Epoch AI年终盘点：AI能力加速进化，中文开源模型在顶级数学测试中表现滞后

【导读】Epoch AI年度总结出炉！令人意外的是，AI并未放慢脚步，反而加速进化。

近期，Epoch AI连续发布了多项新研究成果。 

他们对几款开源权重的中国大模型在FrontierMath上进行了测试。

结果显示，这些模型在1-3级难度上的最高得分，比全球顶尖AI落后约七个月。

而在难度更高的第四级，几乎所有开源中文大模型都交了白卷。

唯一拿到分数的模型是DeepSeek-V3.2 (Thinking)，它正确解答了一道题，获得1/48（约2%）的分数。

当然，尽管中文开源模型表现不佳，但国外顶尖模型同样面临挑战。

GPT、Gemini等模型在传统数学测试（如GSM-8k、MATH）中表现优异，但在FrontierMath上正确率也不高。

但从表格数据看，它们的表现仍优于中文开源模型，原因尚不明确。

所有模型都表现不佳，是因为FrontierMath并非普通基准测试，而是由60多位数学界顶尖专家联合出题，甚至得到菲尔兹奖得主背书。

这是一套真正的数学大考卷，并非简单的公式代入或微积分练习，而是专家级的原创难题，涵盖数论、实分析、代数几何、范畴论等领域，甚至达到科研级别，需要数小时甚至数天才能解开。

