Posts

10 月 7 日 OpenAI 推送 GPT-6 Sol 与 GPT-6 Luna 的十月更新，并把「智能界面面向所有人」作为产品化方向。对做 Agent 的团队来说，这两个名字不只是 marketing，而是两条不同推理档位的公开信号。 Sol 与 Luna 到底是两个模型，还是两种思考预算？ 可以把 Sol 理解为深度推理档：允许更长的思维链、更多次自我校验，适合数学、代码、规划这类需要多步推演的任务。Luna 则是快速档：短链路、低延迟、便宜，适合问答、摘要、分类这类「想一下就够」的场景。厂商官方没有公开精确的触发阈值与价差，但从 o 系列以来的惯例看，深度档的 token 消耗往往是快速档的数倍。 路由选错档位，账单会差出多少？ 真正烧钱的不是选了哪个档，而是该用快档时用了深档。一个取邮件、读日程的工具调用，如果默认走 Sol，每一步都在做「长篇思考」，账单会比走 Luna 贵出一截。 务实做法有三条：在系统提示里显式标注任务复杂度；对工具调用类请求强制走快速档；只在规划与调试节点开放深度档。Manus 2.0 靠框架优化把 Token 消耗压下 23.2%，其中相当一部分正是这种「档位选错」的浪费。 双档并行之后，Agent 工程的核心技能变成了什么？ 双档并行会成为 2026 下半年旗舰模型的标配。未来 Agent 工程的核心技能之一，就是给每一步推理标对价格标签——把贵的思考留给真正需要它的那几步。 一个可落地的档位路由策略长什么样？ 把工作流里的每一步按「是否需要多步推演」打标签：取数、读配置、格式化这类动作直接绑定快档；写代码、做规划、排错这类节点开放深度档。更稳的做法是让模型自己先输出一个「复杂度自评」，再由路由层决定送哪一档——这比写死规则灵活，又比让模型自由选择省钱。记得把每一步实际走了哪一档、花了多少 token 记录下来，跑两周后回看，你会发现有相当比例的深度调用其实用快档也能过。把这部分省下来，就是白捡的利润。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：GPT6-Sol-Luna

36 氪 10 月 8 日的报道里藏着一个被融资新闻盖过的技术细节：7 月底上线的 V4-Flash-0731 参数一个没动，靠重新后训练，就在九项代码与智能体测试上全部超过了 V4-Pro 预览版。最刺眼的数字是 DeepSWE 从 7.3 一路跃到 54.4。 参数没动，为什么后训练就能让小模型反超旗舰？ 过去大家默认「能力不够就堆参数、堆预训练数据」。DeepSeek 这次展示了另一条路：基座冻结，只重写后训练的数据配比与奖励设计，就让一个较小的模型在软件工程任务上反超自家更大的预览旗舰。Artificial Analysis 估算，它完成一项基准任务平均只要约 0.03 美元。这个数字意味着代码智能体的单位经济性被再次重算。 这件事折射出训练范式的哪三个转向？ 第一，后训练数据工程的权重在上升。同样的基座，喂什么任务、怎么给可验证奖励，差出近 47 分，说明「数据配方」本身就是护城河。 第二，小模型打大模型会成为常态。当后训练足够强，552B 的 Flash 足以吃掉 552B Pro 的流量——事实上 DeepSeek 已经把 V4 Pro 的请求全部路由到 V4.1-Flash，并安排 V4 Pro 于 14 日下线。 第三，评测要跟得上。DeepSWE 这类贴近真实仓库修复的任务，比刷 MMLU 更能区分后训练质量。 7.3 到 54.4 的跃升需要先打哪些折扣？ 