【導讀】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，要落後於全球頂尖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，它們的正確率也並不高。
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。原因是為什麼呢？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、範疇論等，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，在過去的幾年裡，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衝刺。
背後原因就是這兩個：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發佈後，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
並且，就在剛剛，Epoch AI出了一篇硬核年終回顧。
在整個2025年，他們發佈了36篇數據洞察和37篇通訊。
在這70短篇關於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」正跑到你的電腦裡
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，並且與頂尖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，那麼在不久的將來，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的大部分計算資源並未用於推理或訓練，而是用於做實驗，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的成本也大多來自於實驗，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。
每發佈一款旗艦芯片，它在三年內就會佔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
儘管有人吐槽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。
那為什麼GPT-5發佈後，許多人感覺很失望？
這是因為，過去兩年新模型發佈的頻率更高了，而非能力放緩了。
Gradient最熱TOP 5：洞見背後的思考
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？並不是
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，外界對於AI消耗能源的擔憂，其實比實際情況要誇張了。
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。
就在這篇文章發佈後三天，DeepSeek發佈了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？侷限在哪？
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擴展速度最多隻能維持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，並在數學、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，並不來自搞科研？
最後這一篇，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，可能並不是來自加速研發（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年這三十多年裡，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，未必是實驗室裡的突破，而是日常工作方式的改變。
這裡，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，那麼AI的影響就會很迅猛，很劇烈。它會突然跨過「科研自動化的最後一道門檻」，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，替代重複勞動。
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
本文來自微信公眾號“新智元”，編輯：Aeneas ，36氪經授權發佈。