这证明AI在真正的难题面前尚不是“做题机器”，更像是偶尔撞见答案的小学生。

AI进化，再次提速

此外，他们还发布了一份最新数据洞察，结论令人振奋——

AI能力的增长速度，比以往更快了！

他们使用一个名为Epoch Capabilities Index（ECI）的综合指标，追踪前沿AI模型的能力发展趋势。

结果显示，自2024年4月起，AI能力增长速度显著提升——比之前快了近一倍！

这意味着，过去几年AI能力并非平稳上升，而是在某个节点突然加速冲刺。

背后原因有二：推理模型能力增强，强化学习获得更多重视。

许多人认为AI进展放缓，因为自GPT-4发布后未再出现巨大飞跃。

但数据显示，AI的进步从未停止，只是方向和节奏发生变化。它一直在某些核心技能（如推理能力）上加速，而非依赖“更大模型+更多参数”。

年度十大洞察TOP榜

与此同时，Epoch AI刚刚发布了一篇硬核年终回顾。

整个2025年，他们共发布了36篇数据洞察和37篇通讯。

在这70余篇关于AI的短篇调查中，哪些最受读者青睐？

Epoch AI为我们带来了年终盘点。

以下十大调查，是读者最喜爱的。

前五个是最受欢迎的数据洞察。

1. AI推理成本急剧下降

更准确地说，LLM推理价格在不同任务中快速但不均衡地降低。

在2023年4月至2025年3月间，Epoch AI发现同等性能水平下，每token价格下降超过10倍。

这意味着，AI每次推理（生成回答）的成本降低了10倍以上。

成本下降意味着AI普及门槛降低：它不再是“大厂专属”，而是人人可用的工具！

2. AI“大脑”正进入你的电脑

短短一年间，前沿AI性能已在消费级硬件上实现。

目前能在消费级GPU上运行的顶级开源模型，在GPQA、MMLU、AA Intelligence和LMArena等多项指标上，与顶尖AI的差距不到一年，甚至更短。

既然最强开源模型能在普通消费级显卡上运行，那么不久的将来，你的笔记本或许就能跑AI大模型！

而且，任何最前沿的AI能力都可能在未来一年内被公众广泛获取。

3. OpenAI 2024年大部分算力用于实验

据媒体报道，2024年OpenAI的大部分计算资源并未投入推理或训练，而是用于实验以支持进一步开发。

没错，并非想象中那样主要用于训练或24/7提供服务，更多是在试错、探索和实验。

这说明当前AI研发仍高度依赖大量实验，而非仅跑几个基准测试。

同时，当前AI的成本主要来自实验，而非训练和部署。

4. 英伟达芯片算力每10个月翻一番！

自2020年起，英伟达芯片的已部署AI计算量每年增长超过一倍。

每款旗舰芯片发布后，三年内将占据现有计算量的绝大部分。

因此可以说，GPU仍是AI运算的核心动力，且增长速度极快。

为维持当前AI发展速度，计算资源还需成倍增加，英伟达等芯片厂商仍有巨大市场空间！

5. GPT-4与GPT-5均实现重大飞跃

尽管有人抱怨OpenAI更新太快看不出进步，但别被误导！

无论是GPT-4还是GPT-5，都在基准测试中实现重大飞跃，性能远超前代产品。

因此，今年的AI并非微创新堆叠，而是真正的能力跃迁。

那为何GPT-5发布后，许多人感到失望？

这是因为过去两年新模型发布频率加快，而非能力提升放缓。

Gradient最热TOP 5：洞察背后的思考

接下来五个是最受欢迎的Gradient专栏文章。

6. ChatGPT耗电惊人？并非如此

GPT-4o每次推理的平均能耗究竟是多少？

答案是，比点亮一个灯泡五分钟的耗电量还低。

这一结论得到奥特曼证实，与谷歌报告的每条Gemini提示的能量成本相近。

也就是说，外界对AI能耗的担忧被夸大了。

当然，AI能耗仍在指数级增长，未来可能成为重大问题。

7. DeepSeek如何改进Transformer架构？

这篇文章讲清了DeepSeek v3如何用三项核心技巧，在更低算力下夺得当时最强开源模型之位。

三项技术是：多头潜在注意力（MLA）、混合专家（MoE）架构改进，以及多token预测机制。

文章发布三天后，DeepSeek推出R1，引发全球AI圈震动。其性能与OpenAI o1相当，但开发成本仅为几分之一。

整个AI圈因此学到：精妙架构创新 = 更低研发成本 + 更快落地速度。

8. 推理模型能走多远？局限在哪里？

作者分析了推理训练的增长模式与上限，结论是：推理固然重要，但增长不会无限爆炸。

OpenAI、Anthropic在2025年初表示，它们当前的RL扩展速度最多维持1–2年，很快将触及算力基础设施上限。

推理能力已成为模型训练中极为重要的扩展维度，并在数学、软件工程领域带来显著效果。

然而，这一方向的增长存在明显边界，意味着2024–2025年模型能力的爆发式提升可能很快放缓。

对研发规划而言，这是重要的现实提醒。

9. “AI曼哈顿计划”规模多大？

Epoch AI对比曼哈顿计划、阿波罗计划，估算美国国家级AI项目的潜在规模。

结论是：该项目足以支撑一次规模达GPT-4一万倍的训练任务。

也就是说，当AI被视作国家战略科技项目时，其规模可放大许多倍！

10. AI的最大价值不来自科研？

最后一篇，饶有趣味。

我们常听到一种叙事：AI一旦能自动科研，技术将指数爆炸，人类生产力将迎来史诗级跃迁。

但Epoch AI给出了更冷静的判断——

AI创造的大部分价值，或许并非来自加速研发（R&D），而是来自对经济体系中大量工作的广泛自动化。

因为从历史数据看，1988–2020年间，研发活动对整体生产率的贡献相当有限。

即便AI将“科研效率”拉满，真正撬动经济的可能并非实验室突破，而是日常工作方式的改变。

这里存在一个关键分歧！

要知道，奥特曼、Demis Hassabis、Dario Amodei等领军人物均认为“AI自动化研发是通向爆发式增长的关键”。

若此判断成立，AI的影响将迅猛剧烈，它会突然跨过“科研自动化的最后一道门槛”，在少数AI公司内部实现巨大飞跃。

但Epoch AI提出另一种可能性，也是更“社会学”的版本。

AI更可能通过缓慢而分散的过程改变世界。

并非一夜之间，而是几年甚至几十年，AI将逐步被不同行业和组织吸收，替代重复劳动。

若果真如此，AI革命不会是一声巨响，而是一场漫长的潮水。

参考资料： 

https://x.com/EpochAIResearch/status/2003510001277747518 

https://x.com/EpochAIResearch/status/2003559099867496872 

https://epoch.ai/data-insights/ai-capabilities-progress-has-sped-up 

https://x.com/EpochAIResearch/status/2003178174310678644