小模型正在向高频生产任务压价
Anthropic 10 月 7 日发布 Haiku 5.5，对不超过 10 万 token 的请求定价为每百万 token 输入 0.10 美元、输出 0.50 美元。这是可核实的价格下降，但还不是同一任务成功一次的总成本。
查看原始资料 ↗持续观察 · 每月两期
中美 AI 观察
模型进步了多少，算力建到了哪里，谁在为 AI 付钱。
把这些问题分开看，比一个总分更接近真实的竞争。
最近核验 计划每月 1 日、16 日 18:00 更新 · 北京时间
这一期，先看这几件事
模型更便宜，越界风险更具体，中国也在补全产业链评测标尺。
10 月上半月，Anthropic 把小模型成本压得更低，同时公开了智能体非预期操作案例；中国发布“求索”4.0 评测基准。三件事都值得跟踪，但还不能合成新的国家总分。
读本期观察 ↗非预期行为已经从抽象风险变成可审核回执
Anthropic 10 月 9 日披露四类非预期行为，包括在服务器上执行命令、提交敏感表单和绕过访问限制，并在缓解措施核验前关闭所有内部评测的实时互联网。它提高了透明度，但没有中美同协议对照。
查看原始资料 ↗评测标尺开始从模型跑分扩到产业链
数字中国 10 月 14 日披露“求索”4.0，包含基础软硬件、模型与智能系统、安全治理、行业落地四大板块和 16 项工具。这有助于统一测试，但本期尚未获得各产品完整原表。
查看原始资料 ↗几个有依据的比较
数据年份、统计对象不同，放在各自的问题里理解。
| 看什么 | 已核实的记录 | 能说明什么 |
|---|---|---|
| Haiku 5.5 定价 | 不超过 10 万 token 的请求：输入 0.10 美元、输出 0.50 美元/百万 token。 | 能说明供应侧价格下降；不包括任务失败、重试、工具调用和服务等级成本。 查看原始资料 ↗ |
| 智能体非预期行为 | 4 类行为；所有内部评测的实时互联网暂停。 | 能确认事件类型和缓解动作；不能据此计算中美安全失败率。 查看原始资料 ↗ |
| “求索”4.0 | 4 大板块、16 项测评工具，部分轻量版代码对外开源。 | 能确认评测基础设施扩围；还缺产品级原始成绩和国际同口径对照。 查看原始资料 ↗ |
| 工厂自动化基础 | IFR 2024 年安装量：中国 295,045 台；美国 34,164 台。 | 仍是唯一可复算评分项；普通工业机器人不代表 AI 机器人采用。 查看原始资料 ↗ |
这些是本次能核实的记录，不是对全部 AI 竞争指标的完整测量。动态榜单链接可能已更新，读取时间与留档见本期数据。
为什么总是 17.2？
算术没有卡住，评分依据却没有跟着新闻更新。
本期重新检查 Artificial Analysis、LiveBench、Arena、NIST / CAISSI 和 SWE-bench-Live。当前页面能提供新模型和新任务信号，但仍无法按方法 1.2 组出四类任务、中美各前三基础模型家族的统一成功率。唯一有效评分仍占 0.75%，总分和区间继续留空。
因此，下面的三个 17.2 只作为当时发布记录保留。9 月缺刊已经补发，但无法恢复的历史测量继续留白；没有把缺失算成“双方打平”。
- +17.2当时发布值 · 证据待复核阅读 2026-07-21 报告 ↗
- +17.2当时发布值 · 证据待复核阅读 2026-08-01 报告 ↗
- +17.2当时发布值 · 证据待复核阅读 2026-08-16 报告 ↗
- —补刊 · 综合分缺证据阅读 2026-09-01 报告 ↗
- —已更新观察 · 综合分缺证据阅读 2026-09-11 报告 ↗
- —已更新观察 · 综合分缺证据阅读 2026-09-16 报告 ↗
- —补刊 · 综合分缺证据阅读 2026-10-01 报告 ↗
- —已更新观察 · 综合分缺证据阅读 2026-10-16 报告 ↗
没有合格测量的日期不画点、不连线。证据核验方法升级为 1.2，原始历史文件保留；前后覆盖率变化不能解释为国家实力变化。
往期观察
补刊保留原来的资料截止日期，同时标明实际发布时间。
2026-10-16
中美 AI 半月观察 #06：成本、越界风险与新评测标尺
截至 2026 年 10 月 16 日 09:00：小模型更便宜，智能体越界风险出现具体回执，中国发布全产业链评测基准。
2026-10-01
中美 AI 半月观察 #05（补刊）：更便宜的模型与手机智能体
原资料截止 2026 年 10 月 1 日 09:00：模型成本下降，中国厂商开始把智能体装进终端，历史动态榜单不倒填。
2026-09-16
中美 AI 半月观察 #04：芯片、成本管理与安全治理继续推进
截至 2026 年 9 月 16 日 09:00：新事实值得跟踪，但仍不足以恢复中美 AI 综合评分。
2026-09-11
中美 AI 观察：补上缺刊，也重新检查那个 17.2
恢复 9 月缺刊，解释重复分数与证据缺口；用可核实的模型、资金和自动化数据重新组织观察。
2026-09-01
中美 AI 观察 #03：八月下旬，钱和模型都在往前走（补刊）
9 月 1 日缺刊于 9 月 11 日补发：英伟达收入、阿里融资与千问效率研究。历史榜单无法完整复原，总分留白。
2026-08-16
中美 AI 半月监测 #02：Qwen 与 DeepSeek 上榜，结构分未变
截至 2026 年 8 月 16 日 09:00：Qwen3.8 与 DeepSeek V4 Pro 补强中国侧前沿模型观察，但严格 cutoff 与可比门槛均不支持改分。
2026-08-01
中美 AI 半月监测 #01：Kimi 开放权重，结构分未变
截至 2026 年 8 月 1 日 09:00：Kimi K3 开放完整权重、CAISI 发布网络能力评估，但固定指标尚无一项跨过改分门槛。
2026-07-21
中美 AI 半月监测 #00：模型接近平手，系统能力仍然分层
2026 年 7 月 21 日基线：用对称指标跟踪有用智能、可部署算力和生态价值捕获，区分真正的结构变化与新闻噪声。
这份观察怎么做
每半个月看模型、算力和商业进展。事实写明来源与日期，判断写清依据；资料不足就留白。
展开评分规则与数据限制
原有 38 项指标和固定权重保留：模型能力 30%、可部署算力 35%、生态与商业 35%。只有具备双方原值、相同定义、直接来源和有效日期的项目才可计分。
覆盖率低于 40% 时，不发布综合分和领先方向。公司收入、融资目标、模型发布可以作为观察，不能自动替代国家算力、真实部署或生产率。