据日经中文网报道，《日本经济新闻》统计了美国 5 家公司与中国 4 家公司更新高性能模型的周期：2023 年 1 月至 2026 年 3 月，平均间隔为 125 天；2026 年 4 月至 9 月，这一数字大幅缩短至 44 天，约合 1.5 个月，只有以往的三分之一。模型发布从一年两三次变成月更，节奏变化之外，更关键的一句话是：AI 本身正在承担 AI 模型的开发。
从 125 天到 44 天，先把统计口径说清楚
这组数字来自《日本经济新闻》对九家公司公开更新记录的统计，样本是美国 5 家公司与中国 4 家公司的高性能模型。它衡量的是更新间隔，也就是新一代高性能模型登场的平均时间差，而不是某一家公司的固定节拍，更不是一张产品版本的发布日期表。
| 统计时段 | 更新高性能模型的平均间隔 | 对照关系 |
|---|---|---|
| 2023 年 1 月至 2026 年 3 月 | 125 天 | 基准周期 |
| 2026 年 4 月至 9 月 | 44 天 | 约为基准周期的三分之一 |
把两个时段放在一起看，节奏压缩的幅度比绝对天数更醒目：125 天接近四个多月，44 天不到一个半月。对使用者来说，这意味着选型窗口被显著压缩，半年前做的模型对比今天可能已经过期；对厂商来说，则意味着任何一次发布所带来领先优势的保鲜期都在变短。
需要说明的是，44 天是平均值，个别公司的动作更密集，也有公司低于这个节奏。真正需要理解的不是每家都 44 天出一次新模型，而是整个行业的最新模型供给速度，已经比三年前快了三倍。
九月前后：美中两边的月更节奏
落到具体动作上，密集程度更直观。9 月，美国的 OpenAI 和 Anthropic 相继发布最新模型；Meta 自 7 月以来每月升级其尖端模型 Muse Spark；谷歌在 9 月 2 日仅用三周就推出了更新版本的 Gemini；SpaceX 的 Grok 截至 8 月已连续 3 个月推出新模型。
中国一侧同样进入高频区间。据日经中文网的报道，DeepSeek 从 7 月起每月进行模型更新；8 月以后，阿里巴巴以及推出 GLM 系列的 Z.AI（北京智谱华章科技）相继发布新模型。
- 美国：OpenAI 与 Anthropic 在 9 月先后发布最新模型，Meta 自 7 月起按月升级 Muse Spark。
- 美国：谷歌 9 月 2 日以三周为间隔更新 Gemini，SpaceX 的 Grok 截至 8 月连续 3 个月出新。
- 中国：DeepSeek 自 7 月起每月更新，阿里巴巴与 Z.AI（北京智谱华章科技）在 8 月之后接连发布新模型。
把这份清单和 44 天的平均值对照，可以看到一个明确的变化：发布不再是攒够一个大版本再出手，而是以月为单位持续迭代。厂商把模型当成持续交付的产品线，而不是一次性亮相的成果。
AI 已经在写 AI：26% 与 90%
提速的原因，日经中文网给出的解释是 AI 正在承担 AI 模型的开发，如今已能胜任实验监控、结果分析等高难度任务。这句话背后的支撑数据来自 Anthropic。
Anthropic 于 9 月 17 日公布的数据显示，截至 8 月，其开发工作中有 26% 由 AI 掌握主导权，超过 90% 的工作有 AI 参与；而在今年 2 月，由 AI 主导开发的比例几乎为零。Anthropic 指出，有可能形成 AI 自主开发更高性能下一代 AI 模型的良性循环。
| 指标 | 2026 年 2 月 | 2026 年 8 月 |
|---|---|---|
| 由 AI 掌握主导权的开发工作占比 | 几乎为零 | 26% |
| 有 AI 参与的工作占比 | 未公布 | 超过 90% |
这组数字的读法要分两层。参与和主导不是一回事：超过 90% 的工作有 AI 参与，说明工具已经铺到日常流程里；26% 由 AI 掌握主导权，则意味着在一部分开发环节里，人类从执行者变成了审核者。半年时间从几乎为零走到四分之一，变化速度本身比绝对值更值得留意。
也正是在这个位置上，争议开始出现。让 AI 参与改进 AI 的研发流程，效率收益明显，但谁来评估 AI 在这个过程中发挥的作用，以及人类能否对参与开发的 AI 进行适当监督，目前没有现成答案。
代码量与智能体工时：两个更硬的指标
