大模型进入性价比深水区：从能力竞赛到单任务经济性

过去一周，Grok 4.5、GPT-5.6、Claude Sonnet 5 相继发布 这三款模型的登场节奏本身并不意外，真正值得关注的是它们共同指向的新逻辑：模型竞争的重心，已悄然从“谁更强”，转向“谁更划算”。 马斯克介绍 Grok 4.5 时，几乎未提“xAI 最强”，而是反复强调“Opus 级能力，但更快、更省 token、成本更低”；OpenAI 将 GPT-5.6 的目标明确为“让每个 token 产出更多有用工作”，并指出企业客户真正关心的是“AI 支出换回了什么价值”；Anthropic 则强调，Sonnet 5 能完成的智能体任务，在几个月前还需更大、更贵的模型支撑。 当“更便宜”成为行业共识，真正的分水岭就不再是降价幅度，而是——同样价格下，谁的模型能稳定完成更多、更难的真实任务？ 性价比，已成为模型竞争的核心变量 它不再只是价格标签，而是一套贯穿训练、架构、调用与场景落地的系统工程。 OpenAI 的 GPT-5.6 彻底重构了模型分层逻辑。“Sol / Terra / Luna”取代了传统的“旗舰 + mini/nano”命名体系。Sol 专注复杂推理、编程与 Agent 高难任务，定价却与上一代旗舰持平；Terra 综合性能接近前代旗舰，但落在中端价位；Luna 则对标开源模型价位，主打高并发、低延迟的走量场景。能力不再按强弱排序，而是按任务分工配置。 这种思路进一步延伸至调用层面：3 月上线的 Standard / Batch / Flex / Priority 四档定价机制，让同一模型也能因调用方式不同而价格不同。可批处理、可等待的请求更便宜；追求低延迟与高确定性的请求则更贵。延迟、优先级、稳定性这些曾被隐藏在后台的调度参数，如今直接写进了计费结构。 Anthropic 的 Claude Sonnet 5 引入 effort 机制，允许开发者根据任务复杂度动态调节推理强度：中等 effort 控制成本，高 effort 接近旗舰表现。模型选择不再是非此即彼的静态决策，而变成一次调用一次权衡的动态过程。 Grok 4.5 更进一步，将性价比前置到训练阶段。它是 xAI 首个专为编程与智能体任务训练的模型，与 Cursor 联合开发，基于真实交互数据优化。定价为每百万 token 输入 2 美元、输出 6 美元，并支持 MoE 架构、500K 上下文及可配置推理强度。它不先谈参数规模，而是先锁定高频场景——长上下文、多轮链路、高失败重试率的编程工作流，再围绕真实成本痛点重新定义能力边界与成本结构。 三者路径各异，内核一致：大模型竞争，正从“能力最大化”，转向“有效能力的成本最优化”。 单任务成本，正在取代 token 单价成为新标尺 AI 产品每一次调用都对应真实算力开销。使用越频繁，成本压力越真实。当模型真正嵌入办公、客服、代码、知识管理等日常任务，决定商业可持续性的，不再是“模型多强”，而是“能否在高频调用中稳定、低成本交付”。 一个真实任务的成本，由整条链路决定：输入/输出 token 数、调用轮次、上下文长度、工具调用次数、推理强度、失败重试率……全部计入账本。这意味着：token 单价低 ≠ 真便宜。若需多轮对话、冗长上下文、频繁返工，单位任务成本反而更高；而看似单价更高的模型，若能一次到位、减少重试、压缩耗时，最终可能更经济。 衡量性价比的单位，正在从“每 token 成本”，升级为“每任务成本”。 这也解释了为何国产模型集体押注 MoE 与稀疏激活：DeepSeek-V4-Flash（284B 总参 / 13B 激活）、Qwen3-235B-A22B（235B / 22B）、Kimi K2.6（1T / 32B）、腾讯混元 Hy3 正式版（295B / 21B 激活 + 256K 上下文）。总参数决定能力池广度，激活参数决定单次推理真实开销。