AI 大廠集體轉向，大模型迎來“杰文斯時刻”

文 | 深流研究所，作者 | 絳楓

過去一周，Grok 4.5、GPT-5.6、Claude Sonnet 5 接連登場。

比發布密度更值得注意的，是這些公司對模型的新敘事。

最典型的是馬斯克。介紹 Grok 4.5 時，他幾乎沒提“xAI 最強”，而是反復強調一個點——“Opus 級模型”，但更快、更省 token、成本更低。

同樣的轉向，也在另外兩家發生。

OpenAI 把 GPT-5.6 的目標寫成“讓每個 token 產出更多有用工作”，Sam Altman 更直言，企業客戶現在真正在意的是 AI 支出換回了什么價值；Anthropic 則說，Sonnet 5 能完成的智能體任務，在幾個月前還需要更大、更貴的模型。

當“更便宜”成了行業默認動作，真正的競爭就不再是“降多少價”，而是同樣的價格，誰的模型能干更多、更難的任務？

性價比，開始成為競爭的核心變量。

1、性價比之爭，模型公司重新組合能力、成本與場景

這種變化首先體現在模型產品本身。模型公司開始把不同能力、不同成本和不同調用方式重新組合起來。

OpenAI 的 GPT-5.6 最典型。“Sol / Terra / Luna”取代了過去幾年“旗艦 + mini/nano”的模型命名體系。這改變了模型分層的邏輯——以前按強弱排序，現在按場景分工。

Sol 承擔復雜推理、編程和 Agent 等高難任務，但價格與 GPT-5.5 標準旗艦持平；Terra 的綜合表現接近 GPT-5.5，卻落在 GPT-5.4 的中端價格區間；Luna 與開源 GLM-5.2 處在同一價位，主打高并發、低延遲的走量調用。

這套分層的核心，是讓能力跟著場景走、成本跟著任務變。復雜任務用旗艦能力，日常任務用主力模型，高頻調用優先低延遲和低成本。

OpenAI 今年 3 月推出Standard / Batch / Flex / Priority 定價機制，進一步把這種思路推進到調用層面。同一個模型，也可以按調用方式定價。能批處理、可等待的請求更便宜；追求低延遲、高確定性的請求更貴。

這意味著，價格不再只取決于模型能力，也取決于任務對時間和穩定性的要求。過去隱藏在系統調度里的延遲、優先級和確定性，正在被直接寫進計費結構。

6 月底，Anthropic 發布 Claude Sonnet 5 同樣指向這一趨勢。Sonnet 5 內置了 effort 機制。它讓調用方可以根據任務復雜度調節推理強度——中等 effort 用來控制成本，高 effort 才逼近旗艦表現。

這打破了“選定模型就鎖定成本”的舊邏輯。開發者不再只是選擇用哪個模型，也可以決定一次調用投入多少算力。性價比因此從靜態參數，變成了動態調節。

7 月 9 日發布的 Grok 4.5，則把性價比前置到了訓練階段：先鎖定高頻場景，再圍繞場景定義模型能力和成本結構。

Grok 4.5 是 xAI 首個專門針對編程和智能體任務訓練的模型，與 Cursor 聯合訓練，使用了 Cursor 上大量真實交互數據。定價為每百萬 token 2 美元輸入、6 美元輸出，同時提供 MoE 架構、500K 上下文和可配置推理強度。

編程和 Agent 往往上下文長、調用頻繁、鏈路復雜，一次失敗還會觸發多輪重試，成本最容易被放大。Grok 4.5 選擇先鎖定 Cursor 這樣的高頻入口，再圍繞真實調用優化能力和成本。

這三款模型共同說明，性價比已經不再是一個簡單的價格標簽。OpenAI 是把不同能力放進不同調用場景；Anthropic 是把旗艦能力壓進主力價格區間，并開放推理強度調節；Grok 則是在高頻編程場景里重新計算“劃算”的標準。

大模型競爭正在從“能力最大化”轉向“有效能力的成本最優化”。

2、性價比的經濟賬，從“token 單價”到“單任務成本”

不同于傳統互聯網 App，AI 產品每一次調用，都對應一次真實的推理成本。使用越多，價值越大，成本壓力也越真實。

模型競爭進入應用階段，性價比正在從“價格問題”，延伸為“商業模式問題”。當模型真正進入真實任務場景，決定商業可持續性的，是模型能力能不能在高頻調用中，被穩定、低成本地交付出來。

一個真實任務的成本，通常由一整條任務鏈路共同決定：輸入輸出 token 數、調用輪次、上下文長度、工具調用次數、推理強度、失敗重試率等，都會被計入最終賬本。

這也帶來一個反直覺結論：定價便宜的模型，未必真的便宜。

如果單次 token 價格低，卻需要更多輪對話、更長上下文、更高重試率，那么單位任務成本未必低。反過來，一個看似更貴的模型，如果能用更少輪次完成任務，減少返工、降低失敗率，最終反而可能更劃算。

模型性價比的衡量單位正在發生變化——不只看 token 單價，還有完成單個任務所需的成本。

過去一年，國內模型公司普遍轉向 MoE 和稀疏激活，也可以放在這一框架下理解。

DeepSeek-V4-Flash 是 284B 總參數、每 token 激活 13B；Qwen3-235B-A22B 是 235B 總參數、22B 激活；Kimi K2.6 是 1T 總參數、32B 激活。近期發布的騰訊混元 Hy3 正式版，也采用 MoE 架構，295B 總參數、21B 激活參數，并支持 256K 上下文。

