--- title: "不是模型，是时钟" description: "OpenRouter 上的一个匿名模型改变了我对这件事有多快的判断。这不是一次基准测试。是一个没人知道出自谁手的中国模型，在身份被揭晓之前就冲上了第一名。" canonical: https://www.askgib.com/zh/articles/its-not-the-models-its-the-clock last-updated: 2026-08-24 lang: zh --- # 不是模型，是时钟 > OpenRouter 上的一个匿名模型改变了我对这件事有多快的判断。这不是一次基准测试。是一个没人知道出自谁手的中国模型，在身份被揭晓之前就冲上了第一名。 By Gibril Bachouchi. Filed 2026-08-24. 1 min read. Web page: https://www.askgib.com/zh/articles/its-not-the-models-its-the-clock Languages: [en](https://www.askgib.com/articles/its-not-the-models-its-the-clock.md) · [fr](https://www.askgib.com/fr/articles/its-not-the-models-its-the-clock.md) · [ar](https://www.askgib.com/ar/articles/its-not-the-models-its-the-clock.md) · [es](https://www.askgib.com/es/articles/its-not-the-models-its-the-clock.md) · [ru](https://www.askgib.com/ru/articles/its-not-the-models-its-the-clock.md) · [pt](https://www.askgib.com/pt/articles/its-not-the-models-its-the-clock.md) · [it](https://www.askgib.com/it/articles/its-not-the-models-its-the-clock.md) · [de](https://www.askgib.com/de/articles/its-not-the-models-its-the-clock.md) · [ja](https://www.askgib.com/ja/articles/its-not-the-models-its-the-clock.md) · [ko](https://www.askgib.com/ko/articles/its-not-the-models-its-the-clock.md) · [hi](https://www.askgib.com/hi/articles/its-not-the-models-its-the-clock.md) · [he](https://www.askgib.com/he/articles/its-not-the-models-its-the-clock.md) · [zh](https://www.askgib.com/zh/articles/its-not-the-models-its-the-clock.md) · [tr](https://www.askgib.com/tr/articles/its-not-the-models-its-the-clock.md) · [kab](https://www.askgib.com/kab/articles/its-not-the-models-its-the-clock.md) 这个月，大家都在争论哪个模型最好。这个争论本身就错了。 改变我对这件事快慢判断的，不是一次基准测试，也不是一次发布。而是 OpenRouter 上的一个匿名模型。 一个没有名字的模型出现了。没有实验室，没有论文，没有发布公告。没有人知道它出自谁手。 按使用量计算，它冲到了第一，超过 DeepSeek 一倍多。 两周后，Z.ai 承认这是他们的模型，以 GLM-5.3-Flash 的名字公开了权重。他们几乎是顺带提到，这个模型一直运行在中国制造的芯片上。 再读一遍这句话。质量接近前沿水平。开放权重。不依赖 Nvidia。开发者在还不知道它出自谁手、训练花了多少钱、背后是哪个国家之前，就已经用自己的使用量为它投了票。 这才是整个故事。重点不是排行榜，而是差距其实早已被缩小，只是直到记分牌显示出来，才有人注意到。 补充一点背景：这并不是凭空出现的。GLM 5.2 在六月发布，权重开放，采用 MIT 许可证，成绩比闭源前沿模型只低几分。GLM 5.3 在八月跟进，完全没有新的预训练。所有提升都来自后训练。但重点不在这些发布本身。重点是 Ox Alpha，因为它是那个没有标签就出现的模型。 这里有一个规律，它比人工智能还要早。 中国进入一个市场。中国在这个市场中取得成功。然后，这样东西变得足够便宜，人人都用得起。太阳能板。电池。手机。无人机。电动车。每一次，都是同一种形态。 西方对此的说法是：这不公平。补贴，倾销，被操纵的牌局。这种说法大体上是错的，而且已经错了有一段时间。价格下降，是因为制造能力变强了。