7.3 到 54.4 的跃升很惊艳，但它是在特定基准上的数字，不等于真实生产环境里修 bug 的成功率。拿自家仓库的修复任务做一次 A/B，比读任何榜单都靠谱。 普通团队能照着复制的后训练思路是什么？ 如果你在做垂直领域 Agent，不必等官方旗舰升级。冻结一个开源基座，围绕自己的真实任务构造可验证奖励：代码任务用单元测试当裁判，工具调用用执行结果当裁判，文档问答用参考答案匹配当裁判。DeepSeek 这次证明，数据配方对了，小模型也能翻大盘子。关键是别拿通用对话数据混进来——那会稀释垂直能力。建议保留一个小而精的通用集维持对话体感，其余预算全部压给垂直可验证任务。按这个思路迭代两到三轮，你大概率能在自己的场景里复现一次类似的跃升。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：DeepSeek后训练

10 月 8 日多家媒体跟进 DeepSeek 新一轮融资传闻，同日其更新日志里的 V4.1-Flash 技术细节被再度翻出。这是 DeepSeek 全新结构系列中最小的模型，却把总参数做到 552B 的 MoE 规模，同时原生支持多模态视觉理解。本文不聊融资，只拆它的架构为什么能又快又便宜。 DeepSeek-V4.1-Flash 为什么要做输入 8B、输出 16B 的非对称激活？ 主流 MoE 长期把每 token 的激活参数做成对称的一套专家路由，V4.1-Flash 改成了非对称：输入阶段激活约 8B 参数，输出阶段激活约 16B。直觉上，prefill 阶段要一口气吃掉整段上下文，算力吃紧，少激活一点专家；decode 阶段逐个吐 token，带宽吃紧却需要更强的生成能力，于是多激活一点。这种把「算得动」与「写得好」分开定价的做法，本质是把 MoE 的路由开销按前后台重新分配。 配合全新的 Causal-Encoder-Decoder 结构，它不再是 V4-Flash 的增量改版，而是一次结构换代，上下文给到 1M tokens，最大输出 384K tokens。 CSA 与 HCA 是怎么把百万上下文压下来的？ V4 技术文档披露的另一组关键改动是混合注意力：Compressed Sparse Attention（CSA）负责压缩 KV，Heavily Compressed Attention（HCA）做更激进的压缩。二者叠加，让百万级上下文不再等于线性膨胀的显存账。保留自 V3 的多 Token 预测（MTP）继续在训练侧帮助收敛。 GPQA 90.9、HLE 36.8 这个坐标说明它在什么水平？ 更新日志给出的参考点是 GPQA Diamond 90.9、HLE 36.8。前者说明理科推理已摸到第一梯队，后者提醒最难开放题仍远未解决。对工程团队而言，真正的信号是：这套结构被设计成「能力上限更高、速度更快、吞吐更大、可扩展到更大模型」——V4.1-Flash 是新结构的试金石，更大的型号已在路上。 这套架构折算到部署上意味着什么？ 把这套架构折算成部署选择：552B 总参但只激活 8B 到 16B，意味着单 token 计算量远小于同规模稠密模型，吞吐天然占优；百万上下文叠加 CSA 与 HCA 压缩，又把 KV 膨胀控制在可接受范围。两者相乘，才是它敢把缓存命中价压到极低的工程底气。需要注意的是，非对称激活对并行策略有要求——输入与输出走不同专家集合，张量并行与专家并行的切分必须配套，否则容易出现负载不均。上线前务必压测不同并发下的尾延迟，别只看标称吞吐。 ...

