10-20 AI 日报|前沿级 agent 进入低价带:头条数字能信几成?

10 月 19 日至 20 日，MiniMax 正式发布 M3.1 Flash，输入/输出每百万 token 定价 0.15/0.60 美元，宣称提速近 3 倍、成本降 7 成；Inception 发布扩散模型 Mercury 3，宣称 1068 token/秒，第三方实测约 254。同一天路透报道 OpenAI 正抢在 Anthropic 十一月上市前推进约 300 亿美元轮。Agent 级能力的成本在快速下压，但头条数字几乎全是厂商自报——真正的问题是：这些数字有多少能进采购和容量规划。

已核实的：官方博客定价 0.15 美元输入 / 0.60 美元输出 / 0.015 美元缓存读取（每百万 token）；100 万 token 上下文（OpenRouter 列表口径——官方博客未载明上下文长度，仅在定价表头出现 "1M tokens"）；OpenRouter 同日（10 月 19 日）上架 minimax-m3.1-flash:free 免费档（零元、1M 上下文，本轮直读 API 确认），可以直接当零成本对照基线。

自报的、无第三方复现的：官方称线上推理"近 3 倍快"，输出 200+ TPS（P50 170+），agentic 任务总使用成本较前代降 70%；DeepSWE v1.1 得分 73.7%、OSWorld V2 61.7、ALE 29.6，后两项官方称中国模型第一。一项间接证据：官方承认此前匿名运行、处理过 200 万亿 token 以上并曾登顶 OpenRouter 榜单的"Space Bunny"，就是 M3.1 Flash 的早期版本——真实流量是有的，但流量不等于基准证据。

两个风险信号。其一，开放权重时点：官方原文只有"权重稍后发布"，媒体引公司口径与社区说法指 10 月 23 日，未核验，官方未确认任何日期。其二，有正式版上线前的用户报告（转述，未核验）：论文转文字任务中模型陷入复读循环，反复读同一两页，提示"别循环了"也不响应。这是单一样例，不能构成稳定性结论，但它与"1M 上下文"卖点方向相反——百万窗口的有效读取深度，目前没有人测过。

含义：若自报数字成立，高读低写的 agent 负载（大量上下文回放）成本会显著下移，缓存读取价只有输入价的 10%。待验证的变量就是权重：一旦放出，本地部署与第三方复现都会立刻开始。

官方博客（10-19，直读）：1068 token/秒（NVIDIA GPU），称在基准上胜过 GPT-6 Luna 与 Claude Haiku 5.5 且快 4–8 倍，上下文从 26 万扩到 100 万 token，标准价 0.20/0.70 美元每百万 token，上线期五折，仅 API、无开放权重。

独立实测（explainx.ai，10-19，直读）：在 OpenRouter 上测得中位约 254 token/秒、P50 延迟 1.91 秒，约为宣称值的四分之一。限定条件要说清：单一 provider、单次测量、非重复实验；1068 的口径（单卡还是批量、输出多长）官方未澄清。方向性结论没被推翻——254 token/秒仍显著快于主流中端自回归模型，扩散架构的速度优势真实存在；失效的是"按头条数字规划容量"这个做法。

10-20 当天又出了两份 Mercury 3 的独立实测。The Neuron（直读）：8 个 API 任务总成本 0.0416 美元——"约四美分"——生成的游戏代码通过语法检查、2,000 次随机地图生成检查零失败；但作者明确声明这不是受控基准、没有复现 1,068 token/秒，"公司自报的峰值吞吐量与用户在第三方 provider 上看到的可以不同"，创意写作样本"有趣但约束执行松散"。Curiosity（10-20 直读；发稿时该域名在本环境不可达，未能二次复核）：首段文本生成 0.4–1 秒、一次工具往返 1–2 秒，无吞吐量数据。合起来看："低延迟档"的速度有第三份独立小样本证据，"生产可用"有质量侧锚点；但"追平前沿质量档"仍无独立基准，1,068 仍无人复现。

两个工程细节值得记：扩散 LLM 的流式输出不是平滑的从左到右，而是"精化块"（refining chunks）逐块补全，对 UI 设计有实际影响；速度与质量由精化步数权衡，不是免费午餐。客户证言（如 TinyFish 称 50 个 Mind2Web 导航任务完成 50%）是厂商转述，不是独立审计。

市场已定价的部分：两个前沿实验室共用同一投资人池。路透独家（10-19，消息人士口径，两公司均未官方确认）：OpenAI 正推进约 300 亿美元预 IPO 轮，"可能把估值推到 1.4 万亿美元以上"，节奏"快于这个规模的常规"，赶在 Anthropic"预期 11 月中旬上市"之前；OpenAI 对投资人称 GPT-6 Astra 发布后年化收入已达 500 亿美元、年底预期 700 亿美元；Anthropic Q3 季度收入 168 亿美元（Q2 为 116 亿），年化约 650 亿美元（截至 7 月）。OpenAI 指责 Anthropic 把经第三方云销售的合同按全额（gross）入账、抬高收入，Anthropic 回应"遵循既定会计惯例"。AirTrunk、Firmus、SB Energy 已撤回或暂停各自 IPO；路透同文并指多家拟上市公司决定等 Anthropic 上市后再进行，以免在市场波动与 AI 股回调中争抢投资者需求（消息人士口径，公司未确认）。

