刷模型榜单的人，最近有个越来越明显的体感：前排名单里，中国模型的名字出现得越来越密。一份来自 whatmodel.sh/race 的统计把这种体感变成了数字——今年中美大模型的性能差距，已经从过去"少说三四个月才会有中国的模型追上美国水平"，缩短到大约一个月。
差距从几个月缩到一个月，表面看是排名问题，实际是节奏问题。过去美国新模型发布后，国产阵营要等上三四个月才能给出同档位的回应；现在这个窗口被压到一个月以内，用户能感受到的"代差体验"正在快速消失——你上个月还在海外产品里羡慕的能力，这个月大概率就能在国产产品里用上。
那缩短的两三个月是怎么省出来的？开源权重是最大的变量。当模型的底座成果对所有人公开，"追赶"就变成了"站在同一批公开成果上各自往前跑"，各家省掉了大量重复造轮子的时间。再往深一层看，是工程迭代周期的缩短：国内团队在数据清洗、推理优化、场景适配这些"苦活"上的打磨效率明显更高，加上中文互联网庞大的真实使用量反哺，模型在本土场景的短板被更快暴露、也更快修掉。追赶速度快，本质上是整条产业链的反应速度快。
对商业格局的影响，比榜单名次更实在。能力一旦接近，竞争的裁判就从"参数表"换成了"落地效率"：谁的 API 更便宜、谁跟办公生态结合得更深、谁的应用分发更广。模型层的毛利会被继续压薄，而应用层的空间反而被打开——选模型越来越像选电力供应商，这对做应用的创业公司是个友好信号。
落到具体的人身上，变化同样看得见。做跨境电商的小陈，上个月挑模型还停留在"看跑分、看博主测评"；这个月他的流程改了——把同一批商品文案、客服问答、选品报告同时扔给三四个国产模型跑一遍，一周下来按出错率和订阅成本直接定主力。他算过一笔账，两个头部模型在他高频任务上的差距，已经小到"换工具省下来的时间不够折腾的"。当差距只有一个月，跑分就不再是决策依据，你自己场景的实测才是。
不同角色该做的事也不一样。普通用户不必频繁更换主力工具，但可以每个季度做一次多模型对撞，用自己最常干的三件事验一遍；开发者别把命脉绑在单一供应商上，接口抽象层值得提前做出来；企业侧再补一条：把"模型可替换"写进采购条款，给自己留一条不 lock-in 的退路。
一个月的差距意味着没有谁可以躺赢，也没有谁注定掉队。榜单还会继续刷新，但对普通用户来说，真正的红利从来不是第一名姓什么，而是你随时可以用到全球几乎最强的模型，而且越来越便宜。这个窗口期，值得每一个靠 AI 干活的人认真用起来。