文| Tech星球 華衛

今天（9月4日），OpenAI 發布新一代前沿模型 GPT-6 Astra，並直接甩下一句：Welcome to the AGI era（歡迎來到AGI時代）。

最近的大模型行業，新模型的出現簡直像坐火箭。9月僅僅過去了四天，就有四家海外巨頭輪番上陣。第一天，Anthropic宣佈推出Claude Fable 5.1和Mythos 5.1。第二天，谷歌發布了Gemini 3.8 Flash和專攻網絡安全的Gemini 3.8 Flash Cyber，Meta祭出Muse Spark 1.3。

國內市場的發布節奏同樣快得驚人。上一周，三家國內開源模型廠商發了新模型，阿里千問Qwen3.8-Flash、智譜GLM-5.3-Flash和騰訊混元Hy4 preview都上線了。再往前推兩周，DeepSeek V4 Pro、Grok 4.6、谷歌Gemini 3.7 Flash、智譜GLM-5.3接連在48小時內亮相。

Benchmark排行榜上，最強模型的保質期越來越短了，從登頂榜首到被超越，現在根本撐不過一周。模型廠商似乎要完成某種KPI一樣，扎堆上線，「周拋」，正在成為大模型的新常態。

大模型廠商，已經等不起了

在最新模型的發布中，OpenAI 和谷歌都不約而同地提到RSI機制上的巨大飛躍。該機制的核心是AI 參與乃至改進自身研發流程、從而持續縮短模型迭代周期，全稱是Recursive Self-Improvement（遞歸式自我改進）。

OpenAI 強調，Astra是第一款由前代模型深度參與訓練監督的旗艦產品。谷歌 DeepMind 大牛姚順宇表示，Gemini 3.8 Flash對 RSI 來說是一次巨大飛躍。

作為本輪模型發版加速的重要推手，RSI 即將開啓模型發布的新周期，可以預見模型進化的速度將會更快，周拋馬上要成為過去式。

除了用模型加速自身的內部研究，另一個重要原因是，大模型研發正在從一次「造神」的大工程，變成越來越標準化的「流水線」式訓練。

過去，新模型發布是一件很重的事情。無論是數據、訓練周期還是算力，都需要鉅額投入，研發周期動輒幾個月甚至更久。模型廠商也不會輕易發版，一旦推出新模型，就意味着一次重大的「代際升級」，可能要被討論上幾個月。

但現在，這套節奏正在被打破。

基礎模型訓練方法越來越成熟，後訓練、強化學習、推理優化、數據處理等環節也越來越工程化。一個新模型不一定意味着從頭訓練一個完全不同的巨型模型，而能夠基於已有模型底座，通過強化推理、代碼、Agent、視覺等特定能力，或者進一步優化速度、成本和上下文能力，快速推出一個新版本。

模型的「代際」概念也因此開始變得模糊。新模型不一定意味着一次徹底的技術躍遷，更像軟件產品小版本迭代：能力有提升，體驗有變化，價格可能更低，但底層架構未必發生翻天覆地的變化。

此前，智譜就明確表示，GLM-5.3 和 5.2 使用同一個基礎模型，所有提升全部來自後訓練。阿里通義團隊在發布 Qwen3.8-Flash-Next 的開源權重時透露，Next 新架構將是全新一代 Qwen4 系列模型的雛形。

還有一個變化是，模型廠商開始越來越頻繁地發布「小版本」和「專用版本」。他們的發版目標，從追求「做出一個最強模型」，拆成推出「瞄準某個具體需求而且可以馬上用起來」的專項版本。

這也是為什麼今年「Flash」越來越密集地出現在各家模型產品線中。它們並不一定追求在所有指標上擊敗旗艦模型，而是把速度、成本、推理能力或者特定場景做到更極。並且，Flash 參數規模相對較小，修改和重新訓練模型所消耗的算力更低，進一步降低了模型發布的門檻和周期。

與此同時，開源模型「閃電戰」般的密集發布，正在把大模型競爭拉進一個更加實時的維度。對開源陣營來說，它們甚至不一定需要在每次發布中都全面擊敗最強模型，只需要不斷縮短與其的距離。而這種持續追趕，本身就是一種競爭壓力。

過去，大模型行業「分工」清晰，開源模型「卷速度」，閉源巨頭則更習慣集中資源做長周期研發，每次發布就是一次重磅升級。但現在，連過去最有能力「憋大招」的閉源巨頭，也開始運行這套高頻迭代的發布規則。從Gemini 3.7 Flash到3.8 Flash，谷歌只用了3周。

