepSeek V3/V4、Qwen3-235B-A22B、Kimi K2.x、GLM-5、GPT-5.5、Claude Opus/Sonnet 4.x、Gemini 3.x。
Qwen3 技術報告顯示，Qwen3 覆蓋 0.6B 到 235B，并同時提供 dense 與 MoE 架構，目標就是性能、效率、多語能力的組合。
DeepSeek-V3 則是 671B 總參數、37B 激活參數的 MoE，采用 MLA、DeepSeekMoE、無輔助損失負載均衡、多 token prediction，并聲稱 14.8T token 預訓練、2.788M H800 GPU 小時完成訓練。
真實用戶為什么選小模型？
不是因為它"最聰明"。
而是因為：可控、便宜、夠用。
在 LocalLLaMA 里，Qwen3-30B-A3B 被反復稱為"以前 SOTA 級的智能現在可以跑在普通游戲機/單卡上"。有用戶在 12GB VRAM 上跑 Q6，速度約 12 tok/s；也有用戶用 8GB VRAM + LM Studio 跑 30B-A3B，靠 offload 達到可用速度。
這類反饋說明，小 MoE 的實用價值不是打敗 GPT-5.5，而是在本地、隱私、低成本場景里，把"可用智能"下沉。
用戶選擇小模型的典型場景包括：
甚至在中文、代碼、本地部署熱度上更強。
Qwen3-0.6B、4B、8B、30B-A3B 的下載量顯示，真實開發者并不只盯 235B 大模型，小尺寸模型反而是本地生態的主力。
西方小模型如 Phi-4、Gemma、Llama 4、Mistral Small 仍很強，尤其在英文、工具文檔、企業合規、Google/Microsoft/Meta 生態中有優勢。Meta 的 Llama 4 Scout/Maverick 是開放權重、多模態、MoE 模型，Google Gemma 4 也定位于面向高級推理和 agentic 工作流的開放模型。
但從 LocalLLaMA 的實際熱度看，Qwen / DeepSeek / Kimi 在 2025–2026 的"本地可用智能"敘事里非常強。
前沿大模型層面，差距主要體現在長程穩定性。
OpenAI 對 GPT-5.5 的定位是復雜推理、編碼、專業知識工作和工具使用，API 文檔也明確把 gpt-5.5 作為復雜推理和 coding 的起點，1M context，128K 最大輸出。
Anthropic 的 Sonnet 4.6 明確強化 coding、computer use、long-context reasoning、agent planning，并有 1M context beta；Claude Opus 4.8 被定位為強瀏覽器/電腦代理模型。
Google Gemini 3.1 Pro model card 也強調 agentic performance、advanced coding、long context、多模態理解。
真實用戶反饋與廠商定位相互印證：
Qwen / DeepSeek / Kimi 可以非常接近，但當任務變成長程、多工具、多文件、多小時，Claude / GPT / Gemini 的"少失控"仍更強。
一個本地 Qwen3.6-35B 用戶在 Mac 32GB 上嘗試復現 Claude Code + Opus 完成過的任務，模型能抓住重點，但 32K context 下 compaction 丟信息，甚至忘記當前目錄；換到 128K context 才能一次完成。
這說明差距不只是參數。而是上下文管理、記憶壓縮、工具循環、agent harness。
06 開放權重：中國已經進入全球主流選擇
在開放模型生態中，"中國領先采用"有較強證據。
Hugging Face 2026 報告稱，中國在月度和總體下載上超過美國，過去一年中國模型占 41% 下載。2025 年中國機構發布模型數量暴增，DeepSeek R1 后，Baidu、ByteDance、Tencent 等組織倉庫也明顯增加。
另一個路由/API 側信號來自 OpenRouter。
其 100T token 使用研究顯示，2024-11 到 2025-11 期間，按模型作者聚合的 token 量中，DeepSeek 為 14.37T，Qwen 為 5.59T，超過 Meta LLaMA、Mistral、OpenAI、Google 等在 OpenRouter 上的量。
這不是全網調用量，但對"開發者通過聚合路由試用/部署開放或低價模型"的趨勢很有參考價值。
同時，Microsoft 把 DeepSeek R1 納入 Azure AI Foundry 與 GitHub model catalog，并強調可在企業級平臺上集成、評估和部署，還計劃讓 distilled R1 在 Copilot+ PCs 本地運行。
