北美下一代大模型调研：能力演进、Coding Agent 渗透及算力瓶颈分析

本次调研重点探讨了北美下一代大模型（如 Opus 5、GPT-6）的能力演进，指出其核心提升在于延长任务执行时长和提高自动化程度，以减少人工干预，而非在开放性难题上有本质突破。在 Coding Agent 领域，尽管渗透率已高，但由于一次性通过率（Pass@1）仅在 30%-40% 左右，导致人均 Token 消耗仍有较大提升空间。技术路径上，模型通过增加冗余验证步骤（如 playback validation）提升可靠性，导致 Token 消耗大幅增加，且受限于 DRAM 容量的缓存能力。此外，调研指出全球算力短缺严峻，模型规模增长速度超过算力增长速度，导致 Meta 等公司出租老旧算力卡，Kimi 等模型因算力不足暂停新用户注册。北美市场认为国产模型在能力上无本质差距，核心挑战在于算力资源短缺。