# 三万亿参数追到 3 分之内，99.9% 被改写成 62.7%：这一周的 AI 行业，分水岭来得比想象中安静 - 原文链接：https://aigeekr.com/arctestgpt6/ - 发布日期：2026-10-26 - 更新时间：2026-10-26 - 作者：joon - 分类目录：AI资讯、科技资讯 ## 摘要 10 月 24 日凌晨一点，月之暗面没有开发布会。一行更新说明挂上开源榜单：Kimi K3.1 Pro，参数三万亿级，上下文窗口一百万 token。几个小时后，... ## 正文 10 月 24 日凌晨一点，月之暗面没有开发布会。一行更新说明挂上开源榜单：Kimi K3.1 Pro，参数三万亿级，上下文窗口一百万 token。几个小时后，技术社区炸开了锅；过了七十二小时，公司又补了一句——完整权重，11 月 4 日之前全部放出。 同一个星期，大洋彼岸，ARC Prize 基金会做了一件不太起眼、但后劲很大的事：他们把 OpenAI 发布会上那个 99.9%，自己重新跑了一遍。结果，62.7%。 把这两件事放在一起看，比过去一个月任何一场发布会都更能说明问题：**开放阵营追上来了，而评分这件事本身，正在被重新审视。**下面这四条主线，是本周真正值得花时间消化的事。 一、99.9% 是怎么变成 62.7% 的 --------------------- 先补一条时间线。9 月 3 日，OpenAI 发布 GPT-6 Astra，公布的 ARC-AGI-3 成绩是 99.9%。三天后，英伟达 CEO 黄仁勋在 X 上引用这个数字，说 AGI 已经到来。当时没多少人追问细节。 十月底，ARC Prize 放出了审计结果。同一个模型、同一个基准，用他们的标准测试环境（harness）跑出来只有 **62.7%**——虽然这仍然是整个基准的最高分，但和 99.9% 之间隔了 37 个百分点。差距不在模型，在考试环境：99.9% 来自 OpenAI 自建的 tools-enabled 配置，允许模型调用工具、在动作之间保留推理状态，单次运行成本约 1.9 万美元，而 ARC 的标准环境跑一次要花 26,098 美元（最高推理档位），并且**没有任何第二家实验室在那个自建配置下被评测过**。低算力的 Astra 版本成绩是 59.3% 和 54.8%——同一个模型，四个数字。GPT-6 Astra 在 ARC-AGI-3 上的四种跑分（%）厂商自建环境99.9ARC 标准环境62.7低算力版本 A59.3低算力版本 B54.8数据来源：ARC Prize 排行榜审计（经 Startup Fortune、AIToolsRecap 报道交叉核对），2026 年 10 月 同一个模型，四个数字。只有深蓝那条，是和其他所有实验室放在同一套规则下跑出来的。 需要说句公道话：99.9% 不是编出来的，它是一个真实测量结果。问题在于不可比——给一个考生单独开小灶、还允许带计算器，然后把这个分数和其他人的裸考成绩放在同一张榜单上。ARC Prize 的态度很干脆：这不算数，而且即便 62.7%，也远够不上 AGI。另据 Startup Fortune 报道，OpenAI 在发布后陆续修订了五项基准数字。同一周还有个来自山东大学的独立研究在圈子里流传：仅更换 harness 这一个变量，就能让编码智能体的成本差出 3 倍，13% 的困难任务会直接翻转通过与否。 以后看到任何基准分数，先问三个问题：谁搭的考试环境？对比模型是不是同一套环境？跑一次花了多少钱？三个答案里只要有一个是"厂商自己、不是、没说"，这个数字就当作营销看。 二、三万亿参数的追赶者，和它主动剪掉的能力 --------------------- 回到 Kimi。这次发布的 K3.1 Pro 是 K3 的后训练版本，混合专家架构，总参数约 2.8 万亿（官方口径"3 万亿级"）、每 token 激活约 1040 亿，上下文扩到一百万 token，支持文本和图像输入。价格是每百万 token 输入 2 美元、输出 10 美元——大约是 Claude Opus 5.5 的一半。 能力上，第三方智能指数（Artificial Analysis）给它 55 分，在 215 个模型里排第四，前面只剩 Claude Opus 5.5 和 Sonnet。