這說明中國開放模型已經進入西方企業云的模型目錄，不只是國內熱鬧。
開放模型的真實優勢與痛點，可以看這張表：
強推理模型做規劃，小模型或快模型執行。
例如有用戶說 R1 適合復雜推理，但長 CoT 里工具調用不可靠、會忘事、速度慢；Qwen3 Coder 更適合 Cline 這種工具調用場景。
另一個用戶把 Qwen3 Coder 30B 跑在 LM Studio + Cline 中，用 Sonnet 做推理、Qwen 執行，認為慢但在 M4 Pro 64GB 上可用。
也有強烈正反饋。
Qwen3.6-35B-A3B Q8 在 M5 Max 128GB 上通過 OpenCode 跑，有用戶認為長研究任務、多工具、代碼隱私場景"像 Claude 一樣好"；但同一討論中也有人反駁"不如 Claude，只是相當好"，還有用戶指出復雜 agentic 任務差距仍明顯。
這類爭議本身很有價值。
它說明中國開放模型已經能進入真實工作流，但體驗高度依賴硬件、上下文長度、量化質量和 agent 框架。
很多時候，差距不只是模型本身。
GitHub / vLLM / Hugging Face 反饋顯示，問題不只是模型"答錯"，還包括 parser、streaming、chat template、量化版本帶來的工具調用錯誤。
vLLM issue 中有人報告，Qwen3 streaming tool call 會把50306截成503。
另一個 Qwen2.5-Coder issue 里，模型生成了正確的 XML 工具調用，但 parser 沒把它填入 OpenAI-compatible 的tool_calls數組。
Hugging Face 上 Qwen3.6-35B-A3B GGUF 討論也出現 UD-Q6/Q8 工具調用失敗、輸出不穩定、doom loop、chat template 修復后改善等反饋。
這正是"實用代差"的核心：
benchmark 里模型可能很聰明，但生產里一次 parser bug、一次 context compaction、一次錯誤工具調用，就會讓用戶回到 Claude / GPT。
中美開放權重對比，可以這樣看：
08 多模態：中國最強的是 OCR 和文檔，不是萬能視覺 agent
多模態里，中國模型最強的真實場景不是"萬能視覺 agent"，而是文檔、OCR、表格、中文圖文理解。
Qwen2.5-VL 官方強調文檔、圖表、視覺 agent 能力；DeepSeek-VL2 采用 MoE VLM、動態 tiling、MLA KV 壓縮，覆蓋 VQA/OCR/文檔/表格/圖表任務；GLM-4.5V/GLM-5V 則強調圖像、視頻、文檔、GUI 操作和多模態 agent。
真實用戶證據也支持 Qwen-VL 的實用性。
Reddit 上有人用 1000 份文檔做 JSON 抽取評估，稱 Qwen2.5-VL 72B/32B 約 75% 準確率，接近 GPT-4o，并超過 Mistral OCR 和 Gemma-3 27B；評論里還指出 32B 與 72B 接近，性價比更高。
另一個用戶在 Qwen3-VL-30B 上做手機照片庫存/配方提取，稱在 3060 上約 20 秒一張圖，能識別多張真實世界圖片中的物體、量化信息并輸出結構化數據。
但當任務從 OCR 變成 GUI agent，問題明顯增多。
一個用戶嘗試用 Qwen2.5-VL 7B 做 UI 自動化，發現模型能描述屏幕、輸出 UI 元素 JSON 坐標，但 agent 進入 endless loop；評論中還提到坐標接近但不準確、Ollama 圖像 resize 可能影響效果。
手寫 OCR 討論里也有人說，VLM 確實比傳統 OCR 更適合手寫內容，但 Qwen2.5-VL 7B 對 prompt/設置很敏感，會漏段落、字母級準確率不穩定，暫時不能無人工校驗長期使用。
與此相比，西方前沿模型在"視覺 + 工具 + GUI"閉環上仍更成熟。
OpenAI GPT-5.5 官方展示了 OSWorld-Verified、電腦使用、文檔/表格/幻燈片生成等能力；Anthropic Opus 4.8 被合作方稱為強 browser-agent / computer-use 模型；Gemini 3.1 Pro model card 明確定位于 long context、多模態理解和 agentic performance。
多模態對比可以這樣看：
視頻生成是中國最接近西方前沿的領域之一。
Kling、Vidu、Minimax/Hailuo、ByteDance Seedance 在創作者社區和短視頻場景中表現很強。
Kling 官方已經把 KlingAI 3.0 定位為包含視頻、圖像、聲音、特效、Canvas 的一體化創作平臺。
