Anthropic发布了新一代旗舰模型FIBO 5.2和MESOS 5.2,多项指标超越GPT-6 Ultra和Gemini 4。新模型在单次推理能力上采用多步串行工程化智能体设计,工作时长持续提升,部分性能超过Gemini,物理世界理解能力或优于依赖轨迹数据的对手。此外,Token价格下调20%以加速商业化,预计下周上市。这些进展表明Anthropic在模型性能和商业化方面取得重要突破。
中美头部大模型能力存在明显差距,国内模型在工具使用、原生多模态统一端到端能力、模型工程化等方面落后于国外领先者。例如,深瞳等国内模型具备极致性价比优势,但在高端能力上仍有不足。国内模型追赶面临技术债、高端算力受限、国产算力发展不足等问题,字节跳动在合规性、人才数据方面优势明显,被寄望成为追赶主力。这些差距主要体现在技术积累和算力资源上。
报告重点分析了AI大模型在多模态、Agent、模型压缩、定制化芯片等方向的发展趋势。国内AI云服务以火山引擎、阿里云为主,Agent增量主要来自地级县级FDE公司及生产制造等行业。端侧AI应用受内存、NPU瓶颈限制,海外在定制芯片与模型压缩方向有进展。AI自我迭代(RSI)海外处于初级阶段,国内仅在数据处理环节应用模型,企业级RSI受算力制约短期难以突破。这些趋势反映了AI技术在不同领域的应用进展和挑战。
当前大模型市场存在多个现状问题。海外高端算力出口受限,国内大模型训练与推理算力保障存在不确定性。模型蒸馏技术面临反制风险,中美模型能力差距有扩大趋势。端侧AI应用受内存硬件、芯片产能瓶颈制约进展。国内模型追赶二零三零年海外模型的时间差风险显著。这些问题制约了国内大模型产业的快速发展。
研报提示的主要风险包括:海外高端算力出口受限导致国内算力保障不确定性;模型蒸馏反制、RSI技术迭代速度慢及中美模型能力差距扩大;端侧AI应用受内存硬件、芯片产能瓶颈制约;国内模型追赶二零三零年海外模型的时间差风险。这些风险可能影响国内大模型产业的竞争力和发展前景。