过去几年，质量也跟上来了。它们现在不只是更便宜。它们在产品本身上也有竞争力，质量、产量和价格同时具备。这是一个不同于人们仍在争论的那种对手。 把这个规律用到智能上，结论很明显。它们的编程套餐，价格已经大约是 Claude Code 的十分之一。这还不是底价，只是途中的一个站点。 我认为它会走向社交媒体走过的那个终点。使用免费，但开发并不免费。使用免费。总有人承担成本，因为注意力、分发渠道或数据的价值，比推理的账单更高。这部电影我们已经看过了。 Epoch AI 对此做了认真的追踪，所以我用他们的数字，而不是我自己的。 **开源与闭源之间的差距已经缩小。** 2024 年，最好的开源模型与最好的闭源模型之间大约相差一年。到 2025 年底，差距约为三个月。2026 年上半年，约为四个月。在十八个月里，一年变成了一个季度。 **前沿能力约一年后就能进入消费级硬件。** 用 Epoch 自己的说法：能在消费级 GPU 上运行的模型，一年之内就能达到前沿水平。 **效率在复利增长。** 预训练的计算效率每年提升约 3 倍，也就是用三分之一的算力达到同样的能力，每七个半月翻一番。自 2023 年以来，每美元的芯片性能每年提升 49%。前沿能力本身也在加速：在 2024 年 4 月之前，能力指数每年攀升约 8 分；自推理模型和强化学习扩展接管之后，每年攀升约 15 分。 把这些叠加起来看。2024 年，你需要一个 70B 参数的模型，才能达到 GPT-4 的质量。2026 年，Phi-4 在 8GB 显存上运行，数学能力可以追平比它大三倍的模型。一个 27B 参数的 Qwen 变体，在 18GB 显存上跑 SWE-bench 能拿到 77%。一个 3B 参数的模型在 MacBook Air 上每秒能输出 30 个 token，还能装进 iPhone。 前沿在快速进步。而底线在更快地抬升。 三年。 到那时，无论什么样的智能被称为前沿，今天是 Opus 级别，到时候会更强，都将在本地运行。在你口袋里的手机上，在你桌上的笔记本电脑上。不是“处理简单任务还够用”，而是真正的水平，能处理人们真正会交给机器做的 99.9% 的事情：写作、代码、分析、规划、辅导、翻译，全部包括在内。 按复利计算，三年并不是什么大胆的说法。每年 3 倍的效率提升，三年大约是 27 倍。再加上芯片的进步，每单位能力的成本大约下降 89 倍，而这还没算上任何人可能发明的巧妙办法。设备端真正的限制是内存，而不是浮点运算。蒸馏正是绕过这一限制的办法。2024 年的 70B 模型，就是这样变成了 2026 年的 8B 模型。 留在云端的，是最后那 0.1%。前沿研究。需要一百万 token 上下文、运行一整天的长程智能体。任何只要五分跑分差距就决定整个产品的场景。这个市场会是真实的、巨大的，而且会是一个专业市场，就像超级计算机是一个专业市场一样。其余的一切，都是你已经拥有的普通商品。 如果智能运行在设备上，而托管版本的价格又一路降到零，那么模型本身就不再是护城河。取而代之的，是三样东西。 **分发。** 谁能把默认的本地模型装进手机、笔记本电脑和浏览器，谁就会像当年默认搜索引擎那样胜出。 **数据。** 每个模型的聪明程度都大致相同。差别在于它对你、你的公司和你的客户了解多少，以及你是否有权使用这些数据。 **垂直领域。** 价值会沿着技术栈向上移动，进入最后一公里：工作流、集成、领域知识。底层的东西一旦变便宜，价值总是这样转移的。 如果模型在本地运行，那么它所掌握的关于你的一切，也都会留在本地。 你的数据不再是你要上传的东西，而会变成永远不离开设备的东西。让助手真正好用的那些上下文，比如你的文件、消息、日历和习惯，恰恰是模型与数据同处一块芯片之后，你最没有理由发往别处的东西。 对你来说这是好事。对整个行业来说，这是个麻烦。 因为数据的价值不会下降，下降的只是获取它的渠道。所以，获取数据的手段只会变得更加难看。措辞设计成让你不假思索就同意的权限提示。表面上是免费应用，真正的产品其实是同步。深埋在三层依赖之下的 SDK。默认开启的“帮助我们改进服务”开关。数据越难拿到，拿数据的办法就越有创意，也就越少在光天化日之下进行。 接下来是二阶效应，我认为它被严重低估了。 搜索不再是“你”在搜索。 现在，当你搜索时，你的查询会附带着浏览器、cookie、账号、IP 地址，以及积累了十五年的个人档案一起发出。而当你的本地模型替你搜索时，到达对方那里的是一台机器提出的问题。它不需要你的身份也能得到答案，也没有特别的理由携带你的身份。你发出的二十条提示，变成了五条看不出任何特别之处的查询：来自一个模型，运行在你的设备上，背后没有个人档案。 这打断了以广告为收入来源的网络所依赖的那条链条，而且没有人需要为此立法。智能体天然就是一个匿名器。 它不必非得这样运作。匿名与否是客户端做出的选择，很多客户端仍会把个人档案附在上面，因为个人档案就是它们的生意。但这是第一次，私密的选项变成了容易的选项，而谁发布本地模型，谁就能决定默认设置。 这又绕回了第一条护城河。 一年前，我可能会说“总有一天”。一个匿名模型登上排行榜首位，把这个时间表推进到了一个我更有把握的区间。 --- *数据来源：Epoch AI（开源与闭源的差距、效率趋势、能力指数）、Artificial Analysis Intelligence Index、Z.ai 发布说明、OpenRouter 使用数据，2026 年 8 月。*