把两个看似无关的数字放在一起：GPT-6 Luna 的 API 输入价是每百万 token 0.10 美元；而 GB300 NVL72 的推理成本基准约为每百万 token 0.123 美元。一个是模型公司卖给你的零售价，一个是硬件跑推理的出厂成本。它们几乎拉平了。这不是巧合，而是一个时代信号：模型的售价，正在贴住它跑在硬件上的物理成本。当这两件事相等，过去十年支撑 AI 公司估值的「模型溢价」，就要开始蒸发了。 模型售价为什么会向硬件成本收敛？ 任何商品化的市场都遵循一条规律：产品一旦大同小异，价格就会被压到接近成本。十年前模型是稀缺品，谁能做出聪明模型谁定价；现在开源模型追得紧，各家 API 价格一路打下来。到 Luna 这档，便宜模型的售价已经低到和 GPU 硬件成本差不多——这意味着卖模型本身，几乎不赚钱了。 0.10 美元卖出去，0.123 美元的硬件成本，这中间甚至可能是亏的。模型公司在这档上不图利润，图的是把用户圈进来、把生态占住，真正赚钱靠的是 Sol、Astra 那些高档位。 溢价消失之后，价值流到哪里去了？ 当模型本身不再溢价，钱就往两端跑。一头是最顶尖的那一小撮模型——Astra、Sol Ultrafast 这种，靠绝对智能差距还能收智商税。另一头是模型之上的东西：数据、工作流、用户关系、品牌。中间那层「我有一个还不错的模型」的公司，会被两头挤扁。 这正是为什么 Manus 这种公司拼命做 Agent 工作流、做产品体验，而不是去卷模型本身。它很清楚：模型迟早会白菜价，能守住的壁垒是用户离不开你的那套流程。 这对做产品的人到底意味着什么？ 模型价格向硬件成本收敛，是长期趋势。今天 Luna 是 0.10，明天可能就是 0.01。这意味着任何建立在「我调了一个好模型」之上的商业模式，都很脆弱——别人明天用更便宜的硬件跑出差不多的效果，你的定价权就没了。 真正该押注的，是那些不会随模型降价而贬值的东西：你积累的私有数据、你打磨的工作流、你和客户之间的信任。模型会变成像电一样的公用事业，价格由硬件成本决定。而你要做的，是在这个免费又便宜的电力之上，盖一座别人搬不走的房子。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：模型成本收敛

Anthropic 的招股书给了我们一组难得的、关于前沿模型公司成本结构的真实数字：2025 年营收 45.9 亿美元，营业亏损 80.6 亿美元，其中算力与基础设施支出 73.3 亿美元。多数人看这些数字只觉得「好烧钱」，但真正值得算的是另一道题：一家像 Anthropic 这样的前沿实验室，营收要做到多大，才能不亏？把这道题解出来，你就看清了为什么前沿模型这件事，最后只剩巨头和少数宠儿在玩。 先把这笔账摆开，盈亏线到底在哪？ Anthropic 每赚 1 美元营收，背后是约 1.6 美元的营业亏损，而光算力一项就吃掉了 1.6 美元左右。也就是说，如果它的营收要打平营业亏损，按今天的成本结构，营收至少要翻一倍多——从 45.9 亿冲到 120 亿美元量级，才勉强盖住现在的运营盘子。 但这还没算增长成本。问题在于，要让营收翻倍，它得继续在算力上加倍投入去训练更强的模型、抢占市场。成本和营收是一起涨的，而且成本涨得更快。这就是前沿模型公司的死循环：想盈利就得停投入，停投入就落后，落后就丢客户。 为什么说盈亏平衡几乎是个伪命题？ 更深一层看，前沿实验室的商业模式里，「打平」可能根本不是一个稳定状态。它的成本不是固定的，而是军备竞赛决定的：竞争对手训练下一代模型，你不跟就出局。这意味着它的成本下限，是由同行的投入决定的，不是由自己的营收决定的。 所以前沿模型公司的目标从来不是「盈亏平衡」，而是「在资本市场失去耐心之前，把营收做到足以支撑下一轮融资」。Anthropic 2 万亿估值、上千亿募资，本质就是在买这个时间。它不是一家要盈利的公司，而是一家要持续融资到某天规模效应出现的公司。 这解释了为什么牌桌只剩这几家？ 为什么前沿模型的牌桌上只剩 OpenAI、Anthropic、谷歌、Meta 这几家？因为按 Anthropic 的成本结构，一个新玩家想从零开始打平，需要的营收量级已经不是创业公司能凑出来的。应用层公司可以靠便宜模型赚钱，但模型层的游戏，门槛已经被算力账单抬高到了十亿美金起步。 这对创业者是个冷静的信号：别去和 Anthropic 抢模型，抢它账单上那个最赚钱的应用场景就好。模型层的账，普通人算不起；应用层的账，才轮得到我们。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：盈亏平衡点

