AI行業告別“最強模型”崇拜

文 | 明晰野望

美股AI交易近日再度遭遇“DeepSeek時刻”。

7月17日凌晨，月之暗面發布新一代旗艦模型——Kimi K3。這個2.8萬億參數的開源模型，在Artificial Analysis智能指數上得分57，綜合水平直逼國際兩座大山，位列全球第三，僅排在Claude Fable 5和GPT-5.6 Sol之后。

技術能力上追平全球前三，成本上做到對手一半，路線上用開源挑戰閉源——K3發布后首個交易日，美股半導體板塊出現明顯下跌，英偉達單日蒸發1111億美元。

K3不是最強的模型，但它是最強性價比的模型。它引發的震蕩，在于迫使市場系統性重估AI產業鏈的價值分配。

7月9日，OpenAI、xAI、Meta同日發布新一代模型。發布會的重心出奇一致：沒有一家把“跑分刷新紀錄”“參數更大”“智能更強”作為主敘事，取而代之的是分層定價、企業場景以及一場幾乎肉眼可見的價格戰。

一邊是中國模型讓美股AI板塊再次劇烈重估，一邊是美國頭部廠商集體放棄“最強智能”的神話敘事。過去兩年支撐整個AI行業估值和話語權的“最強模型”崇拜，正在被打破——不是被某一家顛覆，而是“差距”本身被消解了。

大模型的競爭維度，正在從模型參數轉向效率閉環。

模型差距在收斂

過去三年，大模型行業賴以生存的商業底層邏輯是“贏家通吃、代差壓制”，在絕大多數投資人和創業者的認知里，只要OpenAI或Anthropic能保持一年以上的智能水平代差，那么任何后發者的追趕都會淪為低水平的重復勞動。

然而到了2026年夏天，這場圍繞“代差”筑起的護城河正在被多路大軍以不同方式無情填平。

一直以來，萬億級參數大模型被視為效果的唯一保證，但模型通過架構優化和長上下文注意力機制的改良，正在徹底打破“體型決定智商”的迷思。

根據OpenAI官方披露的數據，GPT-5.6的中檔模型Terra、綜合能力已經微幅超越了上一代的全球標桿；而處于最底層的輕量級模型Luna，在多個復雜推理與編碼測試中甚至反超了曾經的Claude Opus 4.8。

換句話說，OpenAI今天僅用原本四分之一左右的推理成本，就復現了半年前行業頂級頂配才有的智力產出，旗艦模型“降維打擊”的震懾力，正在其內部子系列的分化中逐漸消解。

與此同時，開源梯隊集體跟上閉源模型的現實，也證明了大模型之間的代差正不斷收斂。

在代碼能力測評嚴苛的SWE-bench Verified榜單上，曾經的高端閉源頂配Claude Opus 4.8得分約為88.6%，采用MIT協議開源、且允許完全本地自部署的DeepSeek V4 Pro，在該榜單上的得分則為80.6%，今年四月份亮相并開源的Kimi K2.6，也同樣將成績保持在了80.2%的第一梯隊水準。

在7月17日公布的Artificial Analysis獨立測試中，Kimi K3以57分登上綜合智能指數全球第三，超過Claude Opus 4.8；在衡量長周期知識工作的AA-Briefcase中位列第二，僅次于Claude Fable 5。另一邊，K3還以1677分登頂Arena前端開發榜，壓過一眾海外閉源模型。

盡管在長程任務中，頂尖閉源模型依然保有更高的容錯率與穩定性，但從各角度的硬核指標看，曾經猶如天塹的技術代差已被壓縮到了如今的個位數。

當一個新版本的發布只需要幾個月時間就能完成對上一代頂尖模型的超越，“誰最強”這個命題的含金量也不可避免地走向貶值。

差距收斂也在改寫市場對大廠的定價。過去兩年，A股和港股的頭部互聯網公司普遍被貼上“模型能力落后”的標簽——這個標簽一度是拖累估值的重要因素之一。但隨著模型能力的差距被壓平、追趕所需的時間被縮短，“大廠能不能跟上”這件事的賠率，正在被重新評估。

價格戰取代神話敘事

當“最強模型”這個詞不再能撐起議價能力，價格就成了下一個戰場。而這一輪價格戰和過去兩年那種“清庫存式打折”完全不是一回事——它不是把舊模型甩賣，而是把新旗艦的定價直接向下重構。

最直白的信號來自OpenAI。GPT-5.6一次性被拆成Sol、Terra、Luna三檔：最強的Sol每百萬Token輸入5美元、輸出30美元；中檔的Terra對半砍到2.5/15美元；最低的Luna下探到1/6美元。

同一款旗艦內部就出現了六倍的價差——這本身就是一次立場轉變：廠商開始承認，“最強”并不是每個用戶都愿意為之買單的東西。

跟進者立刻出現，同一天，xAI的Grok 4.5把輸入價壓到2美元，Meta則把Muse Spark 1.1的API首度對外開放，直接定到1.25/4.25美元——頭部廠商第一次不再享有價格的品牌溢價。

戰火延伸至國內。7月16日，DeepSeek-V4正式版上線，首次引入峰谷分時計費，打破了大模型API“統一單價”的行業慣例。API定價第一次按“使用時段”而不是“能力檔位”分層，供需匹配開始取代技術溢價，成為新的定價邏輯。