國產大模型集體押注“大參數 + 小激活”，這說明模型能力與調用成本之間的關系，正在被重新設計。

總參數決定模型的能力池有多大，能覆蓋多少知識、推理、代碼和 Agent 任務；激活參數決定一次推理真正要支付多少計算成本。MoE 的關鍵價值正在于此：

讓模型擁有接近超大規模模型的能力邊界，同時讓每次調用不必承擔全量參數的計算開銷。

換句話說，性價比已經前置到模型架構設計階段，而不再只是模型發布后的定價策略。

騰訊混元 Hy3 正式版，正是這一趨勢的近期樣本。它的看點不只是 295B 總參數，更在于用 21B 激活參數承接一個更大的能力池，并將能力重點放在 Agent、辦公、知識處理、多文件生成等真實任務上。

此外，Hy3 正式版智能水平顯著強于同尺寸模型，效果可比肩參數規模為其 2—5 倍的旗艦模型。這意味著，Hy3 能用更少的實際激活計算，承接更復雜的任務類型。

從 preview 到正式版，Hy3 日均 token 消耗增長 20 倍，也說明模型經濟性開始被真實調用規模檢驗。

對國產模型廠商來說，性價比不只體現在開源和 API 價格上，更體現在能否在真實產品和開發者調用中，以更低成本支撐更多任務。

因此，這一輪性價比競爭，本質上正在變成“單任務經濟性”的競爭。

未來模型公司比拼的，不只是能力池有多大，更是每個任務實際要為這座能力池支付多少成本。誰能用更少計算、更少輪次、更少重試，完成更多真實任務，誰才真正擁有更高的性價比。

3、“默認調用”之爭，大模型迎來“杰文斯時刻”

當性價比的衡量單位轉向“單任務成本”，模型競爭的重心也隨之改變。企業和開發者真正關心的，正在從“哪個模型最強”，轉向“哪個模型能被長期、穩定、低成本地默認調用”。

所謂默認調用，指的是模型在辦公、知識管理、Agent、客服、代碼等高頻場景中，系統優先調用的底層能力。它未必總被用戶看見，卻會持續承接大量真實任務。

這種變化，已經開始被云平臺和開發者工具產品化。Amazon Bedrock 推出的 Intelligent Prompt Routing、微軟 Azure AI Foundry 上線的 Model Router，本質上都在把模型調用從“手動選擇”，推進到“統一調度”：系統根據任務復雜度、成本、延遲和性能，將請求路由到更合適的模型。

開發者生態中的 OpenRouter、LiteLLM、Dify，也在承擔類似角色。統一 API、多模型路由、預算控制，以及推理模型等默認能力配置，正在把模型嵌入更上層的應用框架和企業 AI 網關。

這會重塑模型市場的競爭方式。未來，很多調用未必由終端用戶直接決定，而會由云平臺、AI 網關、開發框架和企業中臺提前分配。誰能進入這些系統的默認配置，誰就能獲得更高比例的真實調用。

默認調用的第一重價值，是規模。一個模型只要能承接企業和開發者每天穩定發生的大量任務，即便單次調用價格不高，也能形成更扎實的商業基本盤。

規模還會帶來反饋。真實任務中的失敗率、重試率、用戶修正、工具調用路徑、上下文組織方式，都會反過來幫助模型和系統優化。模型的進化，離不開靜態評測，更離不開真實使用中的暴露、修正與迭代。

更關鍵的是，默認調用會帶來生態綁定。開發者一旦圍繞某個模型調好了提示詞、工具調用、RAG 流程、Agent 框架、評測標準和安全策略，這個模型就會從一個可替換的 API，變成應用架構的一部分。

由此，“性價比”會形成一個新的競爭飛輪：更低單任務成本，帶來更多默認調用；更多默認調用，帶來更大調用規模和更多真實反饋；真實反饋繼續推動模型和系統優化，進一步降低單任務成本。

騰訊混元 Hy3 與 WorkBuddy 的結合，體現了這一趨勢。WorkBuddy 承接企業辦公、文件處理、流程編排等高頻任務，Hy3 則通過這一入口進入真實工作流。

公開信息顯示，從 preview 到正式版，Hy3 日均 token 消耗增長 20 倍，WorkBuddy 上自主選擇 Hy3 preview 的用戶數增長 6 倍；正式版在辦公場景內部測評中，任務成功率從 72% 提升至 90%，平均耗時縮短約 34%。

這說明模型開始被真實任務鏈路反復檢驗。任務規劃、工具調度、多 Agent 協作等能力，只有進入辦公場景，才會暴露出失敗、重試、耗時和工具調用等具體問題，并反過來推動模型迭代。

類似的協同優化，已經成為行業共同方向。

Google 將 Gemini 深度嵌入 Gmail、Docs 等工作場景，圍繞郵件、文檔、會議紀要等高頻任務優化；Adobe Firefly 也嵌入 Photoshop、Illustrator、Premiere 等創意工作流，讓模型圍繞真實編輯、生成和修改鏈路迭代。

模型只有進入真實任務，才能獲得穩定調用、真實反饋和持續優化空間，最終形成“模型—產品—場景”的協同優化。

因此，性價比競爭已經超出降價競賽本身。它真正改變的，是需求邊界。

19 世紀，經濟學家杰文斯觀察到一個現象：蒸汽機效率越高，煤炭消耗反而越多。效率提升沒有抑制使用，反而降低了使用門檻，讓煤炭進入更多產業、更多機器和更長的生產鏈條。

大模型正在接近自己的“杰文斯時刻”。

性價比競爭的結果，未必是 AI 總成本下降，而是 AI 使用密度上升。模型調用會從少數高價值任務，擴展到大量日常任務，最終讓 AI 變得更實用，也更普惠。