把最近两条新闻放在一起看：Anthropic 被曝计划以约 2 万亿美元估值募资至多 1000 亿美元；Manus 完成 40 亿美元 pre-IPO 融资后被传赴港上市。一条是全球最贵 AI 公司要抽血，一条是中国 Agent 标杆要排队上市。它们看似各走各的路，其实拴在同一根绳子上——整条 AI 一级市场的印钞机，转速完全取决于二级市场愿不愿意接盘。这根绳子一旦松一下，上面挂着的所有公司都会晃。 为什么说一级市场是一台等出口的水泵？ 一级市场的逻辑是闭环的：早期投资人投钱，公司烧钱换增长，下一轮融资估值更高，老股东账面赚钱，最后通过 IPO 或被并购退出，把账面利润变成真金白银。这个闭环里，IPO 是唯一的「出水口」。前面所有的高估值，本质都是在赌出水口够大。 现在出水口突然被寄予厚望：Anthropic 要一次募上千亿美元，Manus 们排队上港股。问题是，二级市场有这么多钱来接吗？PitchBook 已经公开质疑，Anthropic 的财务撑不起 2 万亿估值。这话的潜台词就是：出水口可能没大家想的那么粗。 这条接盘链条最脆弱的一环在哪？ 整条链一环扣一环：散户和机构买 Anthropic 股票 → Anthropic 拿上市的钱去兑现存了多年的算力承诺 → 云厂商继续向英伟达下单 → GPU 产能扩张 → 支撑下一代模型训练。只要 Anthropic IPO 顺利，这台机器就继续转。 反过来，一旦 IPO 遇冷、估值打折，连锁反应是：Anthropic 募不到足够的钱，5180 亿美元算力承诺出现缺口；云厂商重新评估 capex；GPU 需求预期下调；下一轮 AI 创业公司融资变难。一级市场的高估值故事，没有一个环节能承受二级市场说不。 接下来最该盯的信号是什么？ 过去两年 AI 估值一路上涨，很多人以为是基本面推着走。其实更准确的说法是：大家都在赌最后有人会接盘。只要二级市场这个出口开着，前面所有的高估值都成立；出口一关，估值就失去了支撑。 所以接下来一年，最该盯的不是哪家模型又发了新版本，而是 Anthropic 上市那天，认购倍数是多少。那个数字，才是这整场 AI 资本狂欢的总开关。它开着，大家继续狂欢；它拧上，所有人都要重新算账。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：AI上市潮

过去两年我们被两种相反的说法同时轰炸：一种说 AI Agent 马上取代白领工作，办公室要空一半；另一种是 Manus 这样的公司，融资当天就在北京放出一堆岗位，一天收上千份简历。这两件事不可能同时是真的——要么 Agent 已经能自主干活不需要人，要么它还在靠人海战术顶着。到底谁在说谎？仔细看，答案不是某一方撒谎，而是我们把「人」这个角色想简单了。 Agent 到底取代的是动作还是岗位？ 说 Agent 取代白领的人，看的是单个任务：写周报、回邮件、查数据，这些确实正在被 Agent 接管。说 Agent 公司疯狂招人的人，看的是整个系统：一个 Agent 要跑得起来，得有人设计任务、有人写工具描述、有人在出错时兜底、有人对着真实业务调工作流。 一个白领过去每天做十件重复的事，现在这十件事里八件被 Agent 干了，剩下两件是「判断这件事该不该让 Agent 干、以及干砸了怎么办」。他的岗位没有消失，而是从「干活的人」变成了「管 Agent 的人」。Manus 招的上千份简历，招的就是这种新岗位。 哪一头被高估、哪一头被低估了？ 公众的焦虑来自一个错误等式：Agent 能做某件事 = Agent 能独立做完整件事。