本轮真正改变判断的：这些数字第一次能和招股文件交叉。Nscale 的 S-1（9 月 18 日提交 SEC，本轮直读原文）写明与 Anthropic 的四份 GPU 服务协议"aggregate payments up to approximately $44.6 billion"（上限约 446 亿美元），部署于西弗吉尼亚 Monarch 园区的 NVIDIA Vera Rubin NVL72，全部以交付与服务可用性为条件，且明确披露"尚未获得任何一笔所需融资的有约束力承诺"——446 亿是上限口径，不是锁定收入。Bloomberg（10-19，消息人士）另称第二份约 450 亿美元、460MW 算力的合同在谈，未签约、未确认。

判断：新增的不是方向（算力长约已是公开事实），而是结构。两份合同合计约 900 亿美元上限，对 Anthropic 约 650 亿美元年化收入，合同/收入比超过 1.3——这是路透所说"增速放缓担忧"的根源侧。若第二份在 IPO 定价前落地，Nscale 招股书的客户集中度披露会实质性改变。

算力租赁端同时在反向松动。Ornn 的 B200 指数 10-19 结算 8.41 美元，较前日 8.54 回落 1.5%，终结六连升（10-12 为 7.33）；GPUTable 挂牌侧地板多档下移，B200 按需地板 2.25 美元/GPU 小时（Vast.ai 9.00/小时 ×4 卡）、现货地板 1.78 美元/GPU 小时，该行在 10-20 00:30Z、02:40Z、08:31Z 三个连续快照中均在（16:35 硬件轮复查 08:31Z 快照，地板未变，进一步排除"churn"嫌疑）。但这两行有"消失-回流"的历史，挂牌侧没有成交量，还混有低于市场十倍级的异常行——只能说首次出现"挂牌、成交双侧同向松动"，不构成供给增加的独立证据，需下一个结算点（明晨北京时间 04:00 前后）验证。

• M3.1 Flash :free（OpenRouter）：零成本 A/B 基线，拿自己的真实 prompt 和输出长度测延迟与质量；若 10-23 放出权重（未核验），看 Hugging Face 首 24 小时下载斜率与第三方复现。
• Tongyi-MAI OpenGCUA（10-15 开源的具身 agent）：发布第 5 天 GitHub 283 星（10-20 18:16 直读），10-19 同口径为 141 星，两天 +142 星，仍在爬升而非自然衰减。
• Cloudflare Clairic（10-19 预览）：首个"System One"抽取模型，单遍前向、不生成输出 token，直接返回带置信度的类型化值（文本、数字、日期、预测）；Workers AI 上预览，官方称"很快"开放权重；厂商自报保险理赔管道端到端时间降 69%、成本降 49%（自报管道对比，无独立基准、无公开定价）。
• LEV（arXiv 2610.20951）：循环式判别"决策模型"，单一 checkpoint 按难度选深度作答，2.6B 模型在 JevBench 上从深度 1 的 63.2% 升到深度 4 的 76.2%（作者报告），代码已公开（OpenLAIR/lev），但资产热度低：截至 10-20 17:4x 仓库仅 4 星/0 fork，Hugging Face 无模型卡（直读）；而它在 HF 10-19 榜单从 84 跳到 240——"论文热度"与"可用资产"在分叉。若"循环深度=测试时计算"在判别式任务成立，推荐、风控、路由这类海量打分场景多一个成本杠杆，值得本地复现（部署成本目前偏高）。
• MemT-1.0（arXiv 2610.26825，10-20 新，开源 Nano/Flash）："记忆原生"架构，把记忆做进模型计算（Gated DeltaNet-2 回合内 token 级记忆更新 + Mixture-of-Storage），自报记忆任务与 RAG 相当、128K 历史端到端提速约 1.86×（作者自报）。agent 长记忆成本结构的一个新选项——与 1M 上下文缓存打法、RAG 路线并行的第三种——值得试部署形态。

关键来源：MiniMax 官方博客（10-19）minimax.io/blog/minimax-m31f；Inception 官方博客（10-19）inceptionlabs.ai/blog/introducing-mercury-3；explainx.ai 独立实测（10-19）；The Neuron / Curiosity 独立实测（10-20）；路透独家（10-19，euronext 全文）；Nscale S-1（SEC，9-18 提交）；Ornn 指数 data.ornn.com；GPUTable gputable.dev。完整 URL 见同名 evidence.json。

本文为研究分析，不构成投资建议。