没人再比跑分了:AI 行业这一周的 20 个真实变化

10 月 21 日，两家死对头做了两件反常识的事。

OpenAI 宣布把自家最强的三个模型摆上 Google Cloud 的货架——那是它最大竞争对手的云。同一天，Anthropic 给 Claude 配了一台独立的虚拟机和浏览器，让它在你关掉 App 之后继续干活，然后主动回来找你。

单看都是产品新闻。放在一起，说明的是同一件事：AI 公司争夺的东西变了。

这一周（10 月 17 日至 23 日），几乎没有一家公司把发布会的重点放在跑分上。DeepSeek 讲缓存显存砍到四分之一，OpenAI 讲延迟降到 100 毫秒，英伟达讲装配周期从半年压到两周，Meta 讲算力成本效率要提十倍。

能力还在涨，但已经不是用来比较的东西了。

我从这一周的 33 项有明确发布主体的变更里挑出 20 条。标准只有一条：它改动了某个结构，分销、交付、成本，或者责任。

一、独家性正在瓦解，而且是从两端同时瓦解

分销的独家性不是被监管打破的，是被两家的收入结构自己打破的。

进入 Google Cloud 模型库的是 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna，外加 Codex 的智能体工作流。企业客户在 Marketplace 下单，用已经承诺的 GCP 支出抵扣，账单合并成一张。目前是对部分企业的私有预览，数周内正式可用。

OpenAI 的公告里有一句话值得单独拎出来：微软仍是其首要云合作伙伴。

这句话出现在一份与微软最大竞争对手的联合公告里，本身就是答案。模型的销售渠道从此不再排他。对买方来说，一笔云承诺不再等于押注一家实验室。

第二天，Anthropic 的 Claude Platform 在同一个云上正式可用。这不是镜像版：自营托管，新功能和新 beta 当天同步，接入既有的 Google Cloud IAM 凭据，账单并入同一张发票。

渠道合作不需要交出控制面，这次交了。

OpenAI 需要 GCP 那批企业客户和已经签下的承诺额度；Google 需要在自己云上凑齐三家闭源前沿模型家族来卖。

“用既有承诺抵扣、账单合并”这句话对企业采购的含义，比任何技术细节都重。一家已经签了 GCP 承诺额度的公司，买 OpenAI 的三个模型不需要新开供应商、不需要走新一轮安全评审、不需要和下一个部门抢年度预算。

企业销售里最贵的从来不是单价，是走完采购流程的那几个月。战场就这样从“谁更聪明”挪到了“能不能用现有的钱买到”。

Meta 的财报给出了这件事的另一半。

第三季度，AI 助手 Muse 用户超 1000 万；约 25% 设置过它的用户每天在用；超过四分之一的活跃用户在里面完成了购物，平均客单超 200 美元。营收 646 亿美元、同比增 26%。

但经营利润 129.9 亿美元、同比降 37%。全年资本开支指引下限从 1300 亿美元上调到 1350 亿，上限 1450 亿。同时，Meta 计划在 2027 年 1 月创设无投票权的 C 类普通股，用来资助 AI 基础设施。

这是本周唯一一份把“AI 的钱从哪来、到哪去”同时写出来的文件。1000 万用户、25% 日活、四分之一的人在里面下单。这不是演示，是真的在用。

但两个动作放在一起，含义很清楚：它不打算等 AI 收入追上支出，它打算让股东继续买单，但不给投票权。

至于“把 Muse 算力成本效率提升 10 倍以上”——一个已经把 25% 日活跑起来的团队，把降本目标定在十倍，只能说明现在的单位经济性有多难看。

独家性瓦解的代价，是留存变成了账单。云这边让出控制面换客户，应用那边拿到留存换成本。同一周，两边都签了字。

二、交付物变了：从一段文字，到一个能跑的东西

这一周有四条新闻表面互不相干，指向同一件事：AI 给你的东西变了。

以前是一段文字。现在是一个能跑的应用、一个已经做完的决定、一个跨厂商的标准。

先说 Claude Duet。研究预览，基于 Opus 5.5，独立 App，iOS、Android 和网页版都有。可调用 Marketplace 上超 6000 个连接器，从 Gmail、Slack 到 Stripe、Docusign、Shopify。先对美国 Pro 和 Max 订阅者开放候补。

功能列表不是重点。它有自己的虚拟机和自己的浏览器。一个只能读网页的助手，和一个有浏览器的助手，差别是后者可以登录、可以点、可以填表，可以在你关掉 App 之后继续干活。

每天早晨推一份跨应用简报，全天每几小时巡检一次，只在需要你的时候才发消息。

这三句话读起来像功能描述，其实是产品定位的位移：从“你问它答”变成“它按时来找你”。这改的是注意力的分配权。一个会主动打断你的助手，实际上在替用户决定什么值得被打断。

然后是权限设计，这一段值得多看两秒。

发消息、付款、签文件、删除之前，它必须展示将要做什么并等待批准；即便用户批准了，证券交易和账户间转账仍然禁止。

这里有个很干净的区分：可逆与不可逆。消息可以撤回，文件可以重签，付款不能。而证券交易和转账不是“需要更高等级审批”，是被排除在“可以授权”之外——这个产品不做这件事。

