模型洪流的一个月

四家实验室，三周，一堆新模型

昨天那篇讲 Agent 协作，今天想回头看一个更基本的事实：这个七月，模型本身的更新密度是空前的。

从 7 月初到 7 月 25 日，xAI 发了 Grok 4.5，OpenAI 发了 GPT-5.6 系列，月之暗面如约开源了 Kimi K3，Google 一口气发了三款 Flash 模型，Anthropic 在 25 日压轴推出 Claude Opus 5。五家顶级实验室，密集到几乎可以按天排表。

这个节奏在 AI 历史上没有先例。不是某一个模型特别惊艳，而是一整批模型同时刷新了行业基线。当一个月的发布量抵得上过去半年的积累时，值得停下来想一想：这意味着什么。

模型的性能差距正在收窄

先把各家官方 benchmark 放一边——每个实验室都挑对自己有利的评测。用第三方评测机构 Artificial Analysis 的 Intelligence Index 看更客观：Claude Fable 5 排在最前，但 Kimi K3、GPT-5.6 Sol、Grok 4.5、Claude Opus 5 的分差已经远小于上一代产品之间的差距。GLM-5.2 和 Muse Spark 1.1 也在紧追。

这不是谁超过谁的问题，而是整体基线在抬升。以前是「一超多强」，现在是「群雄并起」。对用户来说，这是好事——选模型不再是非此即彼的单选题，而是可以根据场景、预算、延迟要求做选择题。

Claude Opus 5：一个新策略的成型

7 月 25 日 Anthropic 发布 Claude Opus 5，是这轮密集发布中最值得细看的。

先说冷冰冰的数字：输入 5 美元/百万 token，输出 25 美元/百万 token。和上代 Opus 4.8 持平。但性能呢？Frontier-Bench v0.1 登顶，ARC-AGI 3 得分是第二名模型的三倍，OSWorld 2.0 计算机使用评测中，用不到 Fable 5 三分之一的价格跑出了比 Fable 5 更好的成绩。

更有意思的是做法，不是参数。Anthropic 这次没有把 Opus 定位成「追赶 Fable」的产品，而是明确说：Opus 5 接近 Fable 5 的前沿智能，但价格只有一半。这不是谦虚，是一种新的产品哲学——不是造最强的模型，而是造「足够强且足够便宜」的模型。

这个策略在商业逻辑上非常聪明。Fable 5 再强，按 token 计费的模式决定了绝大多数日常任务不需要调用它。写代码、做分析、处理文档、跑 Agent 工作流——Opus 5 完全够用。而且 Opus 5 的非对齐行为得分仅 2.3，是近期主流模型中最低的。等于说：便宜、够强、还安全。

再看 Effort 调节机制。用户可以在 low / medium / high / xhigh / max 五档之间选择，用 token 量换智能深度。这和以前「一刀切」的推理模式完全不同——同一个模型，简单任务用 low 档快速出结果，复杂任务切到 max 仔细推敲。把推理成本的主动权交给用户，而不是让模型自行判断。

这条路线如果跑通，对行业格局的影响可能比 Fable 5 本身更大。因为大部分 AI 产品的付费逻辑，压舱石不是最贵的那一层，是中间层。

Google 的三箭齐发：Agent 效率当卖点

7 月 22 日 Google 发了三款 Flash 模型：Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyber。

Gemini 3.6 Flash 的核心卖点是 Token 效率——完成同样任务，比 3.5 Flash 少花约 17% 的 output token。这在 Agent 工作流中价值很大。Agent 跑一次任务可能产生几十次 API 调用，每次省一点，累加起来就是真金白银。在 DeepSWE 测试中，输出 token 消耗最多减少了 65%。

Gemini 3.5 Flash-Lite 主打低延迟，生成速度每秒 350 个 output token。适合分类、抽取、文档处理这类高吞吐场景。

Gemini 3.5 Flash Cyber 是安全特化版，配合 CodeMender 做漏洞发现和修复，性能对标 Mythos 5 和 GPT-5.6 Sol。不过目前只对政府和信任伙伴开放。

Google 这三款模型的共同点很明显：不跟你拼 benchmark 最高分，跟你拼「跑得稳、跑得快、跑得便宜」。这和 Anthropic 的 Opus 5 策略是一个方向的两种打法。市场在说同一句话：前沿智能已经够用了，接下来比的是工程化和性价比。

再看 Google Q2 财报：云业务同比增 82%，Gemini Enterprise 渗透了接近 90% 的财富 100 强。单季资本开支 449 亿美元，同比翻倍，全年指引上调到 1950-2050 亿美元。Gemini 4 的预训练已经启动。不要被三款 Flash 模型的低调迷惑——Google 在 AI 上的投入规模是碾压级的。

CuspAI：AI 的另一条路

夹杂一条不在大模型主赛道上的消息：英国材料发现公司 CuspAI 完成 4.5 亿美元 B 轮融资，估值 26 亿美元。

它的核心产品 MIRA 平台，用 Meta UMA 系列模型做 AI 驱动的材料研发，把传统需要数年的周期压缩到六个月以内。同时发布了「AI Materials Foundry」全球网络计划，已吸引超过 45 家企业加盟。

这条新闻放在一堆大模型发布里，反而更显眼。它提示了一件事：大模型不是 AI 的全部。在生命科学、材料、药物发现这些领域，专用 AI 正在静悄悄地产生比通用模型更直接的经济价值。Anthropic 也在 Opus 5 的发布里特别强调了生命科学评测的进步——有机化学任务提升 10.2 个百分点，蛋白质功能预测提升 7.7 个百分点。

通用智能和专用智能不是对立关系，是互补关系。通用模型提供底座能力，专用模型在垂直场景里深耕。CuspAI 的 4.5 亿美元融资只是冰山一角。

这个月的主题不是「颠覆」

七月没有出现一个让所有人惊呼的颠覆性突破。没有 Sora 式的炸场，没有 GPT-4 式的代际跨越。

但这个月比任何单点突破都更有信号意义。当四家实验室在同一个窗口期内密集发模，当性能差距缩小到不再是核心话题，当竞争焦点从「跑分最高」转向「性价比最优」和「工程稳定性」，说明行业进入了新阶段。

这个阶段的特点是：AI 不再是一个需要证明自己「能不能」的话题，而是一个需要回答「怎么用、用在哪、花多少钱」的话题。这比「能不能」更难，但也更接近真实的产业落地。

从技术突破到工程落地，从跑分竞赛到成本优化，从「谁最强」到「谁最值」——七月没有颠覆，但七月标定了一条分水岭。

（内容由AI生成，仅供参考）