AI大廠集體轉向，大模型迎來“傑文斯時刻”

AI大廠紛紛轉向，大型語言模型市場正迎來一個關鍵轉折點，業界稱之為「傑文斯時刻」。在過去短短一週內，Grok 4.5、GPT-5.6、Claude Sonnet 5接連問世，但更值得關注的不是發佈密度，而是這些頂尖模型公司對其產品敘事方式的根本性改變。最顯著的例子來自xAI的創辦人馬斯克。他在介紹Grok 4.5時，幾乎沒有強調這是「xAI最強模型」這類說法，反而反覆指出，這是一款達到「Opus等級」的模型，但運作速度更快、消耗的token更少，整體成本也更低。同樣的轉向也發生在其他兩家巨頭身上。OpenAI將GPT-5.

6的目標定位為「讓每個token產出更多有用的工作」，執行長Sam Altman更直言，企業客戶如今真正關心的是，投入AI的支出換回了什麼樣的價值。而Anthropic則表示，Sonnet 5現在能夠完成的智能體任務，在幾個月前還需要更大、更昂貴的模型才能辦到。當「更便宜」成為整個行業的默認動作，真正的競爭核心便不再是「降價了多少」，而是「在相同的價格下，誰的模型能夠完成更多、更困難的任務」。性價比，正逐漸取代單純的能力競賽，成為左右市場格局的關鍵變量。這種變化首先體現在模型產品的設計上，各大公司開始重新組合能力、成本與應用場景。OpenAI的GPT-5.

6最具代表性，它以「Sol / Terra / Luna」的新命名體系，取代了過往「旗艦加上mini或nano」的簡單分級方式。這套新邏輯不再單純按模型強弱排序，而是根據場景進行分工：Sol負責複雜推理、編程和Agent等高難度任務，但價格與前一代旗艦模型持平；Terra的綜合表現接近GPT-5.5，價格卻落在GPT-5.4的中端區間；而Luna則與開源模型GLM-5.2處在同一價位，主打高併發、低延遲的大量調用。這套分層的核心目標，就是讓能力跟著場景走，讓成本隨著任務性質變化。

除了模型本身的分層，OpenAI在今年3月推出的Standard、Batch、Flex、Priority定價機制，更進一步將這個思路延伸到調用層面。同一個模型可以依據調用方式收取不同價格，能夠批次處理、可以等待的請求更便宜，而追求低延遲、高確定性的請求則收費更高。這代表價格不再僅僅取決於模型能力，也取決於任務對時間和穩定性的要求。Anthropic於6月底發表的Claude Sonnet 5，同樣指向這個趨勢。它內建了effort機制，允許調用方根據任務複雜度來調節推理強度——中等effort用於控制成本，高effort才接近旗艦表現。

這打破了「選定模型就等於鎖定成本」的舊有邏輯，開發者不再只是選擇要用哪個模型，還可以決定一次調用投入多少算力。性價比因此從一個靜態參數，變成一個可以動態調節的工具。至於7月9日發佈的Grok 4.5，則把性價比的思維直接前置到訓練階段。這是xAI首個專門針對編程和智能體任務進行訓練的模型，它與知名開發工具Cursor聯合訓練，使用了大量Cursor上的真實交互數據。其定價為每百萬token輸入2美元、輸出6美元，並採用MoE架構、提供500K上下文與可配置的推理強度。由於編程和Agent任務往往上下文長、調用頻繁、鏈路複雜，一次失敗就可能觸發多輪重試，成本最容易失控。Grok 4.

5選擇先鎖定Cursor這樣的高頻入口，再圍繞真實調用情境來優化能力與成本結構。這三款模型的共同出現，說明了性價比已經不再是一個簡單的價格標籤。OpenAI是將不同能力放入不同的調用場景；Anthropic是將旗艦能力壓進主力價格區間，並開放推理強度調節；而Grok則是在高頻編程場景裡重新定義「划算」的標準。大型語言模型的競爭，正從「能力最大化」全面轉向「有效能力的成本最優化」。深入來看，性價比的經濟帳正在從單純的「token單價」演化為「單任務成本」。不同於傳統的網路應用程式，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，但成本壓力也越真實。