现实是，从「能做」到「能在真实混乱环境里做完做对」，中间隔着大量人的监督。今天的 Agent 还处在「需要人牵着走」的阶段，不是「自己跑完一整个流程」的阶段。 所以现在就业市场的真实图景是：纯执行类岗位在收缩，但「Agent 监理」类岗位在膨胀。总量上未必少了多少人，但对人的要求变了——不再是要你手快，而是要你会拆任务、会纠错、会定义什么算对。Manus 一天上千份简历，正是大量人本能地嗅到了这个转向。 什么时候才算 Agent 真的替代人？ 真正的临界点，不是 Agent 能写周报，而是 Agent 公司自己停止招人。当 Manus 这类公司不再需要上千人来打磨工作流、不再需要人在后面兜底，那才说明 Agent 真的可以无人化。现在它还在疯狂招人，恰恰是最强的反证。 别被两头的叙事吓到。喊替代的，卖的是焦虑；抢人的，给的是机会。看懂这个矛盾的人，已经在往「管 Agent」的方向转身了。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Agent与就业

Manus 这一年的经历，放在任何传统行业都匪夷所思：先被 Meta 以 20 多亿美元买走，几个月后又在监管压力下被腾讯牵头以约 20 亿美元平价赎回，两个月后估值翻倍到 40 亿美元。一家公司的股权，在不到一年里被两个大国的政策力量来回掰扯。这件事最深远的影响，不是 Manus 自己值多少钱，而是它给整个 AI 行业上了一课：地缘政治，从此是 AI 公司估值表里的一个独立科目。 「买方否决权」为什么是个新东西？ 过去跨境并购，监管审查是一道常规流程。但这次不一样——Meta 的交易不是被「罚」慢了，而是被实质上「拆」了。中国监管层判定这家 Agent 公司的资产性质不适合由外资持有，交易被迫 unwind。这等于告诉所有 AI 创业者：你的公司到底归谁，不全由股东和董事会说了算，还取决于你在两国战略棋盘上的位置。 这就是「地缘折价」的起点。一家公司如果同时被中美两边的监管盯上，它的股权流转会被卡死，退出路径会变窄，流动性会变差。按金融学基本原理，流动性差的资产要打折。AI 公司的估值模型里，从此要加一项：政策可否决我的交易。 为什么被赎回的资产反而升值？ 有意思的是，Manus 被赎回之后，估值不跌反涨。因为在监管把它「收回」的那一刻，它从一家「可能被外资收购退出」的公司，变成了「国产 Agent 战略资产」。一级市场给它的，不再是创业公司估值，而是战略稀缺性估值。 同一个资产，贴上海外标签被强制剥离，贴上国产标签却翻倍。这说明市场已经在用脚投票：在这个时代，资产的归属地本身就是一种价值。芯片是这样，Agent 公司也是这样，未来数据、模型权重都会是这样。 这对创业者和投资人意味着什么？ 创业者要明白：你的公司估值里，有一块是政策给的，不是技术给的。选错了注册地、选错了股东结构，可能凭空损失一半身价。投资人也要重新建模：以前看团队、看技术、看市场，现在还得看这公司「站在哪一边」，以及那个位置未来是升值还是贬值。 Manus 用一次被迫转手，给全行业演示了这个新科目怎么算。未来五年，最值钱的 AI 公司，可能不是技术最强的，而是在地缘格局里位置最舒服的那个。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：地缘折价

Anthropic 外泄招股书里，最值得长期琢磨的不是那几个天文数字，而是一段被多数报道一笔带过的风险披露：公司在法定风险因素中写明，先进 AI 可能给人类生存带来灾难性后果。据东方财富等转述，这段表述被分析师称为「史上最大 IPO 里的罕见自白」。一家准备按 2 万亿美元估值上市的公司，在给股东的文件里亲口说：我卖的这个东西，理论上可能毁灭世界。这件事的象征意义，远大于它的会计意义。 生存风险为什么反而成了卖点？ 过去公司在招股书里写风险，是为了免责——「市场有波动，投资需谨慎」。但 Anthropic 这段不一样：它把「我们可能造出太危险的东西」写成风险，潜台词却是「正因为这事危险，所以只有我们认真在做对齐」。生存风险从一句公关口号，变成了招股书里的法定措辞，也就变成了它差异化定价的一部分。 