发布日期不是重点：训练截止日期与采用数据正在改写AI模型基准

基准表告诉你一个模型考了多少分，却不会告诉你这个模型什么时候停止阅读。发布日期写在发布帖上，训练截止日期埋在模型卡里。两者之间的这段差距，如今是买家能查到的最有用的数字之一。9月16日，stale.jock.pl上发布了一个小工具，标题叫“你的AI有多旧？”，整件事就从这个前提出发。

该页面列出8个实验室的20个当前模型，把每个发布日期与一个训练截止日期配成一对，并从两个日期分别向上计数。20个里有10个带有实验室确实公布的截止日期。8个实验室中有5个，即Anthropic、Google DeepMind、Meta、OpenAI和xAI，至少为名单上的一个模型公布了截止日期。其余标记为“未确认”。页面谨慎地说明，这并不证明实验室从未公布过，只说明核对过的厂商来源没有找到。

有些差距很大。

OpenAI于2026年9月3日发布的GPT-6 Astra，训练截止日期是2026年4月30日。它在发货当天就已经落后了四个月。2026年2月19日发布的Gemini 3.1 Pro停在2025年1月，差距超过一年。2026年6月30日推出的Claude Sonnet 5，截止日期是2026年1月；2026年9月22日推出的Claude Opus 5.5，截止日期是2026年6月。Meta于2025年4月5日发布的Llama 4，截止日期是2024年8月。

该页面的核心论点是，搜索工具解决不了这个问题。网站说，模型上网搜索时只读几页，只为那一个答案用一下，然后就忘了。搜索还必须由模型自己触发，用的是那些装着过时事实的同一批权重，所以漏搜会集中在模型最自信的地方。作者报告说，他用网页搜索工具跑了16个模型、共2000次调用。前沿模型几乎每次都能正确决定去搜索，而较弱的模型在答案已经改变之后仍凭记忆回答已知问题，却会为水的沸点这类事情去上网搜索。有一个例子是，16个模型里有5个把一位已故的人说成挪威国王。

这些都没有经过同行评审。该页面是一个Show HN项目，数字来自作者自己的测试框架，模型名单是一个快照，而不是一次普查。但底层论点并不取决于这个实验是否站得住。一个9月发布、截止日期却停在4月的模型，对9月的判断就是错的，而基准分数不会把这一点显示给你。

同一周还有第二个更难忽视的信号，关乎人们实际在运行哪些模型。CNBC在9月26日报道，中国模型在两个开发者网关上从很小的使用份额升到多数。在OpenRouter上，它们占9月14日那一周token的57%至67%，高于2月的6%至13%。在Vercel上，其份额从1月的11%升至8月的55%。

OpenRouter的数字覆盖美国、欧洲以及它定义为“全球南方”的公司，即中美洲、南美洲、非洲和亚洲的82个国家。Vercel没有给出地域细分。同一报道指出，美国前沿模型仍吸引更多总支出，因此token份额和收入份额指向不同方向。

OpenRouter洞察负责人Peter Walker对CNBC说，今年发布的中国开源模型“在高级智能体用例中能有可信的表现，尤其是在编程方面，这在2025年底根本做不到”，而且它们“相比美国实验室的大多数模型极具成本效益”。Vercel智能体基础设施负责人Harpreet Arora把机制说得很直白：一旦模型达到某项工作的质量门槛，价格差异就变得很有说服力。

华盛顿在关注。美国众议院两个委员会正在调查中国模型采用率的上升。CNBC报道了对通过海外数据中心远程访问Nvidia芯片的担忧，以及对蒸馏的担忧，即较新的模型模仿较旧的模型。新美国安全中心的Daniel Remler对CNBC说，“最终的担忧是，中国AI模型的整合把各国拉进一个中国技术势力范围，并固化为地缘政治上的结盟”。

把这两件事放在一起，基准问题就变了形状。

排行榜衡量的是一个模型在受测当天面对一组固定任务的表现。它不衡量模型的知识离当下漂移了多远，也不衡量是否有人负担得起大规模运行它。stale.jock.pl页面主张，模型是自身情况的糟糕来源，并建议在让智能体说出任何模型、版本或日期为当前之前，先让它指向一个机器可读的models.json文件。这是个小修补。更大的问题是，行业的默认证据，也就是基准表，对新鲜度和价格都保持沉默。

据Rest of World报道，Nvidia在下相关的赌注。该公司上个月花了70亿美元，买下美国编程初创公司Poolside的股份以及其建模工具的许可，并已同意支付近130亿美元收购Hugging Face。它自己的免费模型预计名为Nemotron 4，将在年底前推出。报道说，早先的美国开放模型落后于中国的免费模型。根据8月的一份Hugging Face报告，后者今年下载量约为20亿次。Nvidia的支出意在让Nemotron成为各国政府选用的基础模型，而不是Meta或阿里巴巴的。

阿联酋是测试案例。其旗舰数据中心将运行在40万块Nvidia芯片上，国家支持的AI公司G42在7月加入了Nvidia的开放模型联盟。打造Falcon的技术创新研究院站在另一边。TII首席研究员Hakim Hacid对Rest of World说：“作为建模实验室，我们认为，保持AI视角的多样性、维护完整的技术主权，需要一个强大的本土基础。”

两种立场都无法由基准来裁定。一个国家或一家公司选择基础模型，就是选择一条供应链、一条成本曲线和一种更新节奏，而已公布的截止日期是其中少数几个关于更新节奏的硬数字之一。