**大模型，开始集体变小**

> <p\>&nbsp;</p\>
> <p\>文 | 李炤锋 王欣逸</p\>
> <p\>编辑 | 张雨忻</p\>
> <p\>&nbsp;</p\>
> <p\>在深圳，林舟所在的AI创业公司只有十个人，大部分工作都靠 AI 来完成——每天数百个Agent（智能体）同时运行，它们分头写代码、做研究。</p\>
> <p\>而驱动这些Agent的，一直都是OpenAI的GPT系列模型。</p\>
> <p\>但随着团队交给Agent的任务越来越多，林舟发现GPT跟不上了——他们当时使用的GPT5.6，一次只能同时处理两三个任务。“GPT能处理的并发任务有限，会耽误我们的工作进度。”林舟说，团队开始寻找能让更多任务同时运行、调用价格也更低的模型。</p\>
> <p\>DeepSeek V4.1 Flash成了新选择。9月以来，团队试用了Claude和几款国产模型，最后选中V4.1 Flash：它能完成手头的开发任务，反馈更快，调用费用也更低。林舟说，这是他们眼下“性价比最高”的选择。</p\>
> <p\>今年更早的时候，Google CEO Sundar Pichai在 Google I/O大会上说，据他了解，有些公司到了5月，全年Token预算就已经快用完了。就以Google自己为例，其内部AI编程工具每天消耗的Token也从3月的5000亿涨到5 月的超过3万亿。</p\>
> <p\>而就是在这次大会上，Google推出了速度更快、成本也更低的Gemini 3.5 Flash，瞄准更日常的开发和工作场景——今年以来，OpenClaw掀起的“龙虾”热潮，让普通用户也开始用Agent处理各种工作事务，这是比编程更日常、更低门槛、更高频的需求。</p\>
> <p\>与此同时，越来越多的小参数模型开始出现。因为任务越来越多，模型的调用也会更频繁，若使用几千亿甚至两三万亿参数的旗舰模型，用户要承担的费用会非常高；并且大参数模型的速度也快不起来，会大大增加用户的等待时间。</p\>
> <p\><strong\>模型厂商，尤其是中国模型厂商，接连推出Flash版本的小参数模型，争的正是这批过去也在由旗舰模型完成日常需求。</strong\>Flash，意为“闪电”。模型厂商通常用这样的命名来表示更快、价格更低的模型版本：它每次运行调用的参数较少，适合用来反复处理日常任务；而复杂问题仍可交给Pro等旗舰模型。</p\>
> <p\>7月31日，DeepSeek发布V4 Flash正式版；8月26日，阿里Qwen团队的Qwen3.8-Flash-Next与智谱的GLM-5.3-Flash同日亮相；9月，DeepSeek又推出V4.1 Flash。这几款模型参数大小不一，均在千亿级别（从100B-500B的参数区间），远小于当前的旗舰模型万亿级别的参数。</p\>
> <p\>两个月前，<strong\>当DeepSeek V4 Flash正式发布后，有开发者把它的评测成绩和完成任务的成本画在一张图上，提出所谓“斩杀线”：那些性能不如V4 Flash，做同样的任务却更贵的模型，就这样被“斩杀”。</strong\></p\>
> <p class="image-wrapper"\><img data-img-size-val="1280,976" src="https://img.36krcdn.com/hsossms/20260920/v2\_cfa4fd2c7f0d49c2bb34f7d14fb29b30@6252890\_oswg113305oswg1280oswg976\_img\_jpeg?x-oss-process=image/quality,q\_100/format,jpg/interlace,1"\></p\>
> <p class="img-desc"\>灰色区域内的模型被 DeepSeek V4 Flash “斩杀”，来源：Artificial Analysis</p\>
> <p\>8月下旬，美国编程Agent平台Cline开始免费提供一款未公布身份的模型。Cline称，不到一周，这款模型承担了平台超过11%的推理量。随后，智谱认领了这款模型，正是后来推出的 GLM-5.3-Flash。此前，智谱创始人唐杰在业绩会上谈到下一代模型，他说，公司“不会做一个大而无用的模型”。</p\>
> <p\>事实上，“小模型”阵营还在不断扩大。<strong\>智能涌现了解到，月之暗面和腾讯混元，都在推动Flash模型版本的开发。</strong\></p\>
> <p\>另一方面，今年以来，资本市场已经给中国模型公司押下高额赌注，这一背景下，商业化就成了更现实的问题。</p\>
