新智元報道

編輯：Aeneas

Epoch AI年終大盤點來了！出乎意料的是，AI沒有停滯，反而變快了。

最近，Epoch AI又發了不少東西。

他們在FrontierMath上測試了幾個開源權重的中文模型。

結果是，它們在1-3級的最高得分，要落后于全球頂尖AI模型大約七個月。

而在較難的第四級，幾乎所有開源中文大模型都掛了零蛋。

唯一得分的選手，只有DeepSeek-V3.2 (Thinking)。它回答對了一道題，取得了1/48 ≈ 2%的分數。

當然，雖然這些中文開源大模型掛蛋了，外國模型們表現也很差。

GPT、Gemini這些頂尖模型，在傳統的數學測試（比如 GSM-8k、MATH）上簡直一路飆分。然而在FrontierMath上，它們的正確率也并不高。

不過從表中可以看出，它們的表現至少要比中文開源模型好一些。原因是為什么呢？暫時沒找到。

而所有AI模型都考不好，是因為FrontierMath不是普通的benchmark，而是由60+名數學界頂尖專家聯手出題，更有菲爾茲獎得主背書 。

它是一套真正的數學大考卷，不是那種簡單的公式代入、算算微積分的小測驗，而是專家級的原創難題，覆蓋數論、實分析、代數幾何、范疇論等，甚至是科研級別、要花數小時甚至數天才能解開的難題。

這也證明了，在真正難的數學問題 上，AI 現在還不是「做題機器」，更像是偶爾翻到答案的小學生。

AI進化，又加速了

此外，他們還出了一份最新數據洞察，結論令人驚喜——

AI的能力增長，比以前更快了！

他們用一個叫Epoch Capabilities Index（ECI）的綜合指標，追蹤了前沿 AI 模型能力的發展趨勢。

結果顯示：自2024年4月開始，AI 能力增長速度明顯加快——比之前的增長速度快了近一倍！

也就是說，在過去的幾年里，AI的能力不是一條穩定的上升線——而是在某個時間點突然開始更快地往上沖刺。

背后原因就是這兩個：推理模型更強了，強化學習更受重視了。

很多人會覺得，如今的AI進展變慢了，因為GPT-4發布后，就再沒看到巨大的飛躍。

但數據顯示，其實AI的進步從來沒停過，只是方向和節奏變了。它一直在某些核心技能上加速，比如推理能力，而不是靠「更大模型 + 更多參數」。

年度TOP十大洞察

并且，就在剛剛，Epoch AI出了一篇硬核年終回顧。

在整個2025年，他們發布了36篇數據洞察和37篇通訊。

在這70短篇關于AI的短調查中，哪些是最受歡迎的？

Epoch AI給我們來了個年終盤點。

以下這10個調查，是最受讀者歡迎的。

前5個，是最受歡迎的數據洞察。

1.AI推理成本瘋狂降價

嚴謹一點說，就是LLM推理價格在不同任務中迅速但不均衡地下降。

在2023年4月至2025年3月期間，Epoch AI觀察到在同等性能水平下，每枚token的價格下降了10倍以上。

也就是說，AI每一次推理（輸出回答）的價格都下降了10倍以上。

越來越便宜，就意味著AI的普及會更加無門檻：從此，它不再是「大廠拿得起」的技術，而是人人都能用得起的工具！

2.AI「大腦」正跑到你的電腦里

短短一年內，前沿AI性能就已在消費級硬件上實現。

目前能在消費級GPU上運行的頂級開源模型，在GPQA、MMLU、AA Intelligence和 LMArena等多項性能指標上，并且與頂尖AI的差距不到一年，甚至更短。

