五个模型同做一道密码题，中国三家全解出，英伟达和Meta没答一个字

同一道五位数密码题，同一个测试环境。Kimi K3和阿里千问都把答案推出来了，两个美国模型的答题框里一个字都没有。

七月底到八月中，Kimi K3、千问3.8、DeepSeek V4 Pro陆续放出权重。美国开源也回来了，Meta拿出Muse Glimmer，英伟达跟上Nemotron 3.5。五个模型被接进同一个环境跑同一套题。

十项测试，K3拿了六项满分排第一，DeepSeek第二。

密码题是照线索倒推五位密码，考多步推理。中国三家都推对了，两个美国模型交了白卷。查日志才知道原因：它们把推理跑成了马拉松，话说到一半被输出上限掐断。这两家的额度本来也紧，一个16K一个24K。

真正扎心的是加时赛。

每家30美分预算，换一套新题，解不出可以重试，花完为止。英伟达十轮花了不到10美分，密码锁十次全败。Meta重试到第四次才解出，花15美分。DeepSeek一轮五题全对，只花4美分，比Meta便宜四倍。

K3也强，可它一次认真思考就要35美分，反倒超了预算线。

K3证明的是中国模型的天花板已经能跟最前沿闭源模型摆一起比，DeepSeek拉的是另一根线：它在把"一个够用的模型该卖多少钱"这个预期往下按。企业采购AI，最后签字看的就是这根线。

这次走的是OpenRouter通道，价格跟官方标价不完全一致。但答不出来的时候，多快多便宜都没意义。

下一轮真正该盯的不是谁分高，是同一道题谁花的钱少。

AI DeepSeek 英伟达