Reuters 也報道，2026 年初 Kling 3.0、Seedance 2.0、MiniMax 新模型等密集發布，說明中國視頻模型競爭強度很高。
西方這邊，Google Veo 3.1 明確主打視頻 + 音頻生成，Runway Gen-4 主打世界一致性、角色/物體一致性和生產級視頻。
OpenAI Sora 2 曾在 2025 年發布，但 OpenAI Help 明確顯示 Sora 網頁/app 于 2026-04-26 停止，API 也有停止時間表。因此到 2026 年中，不能把 Sora 當作活躍領先消費產品。
Reddit / AI video 社區里的主流反饋是：
Kling 在 image-to-video、臉部保持、運動、成本效率上很強，但 Veo 3 因為音頻和整體質量常被排第一。
一個 9 模型比較帖的用戶總結是：Veo 3 "best by far because audio"，Kling 2.1 第二，且比 Veo 便宜；Seedance / Hailuo 也被認為有性價比，但 Hailuo 慢。
另一個 Kling vs Wan 的用戶反饋說，Kling 在動畫化參考圖、prompt following、維持臉部方面非常好，但"costs fortune"。
相比之下，Luma Dream Machine 等西方競品也不是沒有問題。
有用戶購買訂閱后抱怨 hit-or-miss，14 次里 7 次像垃圾輸出，只是放大靜圖，想退款。
這說明視頻生成仍是高方差領域，不能簡單說西方全局碾壓。
視頻生成對比表：
敘事 A：中國模型已經 good enough 了
部分正確。
對中文普通對話、學習、摘要、低成本 API、本地部署、小型 coding 輔助、OCR 抽取、短視頻生成，中國模型已經足夠好。
很多用戶會因為免費、便宜、隱私或中文體驗而切換。
Reddit 上有用戶說 DeepSeek 更適合學習，因為它不是直接給摘要，而是更像幫助自己理解；也有政治老師說 DeepSeek 更適合做長邏輯的 sounding board，但其電氣工程背景的女友仍更偏好 ChatGPT，因為 DeepSeek 在圖示和工程細節上表現差。
但不能泛化。
對復雜工程、長程 agent、跨工具工作流，"good enough"經常變成：還差最后 10%。
但那 10% 決定能不能放心交給它。
有用戶說 DeepSeek 免費但經常 server busy，自己仍為 ChatGPT 付費，因為一致性更重要。
敘事 B：中國模型已經全球采用領先
只在開放模型生態里接近正確。
Hugging Face 下載、OpenRouter token、Qwen / DeepSeek 派生模型數量，確實顯示中國開放模型影響力巨大。
但消費產品上，ChatGPT 仍巨大領先。
中國國內則是豆包、DeepSeek、Qwen、Kimi、元寶等自成生態，不能直接等同于全球領先。
敘事 C：benchmark 已經說明中國追上了
不夠。
Benchmark 不能捕捉 compaction 丟信息、工具 parser 出錯、chat template bug、量化引發的 tool call 失敗、長程任務中的自我糾錯。
Cursor 對 Composer 2/2.5 的技術報告反而說明了真正的差距：
它不是只繼續預訓練 Kimi K2.5，而是用真實 Cursor 環境、長程 coding 任務、大規模 RL、synthetic tasks、behavior shaping 來提升 end-to-end agent performance。
這正是很多中國模型"裸模型很強、產品穩定性差一截"的根源。
敘事 D：中國仍落后一整代
也不準確。
Cursor 官方披露 Composer 2 是在 Kimi K2.5 開源基座上繼續預訓練和 RL 得到的，Composer 2.5 也基于同一 Kimi K2.5 checkpoint。
如果一個美國頭部 coding IDE 的低價前沿 coding 模型可以建立在中國開源基座上，就不能說中國模型還停留在上一代。
更準確的是：
中國在 base/open model 層已經很強；美國/西方在閉源前沿、產品化 RL、agent harness、企業部署閉環上仍強。
11 差距為什么存在，又為什么在縮小？
第一，技術路線在收斂。
DeepSeek-V3 的 MLA、DeepSeekMoE、FP8 訓練、MTP、低成本訓練敘事，以及 Qwen / Kimi / GLM 的 MoE 化，都是在算力受限背景下追求"每 token 成本"和"每激活參數智能"的路線。
這條路線非常適合開放模型擴散：
-模型可以大，但激活參數相對小。
-可以量化。
-可以在消費級硬件或私有云中跑。