模型發布的常規周期一旦縮短，整個行業的「時間感」都會改變。以前半年不更新，市場覺得正常。現在幾周不更新，大家就會開始懷疑：「你是不是掉隊了」。如今，模型的更新速度本身，已經開始成為競爭壁壘了。

沒有絕對TOP，模型越來越像「快消品」

如果說2023年的大模型是「奢侈品」，稀缺、昂貴、少數巨頭獨佔。那麼，2026年的模型市場，正在變成一場「快消品的盛宴」。

現在，「絕對領先」已經不適用於這個行業了。Benchmark排行榜越來越像模型的「實時股價」。「誰是第一？」 不再是用戶口中討論的焦點，大家只關心： 「今天哪個模型最好用？」換個任務場景選擇可能就不同了。

OpenAI 剛發的 GPT-6 Astra 就是一個典型例子。在其內部測試中，GPT-6 Astra以同樣的標準版定價，在多項基準都拿到了高於Claude Fable 5.1的得分。但在「人類最後的考試」測試中，Astra 使用工具的得分為 57.2%，低於 Sol 的 65.0% 和 Claude Fable 5.1 的 63.8%。在第三方機構 Artificial Analysis的橫測中，Astra 的 Coding Agent Index 比 Fable 5.1低 3分。

模型越來越多，能力差距收窄了。每家都有自己的「第一」，沒有誰一騎絕塵。

價格也被打下來了，「最強模型」越來越不值錢。 Anthropic剛發布的Fable 5.1，緩存讀取費用下調75%，每百萬 token 只需 0.25 美元。對於常規任務來說，整體的成本比 Fable 5 降低了約 25%；大量使用 AI 智能體的複雜任務能夠節省的成本更多，最高能夠達到 45%。

8 月，OpenAI 還發帖宣佈：未來三個月內，GPT-5.6 Sol 的 API 調用價格與超額信用額度全面下調超過 20%。數據服務商Silicon Data公開的最新數據顯示，今年全球每百萬token推理均價已從5月底的2.04美元跌至8月初的1.16美元，創年內新低。

更關鍵的是，各家模型正在主動降低切換的技術門檻，接入新模型不一定意味着從底層重寫一套系統。騰訊最新發布的 Hy4 preview 支持 OpenAI Chat Completions、OpenAI Responses以及Anthropic Messages 三種API協議，Qwen和智譜的GLM-5.3同樣提供兼容OpenAI Chat Completion和Anthropic Messages規格的API。

上下文長度也不再能「綁定」特定模型，現在有更多替代方案了。Gemini 3.7和3.8 Flash都支持約104.8萬Token輸入上限，Hy4採和Qwen3.8-Flash都提供了1M Token上下文窗口。

當然，這並不意味着所有用戶真的會在實際任務中每周換一次模型。但需要注意的是，用戶越來越沒有理由對某一個模型保持長期忠誠。現在的大模型市場，品牌崇拜正在退場，取而代之的是一種「超市貨架式」的隨取隨用，沒有稀缺性、迭代速度賊快且切換無負擔。

誰最焦慮，誰又在狂歡？

於是，一個很有意思的局面出現了：模型廠商越來越焦慮，開發者和普通用戶卻越來越開心。

當模型進入高頻迭代，模型廠商幾乎沒有「喘息期」。一次發布建立的領先優勢，很快就可能被下一輪更新追上。它們不僅要做出比上一代更強的模型，還需持續證明自己沒有落後。

但對於開發者和普通用戶來說，感受卻完全不同。模型發布越來越快，數量越來越多，他們反而越方便「貨比三家」，重要的是只有三個問題：好不好用、夠不夠便宜、能不能完成任務。

情況稍顯棘手的，可能是那些把大模型深度嵌入業務流程的企業。模型越來越多之後，持續的模型評估、選擇正在變成企業新的工程負擔。不同模型在推理、代碼、Agent、速度、價格等維度各有優劣，而模型又在持續更新，今天的最優解很可能很快被新的版本打破。

更麻煩的是，企業很難像普通用戶一樣「說換就換」。企業已經圍繞原有模型搭建了Prompt、知識庫、工具調用、Agent工作流和評測體系，模型一旦更換，不僅是修改一個API參數，實際上可能很多業務流程與環節都需要重新測試和調優。

因此，在B端市場，大模型比拼的下一階段，可能不只是模型廠商之間爭奪用戶，而是圍繞「誰能更低成本地選擇、切換和組合模型」展開，這或將成為新的競爭力。

今天的行業TOP，只屬於今天。因為下一代模型，可能下周就來了。

「周拋」改變的，或許不只是模型發布的頻率，而是大模型行業的競爭邏輯：「領先一次」遠遠不夠，真正決定勝負的，是誰能更快進入下一輪。