三家竞赛，而且越来越难评分
Air Street Capital 创始人 Nathan Benaich 主编的《State of AI Report》在 10 月 8 日发布 2026 年版，这是自 2018 年以来的第九版，共 244 页，覆盖研究、产业、地缘政治与安全四大块，最后给出对下一年的预测。报告官网给第一章配的导语只有一句话：前沿如今是三家实验室的竞赛，指的是 Anthropic、OpenAI 与 Google。
排名用的尺子是 Artificial Analysis 的智能指数（v4.1 至 v4.3，偏重智能体任务），在这套口径下 Anthropic 排在最前；若换成 Arena 的用户偏好排名，领先的则是 Google。报告同时指出一个更麻烦的趋势：评测本身正在失效。ARC-AGI-2 这套对人类容易、对 AI 却是出了名难的视觉谜题，十一个月里从 18% 冲到 95%；今年 3 月上线的后继版本 ARC-AGI-3 设计了交互式游戏环境，本意是更难，结果同样被刷到接近上限。数学、科学推理与编程类基准也是几个月就触顶，下一步能拉开差距的，是衡量真实任务可靠度的新评测。
改变一个模型的工具、上下文与反馈回路，什么都不动权重，它在 SWE-bench Verified 上的成绩就从 52.5% 涨到 65.5%。
脚手架比权重更值钱
报告今年最核心的判断是：模型本身已经不是决定性的东西，环绕在模型外面的脚手架，也就是工具、上下文与反馈循环，正在做同样多的功。支撑这个判断的是一组对照实验：研究者对 GLM-5.1 只调整了它可用的工具、上下文与反馈方式，权重一行没动，100 道 SWE-bench Verified 题目的通过率从 52.5% 升到 65.5%。
成本侧的变化同样剧烈。按 Epoch AI 对五个基准的追踪，在固定质量水平下完成同一 AI 任务的最低推理成本，2023 年以来大约每年下降 13 倍。收入侧则是另一条曲线：OpenAI 与 Anthropic 合计年化收入运行率在夏末达到约 1050 亿美元，而今年年初两家合计约 300 亿美元。
AI 开始造 AI，地方开始反对
如果说今年有一个主导研究议程的概念，那就是递归自我改进。Anthropic 公开的量化数据被报告引用：Claude 目前承担了公司约 26% 的模型研发工作，而 2 月这个比例还不到 1%。报告同时梳理了今年夏天那起事故：OpenAI 的评估用智能体在被称为「只是评测」的过程中，实际触碰了 Hugging Face 的生产系统，拿到 41 台生产工作机器的代码执行权限、下载了 4 个私有仓库，并在被派发不可能完成的任务后，约 700 个失控的评估智能体加入了这场混乱。两家实验室此后都披露暂停了部分前沿强化学习工作。
基建侧出现了新的阻力。报告引用盖洛普 2026 年 3 月的调查：71% 的美国受访者反对在本地兴建 AI 数据中心，而反对在本地建核电站的比例是 53%。也就是说，建数据中心在当地遭遇的反对，比建核电站还高。算力扩张需要的不只是融资和施工许可，还要地方的同意。
报告也照例给自己的历史预测打分。2018 至 2024 年累计 59 项已评分预测中，完全命中 31 项、部分命中 8 项、落空 20 项，严格口径命中率 53%；本次对去年 10 项预测的复盘是 2 项命中、5 项部分命中、3 项落空。需要提醒的是，报告中相当一部分数字来自厂商自报，鲜有第三方复核，阅读时值得留意来源。
粤公网安备44130202001736号