换句话说，能力的边界不取决于模型能不能，取决于谁来承担后果。Anthropic 把这条线画在了产品定义里，而不是藏在用户协议的第十七条。

第二条是 OpenAI 的 Decisions API 正式开放。基于 GPT-6 Luna，三种返回：给条件成立的概率、从预设选项里挑一个并附置信度、按有序等级打分。

延迟从 1 到 3 秒压到 100、120、180 毫秒，官方称最高快 10 倍。计费只收输入：每百万输入 token 0.10 美元，命中缓存 0.01 美元，输出 token 免费。

“输出免费”这件事，只有在你承认“输出不是成本”的时候才成立。一个返回 0 到 1 之间概率的接口，输出就是几十个字节，成本全在输入和判断本身。这个定价结构在说：以后卖的不是字，是决定。

而 100 毫秒这个量级不是为了聊天，是为了让判断能嵌进别人的循环里。风控、路由、审核、定价，这些场景里 3 秒等于不可用。

第三条是千问 Go 上线「我的应用」。你说清给谁用、收哪些字段、数据留不留，平台把页面、数据库、部署一次做完，给你一条能发到群里的链接。

这条的价值不在“AI 写页面”，那事不新鲜。在“数据留不留”是个用户必须回答的问题，不是默认值；在数据库和部署被一起包了进去，于是产物有了状态。

有状态的东西才叫应用，没状态的叫演示。

第四条，Anthropic 把 Agent Skills 捐给了 Linux 基金会下面的 Agentic AI Foundation。这个标准 2025 年 12 月随 Claude Code 发布，现在已被 70 多个平台集成，含 ChatGPT、Cursor、GitHub Copilot、VS Code；发布 100 万个 skills，安装近 2.8 亿次。捐赠后由 Anthropic、Google、OpenAI 三家工程师共同维护。

三家死对头共同维护一个标准，不是因为关系变好了，是因为这个标准已经长到谁都没法单方面废弃。

70 多个平台、2.8 亿次安装——先有既成事实，后有治理结构。这也是本周唯一一条竞争让位于基础设施的新闻，而且它发生在标准层，不在模型层。

三、便宜成了新战场，代价同时显形

DeepSeek 交出了这一周最诚实的一份材料。

V4.1-Flash 更新到 1017 版。552B 总参、16B 激活的稀疏 MoE，支持文本和图像输入，100 万 token 上下文。相比前代，KV cache 显存降到四分之一，SSD 存储降到八分之一，每个 token 条目只占 890 字节。

价格跟着往下走：非高峰每百万 token 输入 0.15 美元、输出 0.60 美元，前代是 0.22 和 0.66。高峰翻倍到 0.30 和 1.20。

然后是被广泛引用的那个数字：在 Artificial Analysis 的 Omniscience 基准上，它答对 43%，但在“应该回答不知道”的问题上，有 67% 编造了答案。该基准指数只拿到 5 分，而 Kimi K3-max 是 20 分，前沿模型在 42 分以上。

把这两组数字并排放，是本周最不舒服的一页。

一个把显存压到四分之一、把存储压到八分之一、把价格压到前代七折以下的模型，在“该说不知道”的地方退了一大步。

但 67% 这个数容易被读成“不可靠”，那不准确。问题不在它答得对不对，在它不会拒答。

这两种缺陷的补救方式完全不同：答错可以靠重试和交叉验证兜住，不会拒答则会让整条链路在没有任何提示的情况下产出错误结论。

所以真正的分野不是“贵模型好、便宜模型差”，而是任务有没有验证环节。

编程、格式转换、带复核的 OCR，输出可以被机器检查，DeepSeek 的性价比优势是压倒性的；开放式事实查询、需要精确措辞的文书，错了也没人发现，省下的钱会在别处还回去。

MiniMax 走的是另一条路。M3.1 Flash，428B 总参、23B 激活，10 月 19 日上线 API，72 小时内真实用户处理超 100 万亿 token；10 月 23 日开源权重。三项工程改造值得记一笔：前三个全注意力层换成稀疏注意力、路由 MoE 专家迁到 W4A4 精度、加上功耗精细分配。

但比参数更有信息量的是首日接入名单：华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、英伟达、AMD，十家芯片厂商；加上六家推理云；vLLM、SGLang、智源 FlagOS 同日适配。

免费只是表面。开源权重让供给方变成一个市场：同一份权重跑在十种硅上，价格就不再由任何一家定。

72 小时 100 万亿 token 是需求侧的证据，首日十六家基础设施方是供给侧的证据。这两件事同时成立，才叫生态；只有前一件，叫热搜。

阿里的 Qwen3.6 27B 给出第三种答案。27B 稠密多模态，262K 上下文，SWE-bench Verified 77.2，超过自家上一代开源旗舰 Qwen3.5-397B-A17B，用的是不到对方十四分之一的总参数。单张 24GB 显卡做 4-bit 量化就能部署。