既然最強開源模型能在普通的消費級顯卡上運行，那么在不久的將來，你的筆記本可能就能跑AI大模型了！

而且任何最前沿的AI能力，都可能在不到一年內被公眾廣泛獲取。

3. OpenAI 2024的大多數算力，其實都用在了試驗上

媒體報道顯示，2024年OpenAI的大部分計算資源并未用于推理或訓練，而是用于做實驗，以支持進一步開發。

是的，不是你想的那樣：不是訓練就是24/7為用戶提供服務，它更多是在試錯、探索、實驗。

這說明，目前的AI研發仍然非常依賴大量實驗，而不只是跑幾個benchmark就完事。

同時，當前AI的成本也大多來自于實驗，而非訓練和部署。

4. 英偉達芯片算力，每10個月翻一倍！

自2020年以來，英偉達芯片的已部署AI計算量每年增長超過一倍。

每發布一款旗艦芯片，它在三年內就會占據現有計算量的絕大部分。

所以可以說，GPU仍然是AI運算的核心燃料，而且增長速度快得飛起。

而為了維持當前AI發展的腳步，計算資源還需要再成倍增加，老黃和其他芯片商還有的賺！

5. GPT-4和GPT-5，都是大飛躍

盡管有人吐槽OpenAI更新太快看不出進步，但不要信他們的！

無論是GPT-4還是GPT-5，都在基準測試中都實現了重大飛躍，大大超越了它們前代產品的性能。

所以，今年的AI不是微創新的堆疊，而是真正的能力躍遷。

那為什么GPT-5發布后，許多人感覺很失望？

這是因為，過去兩年新模型發布的頻率更高了，而非能力放緩了。

Gradient最熱TOP 5：洞見背后的思考

接下來5個，是最受歡迎的Gradient專欄文章。

Gradient是Epoch AI的專欄，專門發表簡短的快訊。

6. ChatGPT耗電驚人？并不是

GPT-4o的每次推理，平均耗能究竟是多少？

答案是，比點亮一個燈泡五分鐘的耗電量還要少。

這個結論，也得到了奧特曼的證實，和谷歌報告的每條Gemini prompt的能量成本相似。

也就是說，外界對于AI消耗能源的擔憂，其實比實際情況要夸張了。

當然，AI的能源消耗一直在指數級增長，未來可能會成為大問題。

7. DeepSeek如何改進了Transformer架構？

一文講清了DeepSeek v3用哪三項核心技巧，在算力更低的情況下拿下了當時最強開源模型的位置。

三個技術是，多頭潛在注意力（MLA）、混合專家（MoE）架構的改進，以及多token預測機制。

就在這篇文章發布后三天，DeepSeek發布了R1，引起了全球AI圈的大地震。它的性能跟OpenAI o1相當，但開發成本卻是幾分之一。

整個AI圈都被上了一課：精妙的架構創新 = 更低的研發成本 + 更快的落地速度。

8. 推理模型能走多遠？局限在哪？

作者分析了推理訓練的增長模式和上限。結論是：推理確實重要，但增長不會無限爆炸。

OpenAI、Anthropic在2025年初就曾表示，它們當前的RL擴展速度最多只能維持1–2年，很快就會觸及自身算力基礎設施的上限。

推理能力已經成為模型訓練中一個極其重要的擴展維度，并在數學、軟件工程上帶來了非常亮眼的效果。

然而，這一方向的增長存在明顯邊界，這也意味著，2024–2025年模型能力的爆發式提升，可能很快就會放緩。

對研發規劃來說，這是重要的現實提醒。

9. 「AI曼哈頓計劃」有多大？

Epoch AI用曼哈頓計劃、阿波羅計劃做對比，估算出一個美國國家級AI項目可能達到的規模。

他們的結論是：這個項目足以支撐一次規模達到GPT-4的1萬倍的訓練任務。

也就是說，當AI被視為國家戰略級科技項目時，它的級別真能放大很多倍！

10.AI的最大價值，并不來自搞科研？

最后這一篇，十分有趣。

我們常常聽到一種敘事：AI一旦能自動做科研，技術就會指數級爆炸，人類生產力就會迎來史詩級躍遷。

但Epoch AI給出了一個更冷靜的判斷——

AI創造的大部分價值，可能并不是來自加速研發（R&D），而是來自對整個經濟體系中大量工作的廣泛自動化。

這是因為，從歷史數據看，在1988–2020年這三十多年里，研發活動對整體生產率的貢獻其實相當有限。

就算AI把「科研效率」拉滿，真正撬動經濟的，未必是實驗室里的突破，而是日常工作方式的改變。

這里，就存在一個關鍵分歧！

要知道，像奧特曼、Demis Hassabis、Dario Amodei這些領軍人物，論調都是「AI自動化研發，是通向爆發式增長的關鍵」。

如果這個判斷成立，那么AI的影響就會很迅猛，很劇烈。它會突然跨過「科研自動化的最后一道門檻」，在少數AI公司內部實現巨大飛躍。

但Epoch AI提出的，卻是另一種可能性，也是更「社會學」的版本。

AI更可能通過一個緩慢而分散的過程，來改變世界。

不是一夜之間，而是幾年甚至幾十年，AI會逐步被不同行業、不同組織吸收，替代重復勞動。

如果真是這樣，AI的革命不會是一聲巨響，而是一場長時間的潮水。

參考資料：

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

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！