终端编码基准 Terminal-Bench 4.0 上，它拿了 65.7%，距离 Opus 5.5 的 66.4% 只差 0.7 个百分点，而 GPT-6 Astra 在同一榜单上是 58.2%。换句话说，**开放权重和闭源前沿的差距，从两年前的十几分，缩到了大约 3 分。**Terminal-Bench 4.0 编码基准对比（%）66.465.758.2Claude Opus 5.5Kimi K3.1 Pro（开放权重）GPT-6 Astra数据来源：月之暗面公布成绩，经腾讯新闻、人民日报报道交叉核对；Artificial Analysis 智能指数排名为 215 个模型中的第 4 位 差距 0.7 个百分点。左边那个闭源模型的价格，是中间这个的两倍。 还有一个细节，我个人的看法是它比跑分更重要：月之暗面在发布前主动裁剪了模型的网络攻防能力，内部 exploit 基准从 90.5% 压到 81.0%，并且公开了这组数字。开放权重意味着任何人都能下载微调，模型厂商第一次在"发布一个强模型"和"给防守方留时间"之间公开做了取舍、并把账算给大家看。这件事没有先例。 需求侧的数据同样值得记一笔：聚合平台 OpenRouter 统计，上周（10 月 12 日至 18 日）全球大模型总调用量 164 万亿 token，**中国模型的周调用量已连续 25 周超过美国，调用量前五名全部是中国模型**。使用量的迁徙，往往比跑分更诚实。 三、价格战打到九折，钱的问题反而没人答了 -------------------- 企业市场这边，The Information 报道了一个让同行倒吸凉气的数字：OpenAI 正以最高 90% 的折扣挖 Anthropic 的企业客户。效果立竿见影——人力资源公司 Rippling 内部，OpenAI 承担的编码工作份额从 5 月的 16% 涨到 52%，Anthropic 从 57% 跌到 18%；Replit 在拿到一笔上亿美元合同超过三成的折扣后，把默认供应商换成了 OpenAI；DataCamp 的 CEO 说成本降了八到九成。 但热闹背后有个冷清的问题。Apollo 首席经济学家 Torsten Slok 算了一笔账：AI 在科技板块之外，至今没有产生可测量的财务回报——标普 500 里除七大科技股之外的 493 家公司，人均营收几乎在原地踏步。所有这些开支，大部分公司还拿不出体现在报表上的证据。 一边是供应商把价格打到骨折，一边是买方算不出这笔投资的回报周期。这种组合通常只有一种解释：**现在是企业采购方的买方市场，谈判筹码在你们手里，用起来。** 四、三星为什么把晶圆交给自己的对手 ----------------- ![芯片晶圆厂剖面插画：晶圆被机械臂托起，工程师仰望，象征三星与台积电为NVIDIA NVHBM罕见联手](http://127.0.0.1:1878/static-html/0498903d30f642d6/images/tsmc-hbm-fab-illustration.png "三万亿参数追到 3 分之内，99.9% 被改写成 62.7%：这一周的 AI 行业，分水岭来得比想象中安静 1")存储大厂和代工大厂第一次在生产环节走到一起，只为同一位客户。硬件圈这周最反常识的新闻来自存储行业。据《首尔经济日报》独家报道，三星将为 NVIDIA 的定制化高带宽内存 NVHBM 生产基础晶粒（base die），而这颗逻辑晶粒采用台积电 3nm 制程。要理解这件事的分量：三星的 HBM 过去是一站式包办，连封装兼容合作都只发生在 2022 年前后，**从制造阶段就和代工对手联手，这是头一回**。 NVHBM 的关键改动，是把内存控制器从运算芯片搬进 HBM 底层的逻辑晶粒。NVIDIA 官方的说法是：相比标准 HBM4E，带宽最多高 30%、功耗最多省 15%、运算芯片能多出最多 25% 的面积。更值得注意的是，NVIDIA 要求三星、SK 海力士、美光三家统一规格——基础晶粒都用台积电 3nm，核心晶粒都用 1c DRAM。逻辑很简单：三家制法不同，NVIDIA 设计的性能就无法在每家产品上一致呈现。为了让多家供货像一家供货，NVIDIA 拿客户地位换来了行业里前所未有的一次协作。 