> <p\>公开数据显示，到今年8月，智谱的ARR（年化收入）约为16亿美元，其市销率高达46倍；尚未上市的DeepSeek，估值更是高达其预估年化收入的163倍。而大洋彼岸的 Anthropic，市销率约为 20 倍。中国模型公司在商业化上还有很长一段路要走。</p\>
> <p\><strong\>所以，中美模型竞争也出现了另一条主线：在继续追求 AGI，争夺模型能力上限的同时，谁能让性价比更高的模型完成更多真实任务、服务更多用户？谁能用高性价比的模型打开更大市场，创造更多营收？</strong\></p\>
> <p\>&nbsp;</p\>
> <h3\>01 一场模型效率革命</h3\>
> <p\><strong\>切换模型后，林舟的一大体验改善是模型的响应快多了</strong\>。</p\>
> <p\>团队经常会需要几十个Agent同时写代码，他会边看进展边调整指令；发现方向不对，马上让模型修改。此前用Codex，他常要等模型输出一长段内容，才能插手纠正。“无论你是用CLI格式，还是用它原生的App，响应都要很长时间。”而一旦遇到长项目，模型需要整理此前的对话内容，使用GPT-5.6时，又要再多等上一阵。“但切换到V4.1 Flash后，你跟他说什么，他能立马反馈你。”</p\>
> <p\>今年以来，Scaling Law 仍是大模型研发的主线。今年发布的Qwen3.8-Max总参数达2.4T（T表示万亿个参数），Kimi K3达2.8T。按Elon Musk今年4月披露的对比推算，当时的Claude Opus约有5T，尽管Anthropic并未确认这一数字。</p\>
> <p\>这些超级模型固然触碰到了更高的智能，但更大的底座需要更多训练和部署资源；Agent场景下反复调用模型时，使用模型的成本也会指数级增加。</p\>
> <p\>换用V4.1 Flash后，<strong\>林舟另一个明显的感受是调用成本大大下降。</strong\>他举了团队做小应用的例子：一名同事独自完成开发，“差不多三四美金，就成了一个小App出来”。</p\>
> <p\>模型服务平台Requesty 8月的周榜单显示，<strong\>DeepSeek V4 Flash占平台上实际Token用量约三分之一，排在所有模型首位</strong\>。而在此前的第三方评测中，<strong\>它与美国GPT-5.6 Luna高推理版本的综合得分接近，完成同组任务的成本低约六成。</strong\></p\>
> <p\>“模型公司也开始更多关注真实的市场需求，会更多去听开发者的声音。”一位基模研究员对智能涌现说。小模型一轮训练所需的时间和资源更少，能更快让用户看到他们用模型跑出来的东西是否可行，是否需要调整。<strong\>“用小模型搞开发，可以更快地做版本迭代，更快拿认知。”</strong\></p\>
> <p\>而在日常工作中，这位研究员自己也会按任务需求来选模型。他举例说，修改实验脚本这类简单但工作量大的任务，交给GPT处理可能要20分钟，使用DeepSeek V4 Flash就只需要2分钟。“既然任务没有那么难，我就只希望模型赶紧把这件事情做完。”</p\>
> <p\>正是在这样的用户场景驱动下，<strong\>近期各家发布的Flash模型大都在400B以下</strong\>（B表示十亿个参数）：DeepSeek V4 Flash总参数284B；GLM-5.3-Flash总参数320B；Qwen3.8-Flash-Next的主模型为125B。</p\>
> <p\>“从训练的角度上来，300B和更大一些的模型，在能力上可能差不太多。”这位研究员说，自己做过不同尺寸的训练实验。在他使用的那批数据和训练方案下，<strong\>约300B的模型已经能学进更大模型输出的长推理链。</strong\></p\>
> <p\>2025年发表于《Nature Machine Intelligence》的一项研究分析了51个开源模型，发现要在知识、推理、数学和代码等五项测试中取得相近成绩，所需的参数越来越少。研究者称之为“能力密度”提高：同样大小的模型，能做更多事。</p\>
> <p\>Qwen3.8-27B是一个近期例子。在Qwen公布的同组测试中，它在编程测试SWE-bench Pro中得61.7分，上一代同尺寸模型为53.5分；在长程办公...

**来源信息**
- **来源**：36氪（RSS）
- **分类**：ai-models
- **发布时间**：2026-09-20 16:00（北京时间）
- **原文**：[打开原文](https://36kr.com/p/3991436755057415?f=rss)