-可以被 Cursor、OpenClaw、OpenRouter、Unsloth、llama.cpp、vLLM 等二次開發。
美國/西方頭部實驗室的優勢，則在大規模閉環后訓練。
-長程工具使用。
-真實環境 RL。
-復雜 agent benchmark。
-自家產品的用戶數據回流。
-企業客戶任務分布。
Cursor Composer 2/2.5 的報告非常典型：
Kimi K2.5 是強基座，但真正讓它變成 coding agent 的，是繼續預訓練、真實 Cursor session RL、上十萬沙箱環境、synthetic harder tasks、針對錯誤工具調用的局部文本反饋。
第二，數據結構不同。
中國模型在中文表達、中文文檔、中文 OCR、國內應用場景上天然更貼近用戶。
豆包的成功也說明，國內消費者不只追求"最強模型"，還需要語音、視頻、圖像、Douyin 集成、低門檻 UI。
WIRED 報道稱豆包超過 DeepSeek 的關鍵不只是模型強，而是 ByteDance 懂產品、懂分發、懂病毒式傳播；豆包有聊天、音視頻、圖像、表格、PPT、短視頻、agent 平臺，并與抖音深度集成。
但英文技術文檔、GitHub issue、Stack Overflow、企業代碼庫、SaaS 工具軌跡、瀏覽器/IDE 操作軌跡等，仍然更利于美國/西方閉源模型通過產品閉環積累。
中國模型可以通過 synthetic data 和蒸餾快速追趕，但在"真實用戶長程 agent 軌跡"的規模和質量上仍有疑問。
第三，生態位置不同。
中國模型的開放策略帶來了巨大擴散。
Qwen / DeepSeek / Kimi / GLM 被 Hugging Face、Ollama、LM Studio、OpenRouter、vLLM、llama.cpp、Unsloth 迅速包裝、量化、微調。
Hugging Face 報告指出，獨立開發者、量化者、adapter 發布者在下載中占比上升，說明社區中間層對采用很關鍵。
美國/西方優勢在"從模型到產品"的閉環。
Claude Code、Codex、Cursor、Gemini Workspace、GitHub、JetBrains、Replit、企業 agent 平臺，這些產品能把模型能力轉化為低摩擦體驗，并不斷用真實工作流訓練和評估。
Anthropic Sonnet 4.6 的發布資料中，GitHub 產品負責人強調它在大代碼庫復雜修復中有一致性；OpenAI GPT-5.5 發布資料中，Cursor、NVIDIA 等也強調長程 coding 和工具使用。
第四，芯片、監管和信任仍是外部變量。
美國出口管制迫使中國模型更重視效率和國產芯片適配。
GLM-5 使用國產芯片推理，DeepSeek V4 被 AP 報道稱部分由華為芯片支持，并有 1M context。
這會加速中國在"低成本/非 NVIDIA"部署上的創新，但也可能限制最前沿訓練擴展速度。
監管是另一個真實差距。
DeepSeek 官方服務的內容審查、數據存儲在中國、政治敏感話題限制，會影響國際用戶信任。
開源權重可緩解 app 層過濾，但模型訓練與對齊中的偏置不一定完全消失。
Microsoft / Reuters 報道也提到，DeepSeek 數據存儲在中國可能成為美國采用阻礙。
12 分場景追平時間表
這里的"穩定態"，按這個定義：
在復雜真實工作流中低摩擦、低驚訝、少意外失敗，接近 Claude 4.6 Sonnet 時代被用戶稱贊的穩定感，或 2026 年5月 Claude/GPT/Gemini 高端模型的 agent 穩定水準。
對中文用戶，DeepSeek、豆包、Qwen、Kimi 已經足夠強。真正差別是產品入口、穩定性、敏感話題、聯網/工具能力，而不是"能不能聊天"。
豆包的案例說明，中國消費者采用更受 UI、語音、視頻、抖音入口、社交傳播影響，而不是純 benchmark。
編程必須分層看。
簡單 coding、單文件、腳本、bug fix，中國模型已經接近。Qwen、Kimi、DeepSeek 的真實用戶反饋很多是正面的，尤其當成本、隱私、本地部署重要時。
復雜 agentic coding，仍有明顯差距。
中國模型經常需要更強 harness、更長 context、更好的 compaction、更穩定 tool calling。Reddit 用戶對 Qwen3.6 的"95% Claude"評價和"復雜任務絕對不是 Claude Sonnet 4.6"的反向評價同時存在，說明它接近但不穩。
真正的追平信號不是 SWE-bench 分數。
而是用戶大規模取消 Claude / Codex，把真實工作長期交給 Qwen / Kimi / GLM / DeepSeek，并且事故率不升。
多模態則是 OCR 近，GUI 遠。