这是一个微妙的转折。在此之前，「对齐」是学术界和公益圈的话题；从这份文件开始，它成了要写进资产负债表的成本项。投资人第一次需要回答：为「这家公司认真对待安全」这件事，我愿意多付多少估值？ 「对齐」这件事开始值多少钱了？ 一旦风险被法定披露，就会被定价。想象一下未来的场景：两家能力相近的模型公司，一家在招股书里写了详尽的安全投入和红队机制，另一家没写。二级市场会给前者一个溢价，给后者一个折价。安全不再是情怀，而是可交易的信用。 这对整个行业是好事。过去做 AI 安全不赚钱，纯粹靠理想主义撑着；现在它成了能写进招股书、能被投资人掂量的东西。Anthropic 自己就是证明：它的公司名字本身就带着「宪法」的安全叙事，这个叙事在融资里实打实换成了估值。 把灾难写进招股书，会不会反而变得滑稽？ 把生存风险写进文件，还有一个副作用：当「可能毁灭人类」变成和「原材料涨价」并列的标准风险条目，它的严肃性会被稀释。投资者每天在几百份招股书里读风险，读多了就麻木了。一句「我们可能毁灭世界」被夹在「汇率波动风险」和「大客户依赖风险」中间，读完也就翻篇了。 真正的考验不是写没写，而是出了事之后，这份披露能不能被当真。现在它更像一份免责声明，而不是一份承诺。 时间最终会证明什么？ Anthropic 把 existential risk 放上了资本市场的牌桌。接下来要观察的是：当股价波动时，市场是奖励那些「喊得响」的公司，还是奖励那些「真投入」的公司。如果喊得响就能拿溢价，这份披露就退化成了营销；如果只有真金白银的安全投入能换来溢价，那 Anthropic 这一笔，才算真的给 AI 治理标对了价。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：生存风险披露

Agent 产品和聊天机器人最大的区别，是它替用户把事办完了。既然办完了一整件事，按 token 收费就显得荒谬——用户不关心你烧了多少 token，只关心事有没有成。业界已经开始出现「按任务/按结果收费」的模式，Manus 这类通用 Agent 本质就在往这个方向走。但按结果收费听起来性感，落到合同里全是坑。本文把必须写死的三件事讲清楚。 第一件事：到底什么才算任务「完成」？ 按结果收费的死穴，是双方对「成了」的理解不一致。用户说「帮我订一张去上海的机票」，Agent 订了一张早班机——这算成了吗？用户想要下午的，Agent 说任务状态是成功。如果合同里不定义完成标准，这种纠纷每天都会发生。 正确做法是把完成标准写成可机器判定的条件：是否出票成功、航班时间窗、是否满足预算上限。满足全部条件才算计费，缺一条都退单重跑。VulcanBench 那类按任务统计成本的方法，本质就是在做这件事——把「成没成」量化。 第二件事：任务失败的成本算谁的？ Agent 跑失败是常态，不是意外。问题是：跑失败烧掉的 token 成本，算谁的？如果算用户的，用户跑十次失败九次，账单比成了还贵，立刻弃用；如果算你的，一个死循环任务能把你烧穿。 合同里必须写：失败任务不计费，但设一个重试上限（比如三次）。超过三次还没成，双方一起排查，不再单方面烧钱。这个上限就是你成本的保险丝。 第三件事：什么事不归 Agent 管，边界在哪？ 按结果收费最大的风险是「结果范围无限大」。用户说「帮我把这个季度的报表搞定」，Agent 到底是只拉数据，还是要写分析、要发邮件、要通知领导？范围不清，你就是在签一份开口合同。 合同里要列清楚：包含哪几步、不包含哪几步、需要用户人工确认的节点在哪。每多做一步，单独计价。Manus 这种通用 Agent 之所以贵，就是因为它边界模糊——你以为它会自己搞定，结果它卡在每个需要确认的地方等你。 按结果付费到底能不能走通？ 按结果收费是 Agent 商业化的终局方向，但它不是改个价格表那么简单，而是把你的产品重新变成一份可定义、可审计、可限定范围的服务。合同写不清楚的 Agent，定价模式再新潮也会被退款和纠纷拖垮。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：按结果付费