當模型真正進入應用階段，決定商業模式能否持續的關鍵，就在於模型能力能否在高頻調用中，被穩定且低成本地交付出來。一個真實任務的成本，通常由一整條任務鏈路共同決定，包含輸入與輸出的token數、調用輪次、上下文長度、工具調用次數、推理強度，以及失敗重試率等，全部都會計入最終帳單。這也帶來一個反直覺的結論：定價便宜的模型，未必真的便宜。如果單次token價格低，但需要更多輪對話、更長上下文、更高重試率，那麼單位任務成本可能反而更高。反之，一個看似較貴的模型，如果能用更少輪次完成任務、減少返工、降低失敗率，最終反而可能更划算。因此，衡量模型性價比的單位正從token單價，轉變為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（混合專家）和稀疏激活的架構，正是這個趨勢下的產物。例如DeepSeek-V4-Flash總參數達284B，但每token僅激活13B；Qwen3-235B-A22B則是235B總參數、22B激活；Kimi K2.6更是達到1T總參數、32B激活。近期發表的騰訊混元Hy3正式版，也採用MoE架構，擁有295B總參數、21B激活參數，並支援256K上下文。這些模型集體押注「大參數、小激活」的設計，說明模型能力與調用成本之間的關係正在被重新設計：總參數決定模型的能力池有多大，而激活參數則決定一次推理真正需要支付多少計算成本。

MoE的關鍵價值在於，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。騰訊混元Hy3正式版正是這波趨勢的近期樣本。它的看點不只是295B總參數，更在於用21B的激活參數去承接一個更大的能力池，並將能力重點放在Agent、辦公、知識處理、多文件生成等真實任務上。根據公開資訊，Hy3正式版在智能水平上顯著強於同尺寸模型，效果可以比肩參數規模為其2到5倍的旗艦模型，意味著它能用更少的實際激活計算，去承接更複雜的任務類型。從preview到正式版，Hy3的日均token消耗增長了20倍，這也說明模型的經濟性開始被真實的調用規模所檢驗。

因此，這輪性價比競爭，本質上正演變為「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。誰能用更少的計算、更少的輪次、更少的重試，完成更多真實任務，誰才真正擁有更高的性價比。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」。這種「默認調用」，指的是模型在辦公、知識管理、Agent、客服、程式碼等高頻場景中，成為系統優先自動調用的底層能力。它未必總是被用戶看見，卻會持續承接大量真實任務。

這種變化已經開始被雲端平台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，本質上都在將模型調用從「手動選擇」推進到「統一調度」：系統會根據任務複雜度、成本、延遲和性能，自動將請求路由到最合適的模型。開發者生態中的OpenRouter、LiteLLM、Dify也在扮演類似角色，統一API、多模型路由、預算控制等能力，正把模型嵌進更上層的應用框架和企業AI網關。

這將重塑模型市場的競爭方式，許多調用未來未必由終端用戶直接決定，而會由雲平台、AI網關、開發框架和企業中台預先分配。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在於規模。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，也能形成更紮實的商業基本盤。規模還會帶來真實反饋，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。

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」形成了一個新的競爭飛輪：更低的單任務成本，帶來更多默認調用；更多默認調用，帶來更大的調用規模和更多真實反饋；真實反饋繼續推動模型優化，進一步降低單任務成本。騰訊混元Hy3與其企業級產品WorkBuddy的結合，就體現了這個趨勢。WorkBuddy承接企業辦公、文件處理、流程編排等高頻任務，Hy3則透過這個入口進入真實的工作流。

從preview到正式版，Hy3的日均token消耗增長20倍，WorkBuddy上自主選擇Hy3 preview的用戶數增長6倍；正式版在辦公場景的內部測評中，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覆檢驗，任務規劃、工具調度、多Agent協作等能力，只有在實際辦公場景中才會暴露出問題，並反過來推動模型迭代。類似的工作已在業界普遍發生。

Google將Gemini深度嵌入Gmail、Docs等辦公場景，圍繞郵件、文檔、會議紀要等高頻任務進行優化；Adobe Firefly也嵌入Photoshop、Illustrator、Premiere等創意工作流，讓模型圍繞真實的編輯、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、真實反饋與持續優化的空間，最終形成「模型—產品—場景」的協同優化。因此，這場性價比競爭早已超出了單純的降價競賽。它真正改變的，是需求的邊界。19世紀，經濟學家傑文斯觀察到一個現象：蒸汽機的效率越高，煤炭的消耗反而越多。

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。如今，大型語言模型正接近屬於自己的「傑文斯時刻」。性價比競爭的結果，未必是AI總成本的下降，而是AI使用密度的急遽上升。模型調用將從少數高價值任務，擴展到大量日常任務，最終讓變得更實用，也更普惠。