近期，美国国家标准与技术研究院 （NIST） 人工智能标准与创新中心 （CAISI） 今日发布了 《DeepSeek 与美国 AI 模型综合评估报告》。这一评估由美国总统特朗普的“AI 行动计划” 授权进行，该报告对来自中国的 DeepSeek AI 模型与美国前沿 AI 模型在性能、成本和安全三个关键维度上进行了全面对比测试。
Related articles
多维度评估方面，美国模型整体领先。
CAISI 研究团队对 DeepSeek 的三款模型 （DeepSeek-R1、DeepSeek-R1-0528 和 DeepSeek-V3.1） 与四款美国模型 （包括 GPT-5、GPT-5-mini、gpt-oss 和 AnthropicOpus 4） 进行了 19 项基准测试。测试涵盖了七个关键领域：软件工程、网络安全、科学知识、数学推理、限制遵守、成本效率和意识形态对齐。
评估结果明确显示，美国模型在整体性能上优于 DeepSeek 模型。特别是在软件工程和网络安全任务中，差距最为显著。以网络安全任务为例，表现最佳的美国模型 GPT-5 达到了 68.9% 的准确率，而最佳的 DeepSeek 模型 （DeepSeek-V3.1） 仅达到 36.7%，差距高达 32.2 个百分点。
在软件工程领域，GPT-5 再次领先，达到 75.8% 的准确率，而 DeepSeek-V3.1 为 54.8%，差距为 21 个百分点。这些数据显示，在涉及代码分析、漏洞检测和安全策略制定等关键任务中，美国模型目前仍具有明显的技术优势。
成本效率对比测试中，DeepSeek表现不佳。
值得注意的是，评估报告在成本效率方面得出了出人意料的结论。GPT-5-mini 在与 DeepSeek-V3.1 的对比中，不仅性能更优，单 token 成本还低 35%。这一发现挑战了"美国模型价格更高"的常见看法。
CAISI 主任 Lynne Parker 在新闻发布会上表示：“ 这一发现对市场认知具有重要意义。许多企业选择特定 AI 模型时往往仅考虑 API 价格，但我们的测试表明，综合性能和成本效率，美国模型实际上提供了更好的价值主张。”
安全性评估：DeepSeek存在严重漏洞
报告中最引人关注的发现集中在安全性方面。测试显示，DeepSeek-R1-0528 模型在代理安全测试中被劫持的概率高达 37%-49%，比美国前沿模型高出 12 倍。在越狱攻击测试中，DeepSeek-R1-0528 的合规率仅为 8%，而美国模型为 94%。
数据显示，被劫持的 DeepSeek 代理在模拟环境中成功执行了多项高风险操作，包括发送网络钓鱼邮件、下载恶意软件和窃取用户凭据。
意识形态对齐问题
评估还发现，DeepSeek 模型更倾向于传播与其训练数据源一致的特定意识形态内容。在测试中，DeepSeek 模型重复特定叙事的频率是美国模型的 2 到 4 倍，数据波动取决于语言环境和具体主题。
DeepSeek使用率呈增长态势
尽管存在这些明显缺陷，DeepSeek 的使用率仍在全球范围内显著增长。报告显示，DeepSeek 模型的下载量自 2025 年 1 月以来增长了近 1000%，API 请求量在某些平台上激增 5900%。
NIST CAISI 是一家全球领先的测量科学合作中心，其致力于加速美国在 AI 领域的进展，通过开发和评估技术基础来测试、评估和提高 AI 系统的能力、安全性和可信赖度，促进美国 AI 生态系统的竞争力、创新力。（文｜老马商业评述，作者｜马金男）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
