中国AI逼近前沿：成本碾压，差距归零彭博一张图表，把中美人工智能的追赶态势摊在了桌上。结论直白：美国仍站前沿，但中国正以"白菜价"逼近同等性能——这不是追赶，是定价权的易手。性能：从"望尘莫及"到"并驾齐驱"月之暗面的Kimi K3已逼近Anthropic Claude Fable 5的水平。在DeepSWE代码基准上，Fable以69.9%对68.5%的微弱优势领先单次尝试，但允许多次尝试后K3反超：pass在AA-Briefcase智能体知识工作基准上，K3以1543 Elo位列第二，仅次于Fable 5（1574），已超越GPT-5.6 Sol。更关键的是，智谱AI的GLM-5.3甚至未被纳入这张图表——该模型基于7430亿参数底座，仅凭后训练扩展便在多项编码与智能体基准上超越K3，部分项目已赶超Fable 5与GPT-5.6 Sol。 若将其计入，天平还会进一步向中国倾斜。成本：三分之一的代价，三倍的产出价格才是杀招。K3的API输入定价为每百万token 3美元，Fable高达10美元；输出端15美元对50美元。 实际任务成本差距更悬殊：DeepSWE测试中，K3单次推理成本4.65美元，Fable需13.41美元；每100美元预算，K3可解决14.7个任务，Fable仅5.3个，效率差近三倍。 这意味着中国企业能以美国同行三成的开销，获得同等甚至更高的产出。生态：前沿实验室集群成型Anthropic内部评估认为中国落后6–12个月，但这一判断正被快速迭代的中国模型所压缩。 更深层的变化是产业生态：月之暗面、智谱AI、深度求索等已构成前沿实验室集群，形成与美国OpenAI、Anthropic、Google对垒的矩阵。GLM-5.3的发布策略尤为典型——同一底座通过强化后训练即可跃升，无需重训万亿参数模型，这种"小步快跑"的迭代节奏，恰恰是资源受限环境下的最优解。定价权之战美国实验室仍握有最顶尖的单点性能，但商业价值正在被稀释。当中国模型以70%的成本折扣提供95%的性能时，"前沿"便失去了溢价基础。这不是技术失败，是商业模式的瓦解——OpenAI和Anthropic无法再继续收取前沿价格，因为市场出现了足够好用的平价替代。真正的分水岭不在于谁率先抵达AGI，而在于谁能在性能趋同的战场上控制成本曲线。中国AI的崛起，本质上是一场制造业逻辑对硅谷溢价模型的降维打击。