MoE 的本质，是让模型拥有超大规模的能力边界，却不强制每次调用都支付全量计算成本。 Hy3 正式版正是这一逻辑的典型体现：它不只以 295B 参数示人，更以 21B 激活参数承接 Agent、办公、多文件生成等高频任务；其智能水平显著优于同尺寸模型，效果可比肩参数为其 2—5 倍的旗舰模型。这意味着，它用更少的实际算力，完成了更复杂的任务类型。 从 preview 到正式版，Hy3 日均 token 消耗增长 20 倍，印证了其经济性正被真实调用量持续验证。对国产模型厂商而言，性价比已不止于 API 定价或开源策略，而在于能否在真实产品与开发者调用中，以更低单位成本支撑更多任务。 这一轮竞争，本质上已是“单任务经济性”的较量。 默认调用：大模型的杰文斯时刻正在到来 当性价比的标尺转向单任务成本，模型的竞争场域也发生迁移——企业与开发者真正关注的，不再是“哪个模型最强”，而是“哪个模型能被长期、稳定、低成本地默认调用”。 所谓默认调用，是指在办公、知识管理、Agent、客服、代码等高频场景中，系统自动优先调用的底层能力。它未必被用户感知，却持续承载大量真实任务流。 云平台与开发工具正加速推动这一进程：Amazon Bedrock 的 Intelligent Prompt Routing、Azure AI Foundry 的 Model Router，都在将模型选择从手动切换，升级为智能路由——系统依据任务复杂度、成本、延迟与性能，自动分配最优模型。 OpenRouter、LiteLLM、Dify 等开发者工具，也通过统一 API、多模型路由、预算控制与默认推理配置，把模型能力封装进应用框架与企业 AI 网关。未来，许多调用将不再由终端用户决定，而是由平台、网关、中台提前预置。 谁能进入这些系统的默认配置，谁就能获得更高比例的真实调用。 默认调用带来三重价值：一是规模——稳定承接高频任务，形成扎实商业基本盘；二是反馈——失败率、重试路径、工具调用逻辑、上下文组织方式等真实数据，反哺模型持续迭代；三是生态绑定——一旦开发者围绕某模型调优了提示词、RAG 流程、Agent 框架与安全策略，该模型便从可替换 API，演变为应用架构的有机组成。 由此，性价比开始驱动新的飞轮：更低单任务成本 → 更多默认调用 → 更大调用规模与更丰富真实反馈 → 模型与系统持续优化 → 单任务成本进一步降低。 腾讯混元 Hy3 与 WorkBuddy 的协同，正是这一趋势的缩影。WorkBuddy 承接企业办公、文件处理与流程编排等高频任务，Hy3 通过该入口深度嵌入真实工作流。数据显示：从 preview 到正式版，Hy3 日均 token 消耗增长 20 倍；WorkBuddy 上自主选用 Hy3 preview 的用户数增长 6 倍；正式版在办公场景内部测评中，任务成功率从 72% 提升至 90%，平均耗时缩短约 34%。 这说明模型已进入真实任务链路的严苛检验——任务规划是否合理、工具调度是否准确、多 Agent 协作是否顺畅，只有在办公场景中才会暴露具体问题，并反向驱动模型进化。 Google 将 Gemini 深度嵌入 Gmail、Docs，Adobe Firefly 融入 Photoshop、Premiere 等创意工作流，皆遵循同一逻辑：模型必须进入真实生产链条，才能获得稳定调用、真实反馈与持续优化空间，最终实现“模型—产品—场景”的闭环协同。 因此，性价比竞争早已超越降价本身。它正在重塑需求边界。 19 世纪，经济学家杰文斯发现：蒸汽机效率提升，非但未减少煤炭消耗，反而因使用门槛下降，使煤炭进入更多产业、更多机器、更长生产链。效率提升释放了需求，而非抑制消耗。 今天的大模型，正站在自己的“杰文斯时刻”门前。 性价比竞争的终点，未必是 AI 总成本下降，而是 AI 使用密度上升——调用将从少数高价值任务，扩展至海量日常任务；AI 不再是炫技工具，而成为像水电一样稳定、实用、普惠的基础设施。