OCR / 文檔抽取可能已經在不少場景達到穩定可用，尤其中文材料。
但 GUI agent、復雜屏幕操作、多步驟視覺規劃仍落后。用戶能讓 Qwen-VL 識別 UI，但 agent 循環、坐標誤差、狀態管理問題說明，距離"穩定態"還有一段。
視頻是 parity 最快的方向。
Kling / Seedance / Minimax / Vidu 與 Veo / Runway 的差距，比 LLM 前沿差距小。
短視頻、營銷素材、I2V、中文 prompt 創作里，中國模型已非常接近；專業影視級長鏡頭、音頻、角色跨鏡頭一致性、可控編輯工作流，Veo / Runway 仍更強。
13 未來 6–12 個月，最值得看什么？
如果要判斷中國模型是不是進一步追上，不要只盯新模型發布會。
我會看這 9 個指標。
真實用戶切換行為：Reddit/LocalLLaMA/OpenClaw/Cursor/Claude Code 社區是否出現持續、大規模"我取消 Claude，用 Qwen/Kimi/GLM/DeepSeek 完成真實工作"的帖子，而不只是 demo。
長程 agent 指標：Terminal-Bench 2、SWE-bench Pro、OSWorld-Verified、WebArena、BrowseComp、OfficeQA Pro，以及更重要的私有企業 agent eval。OpenAI/Anthropic/Google 都已把這類 benchmark 作為核心敘事。
工具調用事故率：vLLM、llama.cpp、OpenCode、Cline、OpenClaw 中 Qwen/DeepSeek/Kimi/GLM 的 tool_call parser、streaming、JSON、function schema、compaction bug 是否明顯下降。
上下文與記憶壓縮：中國模型是否能在 128K/256K/1M context 下保持穩定，不因 compaction 丟目錄、丟目標、丟約束。
低比特量化保持能力：Q4/Q5/Q8 對 coding agent 的影響能否縮小。當前用戶反饋顯示量化會顯著影響 tool calling 和 reasoning。
中國模型被西方產品"隱形采用"：Cursor 基于 Kimi K2.5 的案例非常重要。若更多 IDE、agent 平臺、客服平臺、RAG 平臺在底層采用中國 open checkpoint，說明中國 base model 的實用價值被全球產品承認。
國產芯片推理/訓練進展：Ascend、寒武紀、摩爾線程、昆侖芯在大 MoE 推理和訓練中的穩定性、成本、開發者工具鏈。如果國產芯片只適合推理，前沿訓練差距仍會存在；如果訓練棧也成熟，時間線會前移。
視頻模型的音頻與可控性：Kling/Seedance/Minimax 是否能在原生音頻、多鏡頭一致性、導演控制、長視頻穩定性上追上 Veo/Runway。
審查與全球信任：中國模型是否能提供可信的海外部署、透明安全策略、可審計數據邊界，以及對敏感/政治/企業合規場景的可預測行為。
14 最后的判斷
2026 年中，中國大模型與美國/西方模型之間，已經不是傳統意義的"整體落后一代"，而是進入了"開放模型強勢追平、閉源前沿和穩定 agent 仍落后、視頻和 OCR 局部接近或領先"的階段。
更細分地說：
普通中文對話：中國已基本追上，甚至在國內入口、語音、短視頻、多功能消費應用上更貼近本土用戶。
小模型/本地模型：中國已達到全球第一梯隊，Qwen / DeepSeek / Kimi / GLM 是真實開發者會主動選擇的模型，不只是民族品牌敘事。
復雜編程智能體：仍未穩定追平 Claude / GPT / Gemini / Cursor 這類閉源產品化體系。聰明度接近，穩定性、工具鏈、長程行為還差。
多模態文檔/OCR：中國非常強，Qwen-VL 是開放模型中最有實用含金量的方向之一。
GUI agent：仍有明顯差距，尤其是持續狀態管理和低錯誤率。
視頻生成：中國接近最快，Kling / Seedance / Minimax / Vidu 已經是全球競爭者；但 Veo / Runway 在專業音畫、長鏡頭、工作流可控性上仍領先。
全球企業采用：技術差距之外，合規、數據、審查、地緣政治和產品生態，會讓中國模型追趕更慢。
所以，對"中國何時追上美國水準"的答案必須分場景。
普通對話和本地小模型，很多已經追上。
短視頻和 OCR，正在局部追上。
復雜 agentic coding，大概率還需要 1–2 年。
企業級全球穩定采用，可能需要 2–4 年，甚至更久。
中國已經在開放模型和成本效率上進入第一梯隊，但美國/西方仍掌握高穩定 agent、產品閉環和全球信任的關鍵優勢。
本文來自微信公眾號：AIGC從0到1，作者：王零壹
