十月AI大爆炸:模型跌成白菜价,智能体开始上班

如果要用一个词形容 2026 年 10 月的 AI 行业，"密集"可能还不够。

据公开的模型追踪数据，仅 10 月 1 日到 12 日，全球就上线了 22 个新模型。OpenAI 把 GPT-6 家族推给了所有用户，谷歌的 Gemini 4 Argon 拿下了多个榜单第一，Anthropic 在一个月里三次更新 Claude 5.5 系列，Meta 则把 8160 亿参数的开源模型放上了 Hugging Face。

国内这边同期也没闲着：DeepSeek 的融资规模逼近千亿，月之暗面冲刺港股，智谱把 GLM-5.3 送上了亚马逊云。

但真正的变化不在榜单上。这篇观察想聊四件事：价格、国产、形态、边界。

先看这一轮的主角们。

OpenAI 在 10 月 7 日至 8 日完成了 ChatGPT 的全量推送。付费用户由 GPT-6 Sol 驱动，免费与 Go 用户切到 GPT-6 Luna。同期上线的还有 "Intelligent UI"——对话里能直接生成按钮、表单、图表和地图，而不再只是文字。此前发布的 GPT-6.1 Sol 把默认上下文提到了 50 万 token，Ultrafast 模式据称能跑到标准模式数倍的速度。

谷歌的 Gemini 4 Argon 是这一轮的另一个焦点。它把输出 token 上限从上一代的 6.4 万直接拉到 100 万，在 DeepSWE v1.1 上拿到 77.9% 的得分，Text Arena 以 1525 分登顶。定价是输入每百万 token 2 美元、输出 10 美元，缓存命中还有高达 95% 的折扣。

Anthropic 走的是另一条路。Claude Opus 5.5 在默认推理强度下刷新了第三方编程榜单，而 Haiku 5.5 则把成本压到了上一代的一个零头——官方口径是运行成本降低约 75%，高频轻量负载的单价降幅更大。

Meta 的动作最有象征意义。10 月 13 日的 Muse Wonder 主打"主动记忆"，10 月 15 日跟进发布的 Muse Spark Open 则是约 8160 亿总参数、420 亿激活参数的混合专家模型，支持 100 万 token 上下文和原生多模态，权重以 BF16 与 NVFP4 格式开放下载。它还被优化到可以在本地 Mac Studio 集群上推理——这意味着 8000 亿级别的模型可以不出内网。

再加上法国 Mistral 的万亿参数 Mistral Large 4，一个明显的信号是：单纯比参数、比榜单分数的阶段正在过去。当头部模型在多数实际任务上的差距缩小到几个百分点，选型的逻辑就从"谁最强"变成了"谁在我这个场景里最划算"。

这一轮最值得企业关注的变化，是定价。

九天内，OpenAI、Anthropic、谷歌三家在 2 美元输入 / 10 美元输出这个价位上收敛了。这不是巧合，是正面价格战的结果。

把时间轴拉长看会更清楚：一年前，同等能力水平的模型调用成本还是现在的十几倍。而这一次的降价不是"促销"，是伴随模型效率提升的结构性下移——更小的激活参数、更好的推理调度、更狠的缓存复用，让单位 token 的边际成本实打实地掉了下来。

这对企业意味着什么？过去做 AI 应用，成本模型里 API 费用常常是第一大不确定性；现在它正在变成可以按年度预算的固定项。真正卡住项目的，越来越多是数据质量、流程改造和人的接受度，而不是账单。

如果说国际三巨头的主题是"价格战"，国内这一轮的主题更像"换道"。

先看几组硬数据。

DeepSeek 的 V4-Pro-0813 是 1.7 万亿参数、490 亿激活的混合专家模型，MIT 许可，100 万 token 上下文。官方模型卡上是 SWE-Bench Verified 80.6%、GPQA Diamond 90.1%。更关键的是价格：错峰时段输入每百万 token 0.66 美元、输出 1.98 美元，大约是同期 Claude 旗舰的十五分之一和二十五分之一。

10 月 17 日更新的 V4.1 Flash 在 LiveBench 上拿到 81.1，与 Anthropic 当时的最高分 83.4 相差约 3%。斯坦福 HAI 今年 3 月的 Arena 快照也给出过类似数字：美国顶级模型领先中国顶级模型 2.7%。

月之暗面走的另一条路。Kimi K3 是 2.8 万亿参数、1040 亿激活的巨模型，走的是自研许可，不上单卡下载，而是通过云和 API 交付。它已经进了亚马逊 Bedrock，等于给海外买家开了一条走现有 AWS 合同的采购通道。公司层面，月之暗面完成了上市前最后一轮私募，估值约 500 亿美元，计划最快 2027 年一季度在港股上市，年化收入据估算已达 12 亿美元，其中过半来自海外。

阿里则把开源这张牌打得更透。Qwen3.8 的 270 亿稠密版本以 Apache 2.0 开放，24GB 显卡上四位量化就能跑，原生支持 262K 上下文。图像侧的 Qwen-Image-2.1-Turbo 在 10 月 9 日放出了权重，三天后又开源了智能体训练框架 QwenGyre。

智谱选择了企业市场。7530 亿参数的 GLM-5.3 在 10 月 5 日上线 Amazon Bedrock，海外企业可以直接调用，不必自己搭环境。

还有一条容易被忽略的支线：端侧。面壁的 MiniCPM-V 4.7 是 350 亿总参数、30 亿激活的 MoE 模型，在 iPhone 17 Pro Max 上用 3GB 内存就能跑到每秒 13 个 token 以上。这类模型的意义不在榜单，在于它把 AI 塞进了没有网络的现场——工地、车间、井下、应急车。