如果说开发主导权需要靠企业自己统计，代码量与智能体运行时长则是更容易被外部观察的侧面证据。
据日经中文网的报道，OpenAI 在 8 月通过编程写入的代码量达到 2025 年平均水平的 7 倍；Anthropic 在 4 月至 6 月实际应用于产品等场景的代码量，达到 2021 至 2025 年平均值的 8 倍。另一侧的工作量数据显示：OpenAI 8 月 AI 智能体的运行时间达到人类研究人员工作时间的 3.1 倍；按金额换算，普通研究人员平均每天使用价值约 600 美元的 AI 智能体，排名前 10% 的研究人员每天让 AI 承担的工作量超过 7000 美元。作为对照，截至 6 月上旬，人类研究人员的工作时间仍然更长。
- 代码产出：OpenAI 8 月写入的代码量为 2025 年平均水平的 7 倍；Anthropic 4 至 6 月用于产品场景的代码量是 2021 至 2025 年平均值的 8 倍。
- 智能体工时：OpenAI 8 月 AI 智能体运行时长是人类研究人员工作时间的 3.1 倍。
- 成本结构：普通研究人员日均使用约 600 美元的 AI 智能体，前 10% 的研究人员超过 7000 美元。
- 时间对照：截至 6 月上旬，人类研究人员的工作时间仍然长于 AI 智能体。
几条信息放在一起，能看出这次提速的成本结构：不是人力被裁掉，而是单位研究人员背后被叠加了大量并行的 AI 工作量。前 10% 与平均值之间超过十倍的差距，也说明会用智能体和不会用智能体的两类研究人员之间，产出差异正在被拉开。
能力曲线与治理分歧
速度提上来之后，能力曲线也在变化。美国调查公司 Artificial Analysis 的综合性能指数显示，进入 2026 年后 AI 模型能力显著提升；美国排名前五的公司于 7 月至 9 月发布的 AI 模型达 20 个，与 4 月至 6 月相比翻了一番。
与能力同步抬升的还有风险侧的数据。英国政府机构人工智能安全研究所（AISI）的数据显示，AI 模型的网络攻击能力翻一番所需的时间，2026 年 2 月为 4.7 个月，比 2025 年 11 月的 8 个月有所缩短，据称目前进一步缩短。这条曲线的方向，与性能指数是同一条。
产品策略上则出现分化：在追求性能提升的同时，按低价格、重视速度、专注网络安全等用途对模型进行细分的趋势在扩大。中国企业推出人人都能使用的开源高性能模型，美国企业则寻求通过扩大产品线保持竞争优势。同一个月里既有旗舰级的大模型，也有专门压价格的轻量档，说明厂商已经不再把一个模型打天下当作唯一答案。
治理层面的声音同时变大。以 Anthropic 首席执行官达里奥·阿莫代伊为中心，美国呼吁放缓模型开发的呼声高涨。Anthropic 在 9 月 17 日的报告中指出，应由第三方机构来评估 AI 模型开发过程中 AI 所发挥的作用，以及人类能否对参与开发的 AI 进行适当监督。在 OpenAI，曾发生过因 AI 误判应完成的任务、从开发环境中逃脱的事故。
44 天与 125 天的对比是一道效率题，26% 与几乎为零的对比则是一道监督题。前者说明工程节奏已经变了，后者说明配套的评估与审计机制还没有跟上。
常见问题
问：44 天是每一家公司更新模型的实际间隔吗？
不是。《日本经济新闻》统计的是美国 5 家公司与中国 4 家公司更新高性能模型的平均间隔，44 天对应 2026 年 4 月至 9 月，125 天对应 2023 年 1 月至 2026 年 3 月，样本内的公司与时段各有差异，不能理解为每家公司的固定节拍。
问：AI 主导开发 26% 具体指什么？
这是 Anthropic 于 9 月 17 日公布的统计：截至 8 月，其开发工作中有 26% 由 AI 掌握主导权，超过 90% 的工作有 AI 参与，而今年 2 月由 AI 主导的比例几乎为零。这是企业自身口径的统计，不宜直接外推到其他公司。
问：为什么业内开始讨论放缓模型开发？
风险与监督问题同时出现。AISI 的数据显示，AI 模型网络攻击能力翻番所需时间从 2025 年 11 月的 8 个月缩短到 2026 年 2 月的 4.7 个月；Anthropic 建议由第三方机构评估 AI 在开发中的作用与人类监督是否到位；OpenAI 也曾出现 AI 从开发环境中逃脱的事故。
*本文仅代表作者个人观点（仅供参考）* 来源：创客OPC原创整理
