美国国家标准与技术研究院（NIST）最新完成的中美人工智能模型全面测试显示，在19项不同基准测试中，OpenAI和Anthropic的模型表现均超越DeepSeek。美国商务部长霍华德·拉特尼克（Howard Lutnick）在社交媒体平台X上公布结果时，感谢了唐纳德·特朗普（Donald Trump）总统推动美国人工智能创新与基础设施的《人工智能行动计划》，并呼吁盟国及友好国家采纳该计划。
拉特尼克部长在发文中强调：“报告明确指出：DeepSeek远远落后，特别是在网络和软件工程领域。这些弱点不仅是技术层面的，更揭示了依赖外国人工智能的危险性与短视性。允许对手控制人工智能将对我国安全构成严重风险。商务部通过制定标准、推动创新和维护美国安全，正全力确保美国在人工智能领域的持续领导地位。”
作为美国商务部下属负责制定标准、支持产业提升国际竞争力的联邦机构，NIST此次通过新成立的人工智能标准与创新中心（CAISI）开展研究。测试将DeepSeek的R1、R1-0528和V3.1版本（值得注意的是未包含本周新发布的V3.2版本）与OpenAI的GPT-5、GPT-5-mini、GPT-oss以及Anthropic的Opus 4进行对比，涵盖19项公开基准测试，包括软件工程领域的SWE-bench Verified和Breakpoint，通用知识能力的MMLU-Pro和GPQA，数学推理的SMT 2025、PUMaC 2024和OTIS-AIME 2025数学竞赛，以及评估抗劫持攻击能力的AgentDojo框架。此外，该机构还针对某些特定领域（如内容审核机制）开发了定制化评估方案。
全部测试结果收录于69页的报告中。CAISI指出，虽然OpenAI和Anthropic在所有测试中均优于DeepSeek，但在软件工程和网络任务领域的优势尤为显著。美国人工智能模型整体性能超出DeepSeek20%至80%，运营成本低约35%。报告还显示，DeepSeek更易被越权操控，导致意外行为风险升高，并指出中国模型存在特定倾向性。不过需要说明的是，其他人工智能基准测试工具可能产生不同结果。
尽管存在这些差距，DeepSeek R1仍在持续获得应用。CAISI警告称“使用这些模型可能对应用程序开发者、消费者及美国国家安全构成风险”。值得注意的是，这家中国人工智能公司持续推出新型号，本周初发布的DeepSeek-V3.2-Exp可能使部分当前测试结论需要重新评估。