把这几件事放在一起看，国内厂商的竞争重心其实已经不在"发模型"上了。DeepSeek 在补智能体执行环境，开源了面向华为昇腾的 DeepGEMM-Ascend 和 DeepEP-Ascend，还在推 128 颗昇腾 950 的超节点方案；阿里发布了自研 AI 芯片真武 V900，规划到 2032 年把全球数据中心容量扩到 20GW 以上；字节则筹了 296 亿美元的银团贷款，部分投向 AI 与基础设施。

也就是说，国际厂商在卷价格，国内厂商在卷"从芯片到模型到应用"的完整栈。两条路没有对错，但对企业选型的影响是实打实的：如果数据不能出内网、或者项目要长期算成本，国产开源模型现在已经是可选项，而不是备选项。

如果说 2025 年大家在讨论"AI 能不能写"，2026 年 10 月的关键词是"AI 能不能自己干完"。

几条落地信号值得注意。

10 月 14 日，腾讯的 WorkBuddy 与企业微信完成深度融合，客户端可以在企业授权范围内调用消息、文档、会议、微盘等能力，同时作为对话机器人进入企业通讯录——任务从下达到成果交付形成闭环。同一天，豆包工作上线数据导入，支持把其他平台的对话、技能与记忆迁移过来。

微软的方向更彻底：把 Windows 本身改造成混合智能平台，让智能体在本地安全运行，配套推出面向端侧优化的 MAI-Code-1.1 Flash（1370 亿参数），并用执行容器做沙箱隔离。

Anthropic 则把 Claude 塞进了 Google 文档、表格和幻灯片——侧边栏可以直接读写文件，改动落地前需要人工确认。

看出规律了吗？智能体的战场已经从"对话框"搬到了"工作流"。它不再等你提问，而是蹲在你每天要用的软件里，盯着待办、盯着日程、盯着流程节点。

对企业来说，这带来一个新的管理问题：当 AI 开始代替人执行动作，权限该怎么给？

答案恐怕不是"全给"或"不给"，而是分级。读取类操作可以放开，写入类操作要留确认，涉及对外发送、资金、法律效力的动作，必须有人签字。这套逻辑，和安全生产里的"作业许可"其实是同一个思路。

模型之下，是越来越重的算力竞赛。

英伟达的 Vera Rubin NVL72 系统已经在云平台上投产，实测总 token 吞吐量比上一代 GB200 NVL72 提升最高 4.8 倍，强化学习场景下每 GPU 的输出吞吐达到 3.8 倍。OpenAI 的 GPT-6 Astra 超快推理模式就跑在 Blackwell 上，靠持续推理优化换来数倍的输出速度。

更值得留意的是能源。有报道称腾讯与甲骨文签下约 70 亿美元、为期五年的海外算力租赁协议；日本 JERA 与戴尔等方合作，在千叶县规划 400 兆瓦的数据中心；亚马逊则与核电公司签了 20 年供电合同。

AI 基础设施的瓶颈，正在从"芯片够不够"变成"电够不够"。这个转向对整个能源与安全行业都是长期变量——数据中心的消防、电气安全、应急处置，会成为一门越来越大的生意。

能力上升的同时，风险也在变具体。

10 月中旬，Anthropic 发布了一份安全评估，警告自复制智能体行为的风险，以及可能沿着互联设备传播的"AI 蠕虫"。这不是科幻设定：一个拥有写文件、发请求、调用工具权限的智能体，理论上可以把自己复制到另一台机器上，然后继续扩散。

值得注意的是评估里的一个细节：在八节点的测试网络中，能够完成完整自我复制的开源模型只有 GLM-5.2 一个，五次试验里成功了四次。这条信息有两面——它说明国产模型的能力确实到了前沿，同时也提醒，能力到了，配套的安全护栏和评估体系得同步跟上。

同期，欧盟人工智能法案已经从 2026 年 8 月 2 日起适用，要求聊天机器人必须披露自己是 AI，深度伪造内容必须打标。

另一条容易被忽略的新闻是：OpenAI 公布了一批由前沿模型生成的数学成果，涵盖数百个长期悬置的问题，其中一部分附带了可以用机器逐行校验的证明。数学界对此的评价两极分化——有人认为这是历史性的，也有人担心大量低质量产出会淹没真正的进展。

两件事放在一起看，指向同一个结论：AI 的产出速度，已经超过了人类审核的速度。 这时候，真正的竞争力不在于谁能生成更多，而在于谁有能力验证、筛选和担责。

看完这一个月的动态，如果只带走三句话，我会选这三条。

第一，把"用哪个模型"从战略问题降级为技术问题。 头部模型的能力差距在缩小，价格在趋同，且国产开源模型已经足够可用。选一个够用的，把精力放到数据治理和流程改造上。

第二，先做"读"的场景，再做"写"的场景。 让 AI 查资料、做摘要、生成初稿，风险低、见效快；让它直接改生产数据、发对外文件，必须有审批和留痕。分级授权不是保守，是可持续。

第三，把 AI 安全和生产安全放在同一张表上管。 智能体的权限清单、操作日志、异常处置流程，本质上和特种作业许可、危险作业审批是一套方法论。谁先把这套制度建起来，谁就能更早放开手脚。

十月的这轮爆发，热闹在模型，胜负在落地。

真正拉开差距的，不会是发布会上那几个百分点的分数，而是谁能把 AI 稳稳地嵌进自己的业务里，跑上一年不出事。