分析：中国厂商或在 2027 年 2 月前后推出对标 Claude Mythos 的模型

一篇在 Hacker News AI 板块引发讨论的分析文章指出，根据对 Anthropic Claude Mythos 模型训练算力的推算，中国厂商很可能在 2027 年 2 月前后训练出能力与之相当的模型，90% 置信区间为 2026 年 10 月至 2027 年 9 月。该时间表与马斯克此前「2027 年一季度」的判断一致（马斯克所指的是具备「真正实用价值」的对标模型，而非仅在部分网络空间基准上追平）。

Claude Mythos：AI 网络空间能力的阶跃

Anthropic 于 2026 年 2 月将 Claude Mythos 投入内部使用，被普遍视为 AI 网络空间能力的一次阶跃式提升。Mozilla 高管评价其「能力与全球顶尖安全研究员相当」。Epoch AI 对网络空间相关基准的分析显示，Mythos 比此前的趋势预测领先约七个月，并在英国 AI 安全研究所的多项高难度内部评估中保持明显领先。鉴于这类能力的双重用途，中国何时能开发出对标模型，已成为一项关键的国家安全问题。

GLM 5.2 的实际定位

来自 Z.ai 的 GLM 5.2 在编程类基准（如 FrontierSWE 和 PostTrainBench）上表现亮眼，《华尔街日报》一度声称其已追平 Mythos，但这一说法被指具有误导性。文章指出，目前没有证据表明 GLM 5.2 具备 Mythos 所擅长的非结构化漏洞发现与漏洞链利用能力。在 Epoch 能力指数（ECI）上，GLM 5.2 的得分位于 GPT-5 Pro（2025 年 8 月）与 GPT-5.2 Pro（2025 年 12 月）之间，整体落后前沿水平约七个月。

基于算力的预测模型

作者构建了一个以训练算力作为核心代理变量的预测模型，主要步骤包括：

根据 Anthropic 公开的训练硬件及可能的训练时间线，估算 Mythos 所用算力
结合算法进步（含蒸馏）对该算力估算进行调整
匹配中国厂商的可用算力，以及其愿意为单次训练投入的算力规模
推算出可完成预训练的时间点，并叠加后训练与强化学习所需周期

由此得出中国厂商完全开发出 Mythos 级模型的中心估计为 2027 年 2 月。

关键不确定性与制约因素

模型显示，中国前沿 AI 开发的最大不确定性并非单纯的算力获取，而是厂商是否愿意将大规模算力投入前沿模型训练。中国超大规模云厂商历史上仅将个位数百分比的算力用于大规模预训练，更多算力被分配在推荐算法、模型推理以及对外提供云算力租赁。美国超大规模厂商的算力分配逻辑与此类似——推理与非 LLM 业务在边际上回报更高。

除算力分配外，作者列出三类潜在瓶颈：

缺乏动机：字节跳动可能更重视视频模型，腾讯倾向于消费级智能体；中国开源生态强势、企业云市场不够成熟，使前沿训练的经济性存疑。
缺乏能力：即便算力充足，人力资本与前沿训练经验的不足也可能形成制约，Meta、微软、亚马逊的实践已表明原始算力并不能直接转化为前沿模型。
算力仍不够：若算力被分散到多个团队与方向上，可能导致整体表现不及预期；算法进步本身也可能受算力瓶颈影响。

可能推动时间表提前的变量

如果中国超大规模厂商重新分配内部算力，或将行业算力集中于前沿模型开发，上述时间表可能显著提前。中国厂商正在东南亚大规模部署先进 NVIDIA 芯片集群，这些「绿地」算力一旦被用于前沿训练，将进一步加快追赶速度。此外，超大规模厂商收购拥有人才的初创公司、加大对头部研究者的争夺，以及厂商之间的并购整合，都可能加速这一进程。