6個新趨勢，看懂AI競爭正在發生什麼
文章作者、來源：世界模型工場
過去幾天，AI圈又密集炸了一波：
OpenAI把Codex和ChatGPT合併，順便取消了Codex 5小時用量限制，還給用戶重置額度；
Anthropic再次延長Fable 5的促銷使用期，Claude Code周額度加50%的活動還在繼續；
Grok 4.5口碑突然翻上來，不少人覺得比Opus 4.8還好用，馬斯克這回要摸到第一梯隊了；
騰訊混元Hy3只激活21B參數，也敢和更大的旗艦模型掰手腕了，WorkBuddy用戶量還在快速上漲；
智譜啓動"TouchHigh摸高計劃”，未來兩年砸長程任務、自治智能體、完全自我訓練、安全治理。
新聞多得讓人眼花繚亂，但拼在一起看，趨勢的味道就出來了。
前段時間，大家還在刷Fable 5和GPT-5.6的benchmark，現在Grok 4.5已經被很多人說「比Opus 4.8好用」；
騰訊Hy3也靠21B激活參數，在部分Agent和辦公任務上打平旗艦水平。
在大家的印象裏，Grok、混元這些模型的基礎並不好，甚至經歷過模型重構，之前離前沿模型有很大代差，結果幾個月就追上來了，爲什麼？
這不是偶然。
目前模型的核心技術配方已經擴散，後訓練門檻降低，代碼和Agent任務又擁有天然的自動判分機制，讓後來者找到了一條更快的追趕路徑。
因此在傳統知識問答和簡單代碼上，頭部模型的分數越來越接近，已經很難體現真實體驗差異。
更重要的是，用戶用的不是裸模型，而是“模型+提示詞+工具+記憶+重試機制“的完整系統。
一個稍弱的模型，配上好框架，完全能夠在體感上打敗更強的裸模型。
所以，過去一個新模型可以領先幾個月到半年，但現在可能就領先幾周甚至幾天。
隨着領先窗口越來越短，未來用戶看的不再是全球唯一最強模型，而是能力分層，比如：有的擅長代碼，有的擅長長程任務，有的擅長辦公交付。
用戶普遍會採用多模型路由，企業也不會把雞蛋全放在一個籃子裏。
普通用戶現在能明顯感覺到，好用的模型突然變大方了。
比如，Anthropic延長Claude Fable 5使用期到7月19日，取消單獨50%額度限制；
OpenAI直接臨時取消Codex五小時用量限制，還重置額度，Codex活躍用戶已達600萬。
這和早期互聯網燒錢搶流量一樣，只不過現在燒的是GPU和Token，把贈送額度當獲客費用。
模型廠商之所以願意現階段犧牲毛利，養成用戶習慣，是因爲現階段主推的Agent產品的遷移成本，遠高於聊天機器人。
一旦這波補貼戰打完，剩下的就是真正願意爲長期價值買單的客戶。
隨着各家模型Benchmark越來越接近，未來商業差距可能擴大得更快。
用戶數量、Agent任務數據、企業入口、推理成本、開發者生態、現金流……會讓領先者的數據飛輪越轉越快。
下一步，模型公司的真正敵人，不是更強的模型，而是對手快速複製能力後，用價格和入口搶用戶。
騰訊Hy3是典型代表：
總參數295B，激活只有21B，MoE架構，在Agent、辦公生產力上強調實際表現和低成本，還塞進了微信生態。
像Hy3這種“高效架構+超級App分發“的模型，普通白領工作已基本夠用，性價比直接拉滿。
這也是爲什麼很多人說，騰訊這次是悄無聲息的王炸，能力夠用，入口巨大，成本可控。
這說明參數規模已經不是模型的炫耀點了，用戶和企業更關心幹一件事總共花多少錢、成功率多少、用起來順不順。
Grok 4.5和Cursor一起用真實軟件工程數據訓練；Hy3從騰訊50+產品反饋裏迭代；Codex和Claude Code從大量Agent軌跡中學習失敗案例……
這些真實交互數據，正在成爲下一代模型最稀缺的燃料。
產品用得越多，數據飛輪轉得越快，模型就越聰明，形成正循環。
當模型公司擁有海量真實用戶、讓模型每天執行任務、再把結果反哺訓練，才是硬核護城河。
騰訊代表向下扎進產品和場景。
強調激活參數、Agent成功率、WorkBuddy/CodeBuddy等實際產品，用反饋反哺訓練，是典型的工程效率+超級入口路線。
智譜代表向上挑戰智能上限。
智譜創始人唐傑在內部公開信《巨浪已來》裏說，未來兩年不追短期變現，重點投長程任務、自治智能體、完全自我訓練、安全治理，還計劃百億級資源搞機械可解釋性。
兩家方向看似相反，目標其實高度一致，最終都會在Agent上相遇。
區別只是騰訊從產品往上迭代，智譜把技術上界拉高再往下開放，一個先重普及，一個先抓上限，兩種路線都值得觀察。
當這一代模型還在爭奪用戶時，下一代競爭其實已經開始了。
OpenAI正在投入新的預訓練架構、合成強化學習、長程Agent、機器人和消費硬件；
Anthropic把重點放在長任務、AI輔助AI研發和機械可解釋性；
Google繼續推進世界模型、虛擬環境和機器人。
既然現在模型圈的後來者，幾個月就能追上第一梯隊，未來模型是不是隻會越來越同質化？
事實上，下一代模型競爭，仍然可能重新拉開明顯差距。
真正可能製造代差的，是長程Agent、AI研發自動化、世界模型和機器人。
尤其是世界模型和機器人領域的差距可能更大。
因爲現實世界數據無法直接從網上抓取，需要機器人、傳感器、仿真環境和長期部署積累。
誰先建立“設備-數據-世界模型-行動模型“的閉環，優勢會比語言模型更難複製。
但這一方向發展也更慢。硬件成本、安全問題和真實部署週期，都決定它不會一夜爆發。
所以，下一次“GPT-4時刻“很可能會出現，但形態不同。
只是隨着技術傳播越來越快，模型領先窗口依然可能十分短暫。
風險及免責聲明：以上內容僅代表作者個人觀點，不代表富途任何立場，亦不構成任何投資建議，富途對此不作任何保證與承諾。更多信息
評論
發表評論
1
1