AI 大廠集體轉向，大模型迎來“傑文斯時刻”

過去一週，Grok 4.5、GPT-5.6、Claude Sonnet 5 接連問世，更值得注意的是這些公司對模型的全新敘事。以馬斯克為例，他在介紹 Grok 4.5 時，並未強調「xAI 最強」，而是反覆指出這是一款「Opus 級模型」，但速度更快、token 消耗更少、成本更低。同樣的轉向也發生在 OpenAI 與 Anthropic：OpenAI 將 GPT-5.

6 的目標定為「讓每個 token 產出更多有用工作」，執行長 Sam Altman 直言企業客戶現在真正在意的是 AI 支出換回了什麼價值；Anthropic 則表示，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」成為行業默認動作，真正的競爭已不再是降價幅度，而是同樣的價格下，誰的模型能完成更多、更難的任務。性價比，正成為大模型競爭的核心變量。這種變化首先體現在產品設計上。模型公司開始將不同能力、成本與調用方式重新組合。OpenAI 的 GPT-5.

6 以「Sol / Terra / Luna」取代過去「旗艦 + mini/nano」的命名體系，從按強弱排序轉為按場景分工。Sol 承擔複雜推理、程式設計與 Agent 等高難任務，價格與 GPT-5.5 標準旗艦持平；Terra 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 同價位，主打高併發、低延遲的走量調用。這套分層讓能力跟著場景走、成本跟著任務變。

OpenAI 今年 3 月推出的 Standard / Batch / Flex / Priority 定價機制，更進一步將此思路推進到調用層面：同一個模型可按調用方式定價，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。過去隱藏在系統調度裡的延遲、優先級與確定性，被直接寫進計費結構。6 月底，Anthropic 發布 Claude Sonnet 5，內建 effort 機制，允許調用方根據任務複雜度調節推理強度——中等 effort 用於控制成本，高 effort 才逼近旗艦表現。開發者不再只是選擇用哪個模型，也能決定一次調用投入多少算力，性價比從靜態參數變成動態調節。

7 月 9 日發表的 Grok 4.5，則將性價比前置到訓練階段：先鎖定高頻場景（程式設計與智能體任務），再圍繞場景定義模型能力與成本結構。它與 Cursor 聯合訓練，使用大量真實交互數據，定價每百萬 token 2 美元輸入、6 美元輸出，並採用 MoE 架構、500K 上下文與可配置推理強度。這三款模型共同顯示，性價比已不再是簡單的價格標籤，大模型競爭正從「能力最大化」轉向「有效能力的成本最優化」。不同於傳統網際網路應用，AI 產品每一次調用都對應真實推理成本。使用越多，價值越大，成本壓力也越真實。

一個真實任務的成本，由輸入輸出 token 數、調用輪次、上下文長度、工具調用次數、推理強度、失敗重試率等共同決定。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，單位任務成本反而可能更高。反過來，看似較貴的模型若能以更少輪次完成任務、減少返工與失敗率，最終可能更划算。因此，模型性價比的衡量單位正在從 token 單價轉向「單任務成本」。過去一年，國內模型公司普遍轉向 MoE 與稀疏激活，正是在此框架下的布局。

DeepSeek-V4-Flash 總參數 284B、每 token 激活 13B；Qwen3-235B-A22B 總參數 235B、激活 22B；Kimi K2.6 總參數 1T、激活 32B；近期發表的騰訊混元 Hy3 正式版也採用 MoE 架構，總參數 295B、激活 21B，支援 256K 上下文。這些模型共同押注「大參數 + 小激活」，讓模型擁有接近超大規模的能力邊界，同時每次調用不必承擔全量參數的計算開銷。性價比已被前置到架構設計階段。騰訊混元 Hy3 正式版智能水平顯著強於同尺寸模型，效果可比肩參數規模為其 2 至 5 倍的旗艦模型，能用更少的實際激活計算承接更複雜的任務。

從 preview 到正式版，Hy3 日均 token 消耗增長 20 倍，說明模型經濟性正被真實調用規模檢驗。當性價比衡量單位轉向「單任務成本」，競爭重心也隨之改變。企業與開發者真正關心的，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，指模型在辦公、知識管理、Agent、客服、程式碼等高頻場景中，系統優先調用的底層能力。

雲平台與開發者工具正將此產品化：Amazon Bedrock 推出 Intelligent Prompt Routing，微軟 Azure AI Foundry 上線 Model Router，本質上都在把模型調用從「手動選擇」推進到「統一調度」；開發者生態中的 OpenRouter、LiteLLM、Dify 也承擔類似角色。未來許多調用將由雲平台、AI 網關、開發框架與企業中臺提前分配，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與開發者每天穩定的大量任務，即便單次調用價格不高，也能形成紮實的商業基本盤。

規模還會帶來真實反饋，幫助模型與系統持續優化。更關鍵的是，開發者一旦圍繞某個模型調整好提示詞、工具調用、RAG 流程、Agent 框架與安全策略，該模型就會從可替換的 API 變成應用架構的一部分，形成生態綁定。由此，「性價比」形成新的競爭飛輪：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規模與真實反饋，反饋繼續推動優化，進一步降低成本。騰訊混元 Hy3 與辦公產品 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 透過此入口進入真實工作流。

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評測中，任務成功率從 72% 提升至 90%，平均耗時縮短約 34%。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 協作等能力只有進入辦公場景，才會暴露出具體問題，並反過來推動迭代。

Google 將 Gemini 深度嵌入 Gmail、Docs 等工作場景，Adobe Firefly 也嵌入 Photoshop、Illustrator、Premiere 等創意工作流，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空間。19 世紀經濟學家傑文斯觀察到，蒸汽機效率越高，煤炭消耗反而越多，因為效率提升降低了使用門檻，讓煤炭進入更多產業與更長的生產鏈條。大模型正在接近自己的「傑文斯時刻」：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。模型調用將從少數高價值任務擴展到大量日常任務，讓 AI 變得更實用、也更普惠。

在「默認調用」之爭中，誰能讓自己的模型成為系統的底層配置，誰就能掌握下一階段的主導權。