每隔几个月就有人宣布国产模型被甩开了，然后过一阵又被新版本顶回来。这次顶回来的是 deepseek 的新模型，在编程这个最能当场验真、也最难糊弄的指标上，已经直逼 opus5 那一档。 对手没公开，外界普遍预期是 5-10T 的 MoE，激活参数也低不了。参数规模上不占优，分数却追上来了，靠的就是后训练和算法优化。这就像同一台发动机，调校水平不同，圈速差一大截，后训练干的就是调校这一层的活。 给个判断标准：评估一个模型，先别看参数表和发布会声量，先看编程、数学这类有标准答案的任务能不能一次跑对。这类指标没法注水，行就是行。 还有一点值得留意，本月 qwen、glm、kimi、minimax 都有大版本更新，国产 flash 这条线也要开打。现在别急着把工作流锁死在某一家身上，接口留一层抽象，换模型的时候成本才低。 真正该关心的不是谁排第一，而是你手上那摊活儿，谁能一次干完。