上游产能的数据也在同一方向上：台积电三季度收入 467 亿美元，超出指引上限；高效能运算平台占营收比重升到 68%（一年前是 57%）；四季度指引 523 到 543 亿美元；2026 全年美元收入预期上调至约 44% 的增幅。董事长魏哲家在法说会上的原话是："需求实际上仍远超我们今日供应的能力。"2nm 产能已被预订一空，苹果锁走了首批过半。而英伟达 10 月 21 日在柏林 GTC 上宣布 Vera Rubin 平台全面量产——单颗 GPU 20 PFLOPS，72 颗 GPU 经 NVLink 连成一个域，首款 CPO 共封装光学交换机同步进入量产。 **467 亿美元**台积电 Q3 收入，超指引上限 **68%**HPC 平台占台积电营收比重（去年同期 57%） **+30%**NVHBM 对标 HBM4E 的带宽提升上限 **25 周**中国大模型周调用量连续超越美国的周数 五、这周别忽略的安全新闻 ------------ - 宇树 Go2 机器人被曝出 9.6 分（满分 10）的远程命令注入漏洞，攻击面是它的 AI 聊天模块——具身智能第一次以高危漏洞的形式进入公众视野。 - 安全研究人员演示：把恶意 `AGENTS.md` 文件放进下载目录，就能劫持 AI 编码智能体的行为。供应链式攻击找到了新的入口。 - Anthropic 开源了免费的 AI 漏洞扫描器 OSS Scanner：上线 11 天报出 77 个严重漏洞、803 个高危漏洞，88% 的复核样本符合披露标准。 - 三名被解雇的 OpenAI 安全研究员公开表示，他们从未被告知自己究竟"泄露"了什么。企业保密与安全问责之间的张力，正在公开化。 - 瑞典政府在公务电脑上封禁 ChatGPT 与 Claude——欧洲对 AI 工具的合规态度继续收紧。 本周日历 ---- - **10 月 28 日**（北京时间 29 日凌晨 1 点）：苹果"Pro and Tell"发布会，史上首款触屏 OLED MacBook Pro 预计亮相，同时有 OLED 版 iPad mini 和 M6 芯片的 MacBook Pro / iMac。这是新任 CEO John Ternus 主导的第一批产品。 - **10 月 29 日**：腾讯全球数字生态大会在深圳举行，将发布 100 余项面向 Agent 场景的新产品，展示 500 余个实践案例。 - **本周**：Alphabet、微软、亚马逊、英特尔、三星、Meta 财报密集发布。重点看云与 AI 基建的需求表述，以及资本开支与现金流的匹配度。 常见问题 ---- ### Kimi K3.1 Pro 的模型权重什么时候开放？ 月之暗面承诺在 2026 年 11 月 4 日前公开完整模型权重。该模型为 3 万亿级参数、支持 100 万 token 上下文，定价为每百万 token 输入 2 美元、输出 10 美元，约为 Claude Opus 5.5 的一半。若如期开放，它将成为公开评测中得分最高的开放权重模型。 ### GPT-6 Astra 在 ARC-AGI-3 上到底得了多少分？ ARC Prize 基金会用标准 harness 独立复测的结果是 62.7%，这仍是该基准的最高分。OpenAI 发布的 99.9% 来自厂商自建的 tools-enabled 测试环境，单次运行成本约 1.9 万美元，且没有第二家实验室在该配置下被评测。ARC 认为该数字不具备横向可比性，也不构成 AGI 证据。 ### 三星为什么把 HBM 基础晶粒交给台积电代工？ 三星将为 NVIDIA 的定制化内存 NVHBM 生产基础晶粒并采用台积电 3nm 制程，这是三星首次在 HBM 制造阶段与代工对手合作。NVIDIA 同时要求三家内存供应商统一规格，以保证多供应商供货时性能一致。相比标准 HBM4E，NVHBM 带宽最高提升 30%、功耗最多降低 15%。 ### 企业现在选大模型应该看哪些指标？ 先问三个问题：这个基准分数是谁搭的测试环境、对比模型是否用了同一环境、单次评测成本是多少。商务层面关注任务综合成本而非 token 单价——OpenAI 近期以最高 90% 折扣挖角 Anthropic 客户，Replit、DataCamp 的迁移案例显示实际折扣可达八到九成，采购方当前的议价空间很大。