大模型從“稀缺技術產品”往“水電煤式基礎設施”的方向又滑了一步。

但真正的深水區不在標價，而在每一個Token背后的真實成本。大模型推理里有一條反直覺的規律——用戶看的是輸出單價，廠商賺的是緩存命中率。長對話、代碼倉庫、Agent任務里那些重復出現的上下文，每次重新計算一遍就是燒錢，能命中緩存就是印鈔。所以各家真正在拼的，不是標價欄里的那幾個美元，而是同一段上下文能被重復利用多少次。

騰訊Hy3把緩存命中價打到基礎輸入價的四分之一；月之暗面開源的Mooncake分離式推理架構聲稱能在長代碼任務里把命中率維持在90%以上——那些動輒幾十萬字的項目背景，理論上只需要付一次錢。

而Kimi K3首創并開源的Mooncake分離式推理架構，則能在處理高密度的編程任務和長代碼倉庫時，將真實緩存命中率維持在超90%的區間，意味著那些動輒幾十萬字的項目背景、數十個歷史版本迭代的中間過程，并不需要每次都去付費重新讀取。

從上游模型掀起價格戰，到推理引擎成本的降維壓榨，大模型的競爭已經演化為一場立體化、鏈條式的綜合戰役。模型“夠聰明”已經變成入場券，不再是差異點。市場現在真正在問的，不是“誰最聰明”，而是同樣一個任務，誰能“又快、又穩、又便宜”地把它跑完。

競爭要件變了

價格和成本迅速下降、模型分數差異持續縮小，既然大家都能把題的分數刷得這么接近，在下半場的終局里，什么才是不可復制、絕對稀缺的核心壁壘？

高價值的“真實工作流數據”算一個。

在美國市場，OpenAI正把自己的產品不斷做“重”，他們不滿足于僅讓ChatGPT當一個“小秘書”，而是把龐大的編程平臺Codex直接并入了“ChatGPT Work”生態中，開辟出了企業級高階Agent的專屬戰場。

要知道，Codex每周活躍調用人數超500萬，而在這之中有超過100萬個復雜請求，被用于用戶寫代碼之外的專業文檔撰寫、繁瑣數據排查以及公司項目協作。千萬企業最隱秘、最復雜的工作鏈路流轉，就這樣被完全截留在了OpenAI的密閉體系之內。

馬斯克收購AI編程工具Cursor的開發企業Anysphere，也是為了增強SpaceX在企業AI工具市場中的布局，方便其將麾下最新的Grok 4.5與Cursor進行聯合訓練、完成場景層面的深度綁定。

Anthropic旗下的Claude Code不僅把代碼編譯反饋、系統終端交互通通包裝進自己的閉環管道，還通過與LTM等咨詢公司合作把業務推進金融、制造等垂直領域，進一步拓寬從代碼到業務流程的覆蓋范圍。

企業選擇與市場反饋證明了，在真實業務中的任務定義能力遠比刷分更重要。模型基座只是原料，真正稀缺的不是場景本身，而是把真實反饋工程化、并回流進模型利用的閉環能力。

當下全球AI產業主要有兩條運營路徑，一條是以科技巨頭為代表的“多入口生態協同”，另一條則是垂直玩家深入鉆研的“單點產品破局”。

第一條路徑的精髓在于通過寬廣的產品入口矩陣，押注場景廣度與反饋頻率密度，它能讓底層大模型經歷多角度的任務抗壓測試，以火力覆蓋的方式完成自我迭代。

谷歌把Gemini橫向鋪進搜索、瀏覽器、workspace和YouTube，讓同一套模型能力在數十億量級的日活入口里被反復調用、反復回收信號。國內有此優勢的是擁有14億超級入口的騰訊，并且不只是微信，是把AI能力嵌進社交、內容、支付等場景以及新推出的WorkBuddy工作流工具，用C端與B端協同兩條腿同時接觸真實任務。

兩家產品形態不同，賭的是同一件事：入口足夠多、頻次足夠高，模型的每一次能力代際更新都能被立刻轉化為用戶行為反饋。

而第二條路徑賭的，是高價值場景下單點反饋信號的質量與深度。

Cursor憑什么可以每天生成1.5億行企業代碼、讓馬斯克在內的科技大佬眼紅心熱？就因為它做深做透了“編程”這件事，不僅代碼生成速度不斷提升、支持20多種編程語言，甚至能自動糾錯和重構項目，準確率超過95%。

兩套路徑雖在體量上存在鮮明的差距，但與競爭優勢卻沒有必然聯系，相較于生態豐富度，更重要是誰能把“任務-反饋-模型-再任務“的流程跑通。

產品提供高質量的任務反饋鏈條，讓模型在垂直專業度上完成大躍升；能力的躍升降低了任務耗時和人工干預，又反過來吸引高價值商業用戶帶著更珍貴的數據涌入，高效可循環的閉環就這樣達成。

7月以來，阿里巴巴、騰訊股價回暖，這類生態型公司AI+云業績加速兌現，為新資金流入提供了信心。而智譜、MiniMax等大模型公司股價沖高回落大幅震蕩，也從側面說明，大模型企業單純的參數護城河正在日益變窄。

資本對AI的定價邏輯開始從“看誰資本開支大、算力囤得多”，轉向“看誰能把算力真正轉化成收入和利潤”。

這也并不意味著硬件和算力基礎設施被拋棄，而是它們開始被市場嚴苛地要求給出切實的回報；軟件與應用層也并非憑空全面勝出，而是因為它們直接觸達客戶、離真實業務的“收入與現金流”更近，因而被資本重新估值。

從價格內卷到回歸真實工作流，相較于無限燒錢、販賣參數故事的上半場，與億萬用戶息息相關的真實應用與商業閉環，或許才是新一輪AI浪潮的最終指向。