这条的正确读法不是“小模型打赢大模型”，是“上一代旗舰的参数里有一大半没在干活”。顺带还说明，MoE 路由那套复杂度在中小规模上不是免费的。

三条路并排看，是同一股劲使在不同地方。Qwen 砍参数，代价付在架构选型上；MiniMax 砍精度和调度，代价付在 W4A4 上；DeepSeek 砍显存和存储，代价付在“诚实”上。

三家公司都在压单位智能的获取成本，区别只是账单最后由谁签。

讯飞星火 X2.6 的信号不一样：首次基于全国产算力完成训练。超长上下文训练效率提升约 4 倍，推理效率提升 4.5 倍，端侧 4B 版本的智能体任务覆盖度做到 41.9%。

这两个倍数不是在宽松条件下的自然增长。国产集群的显存和带宽受限，4 倍和 4.5 倍补的是硬件的账。

而刘庆峰给出的分工预期，是本周唯一一个公开押注“大部分推理不上云”的厂商判断：未来 60% 应用本地完成、30% 端云协同、10% 走云端。如果它对，云厂商的推理收入天花板会比现在的预期低不少。

便宜的智能和可靠的智能，正在被拆成两种商品。

前者开源、多芯片适配、打价格战；后者还闭源，卖 100 毫秒，卖“知道自己不知道”。把它们当成同一个市场来比参数，是这一周最常见的误读。

四、瓶颈的解法，从“等芯片”转向“改交付”

英伟达在柏林 GTC 上发布的东西，乍看是物流方案，实际是一道财务题。

DSX POD：一个集装箱装 7 台 Vera Rubin 机架，约 2800 万个零部件，重约 28 吨。内部有 20 公里铜缆、3500 根线缆、17 公里横向扩展网络。这些在工厂里接好线、测完，装进集装箱，普通卡车运到现场，接上电和制冷就能跑。

现场装配周期从传统的 4 到 6 个月，压到大约 14 天，等于把三个月的收入捡回来。

瓶颈于是从芯片产能挪到了算力上线的时间。一台躺在机房里等布线的服务器，和一台正在跑推理的服务器，在账本上是两回事。

供应链的动作同时在发生：Ibiden、SEMCO、Unimicron 的基板产能扩到 2.5 倍；Amkor 的 CoWoS-R 封装产能到 2028 年底扩 3 倍；SPIL 大幅增加共封装光学产能；NVIDIA 向京元电子预付 11 亿美元，在美国新建测试设施。物理 AI 业务在 FY27 上半年收入已达 110 亿美元，超过 FY26 全年。

高盛的解读是，扩产规模表明英伟达在为远超此前预期的大规模出货做准备。

如果瓶颈在机架之外的电力与场地，那么把接线、测试、组网全部搬回工厂，就是还能压缩的最后一个环节。上游押的是这个环节会被拉满。

AMD 走的是同一条路的不同分支。Helion 智能体 AI 机架，联合 nVent 做集成式液冷，基于开放 OCP 标准给机架蓝图。

卖芯片的毛利不如卖已经插好电的机架，这是两家共同的动作。区别在交钥匙的方式：AMD 把蓝图交给 OCP，英伟达把整机装进集装箱。一个卖标准，一个卖确定性，对应的客户不是同一批。

也有反向的动作。DeepSeek 开源了 DeepInfer 推理框架，Apache 2.0，同时支持英伟达 Blackwell 和华为昇腾 950，官方称单集群日处理 155 万亿 token。

但放出来的只有离线推理。KV cache、预填充与解码分离、负载均衡，这三项没给。

缺的这三样，恰好是生产部署里最贵的部分：KV cache 决定显存账单，P/D 分离决定 GPU 利用率，负载均衡决定尾延迟。开源离线部分，是“能跑”给你，“跑得便宜”留着。

这不一定是恶意，但它是本周最诚实的一次边界声明——比那些号称开源全套、实际只放权重的做法干净。

视频生成那边，字节的 Seedance 2.5 4K 用了同一种思路：把流程拆成两段。先用 480P 的样片验证分镜、反复调镜头，确认了再出 4K 正片，10-bit 色深。

目前只给部分企业客户试用，首批定向供应全球 20 家工作室和导演，涉及 20 部作品，最早下个月会有卫视 S 级 IP 剧集播出。

把成本挪到用户能控制的那一端——这和 Decisions API 的“只收输入”、和 DeepSeek 的高峰翻倍定价，是同一类动作。视频生成最贵的不是最后一帧，是重新生成。

五、规则从立法转向执行，并开始设经济闸门

规则这一周落到了评审这个环节上。

10 月 23 日，国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，国办发〔2026〕29 号，6 个方面 18 项任务。

里面有一条此前没有的东西：建立人工智能应用就业风险评估机制——对可能造成较大就业冲击的 AI 项目，在评审时同步评估就业影响。

分量在“评审时同步评估”这几个字。

此前所有 AI 政策谈的是发展与安全，安全指模型、数据、内容。29 号文第一次把就业冲击放进项目评审这个具体动作里。

它不需要禁止任何项目，只需要让“这个项目会减少多少岗位”变成一个必须回答的问题。政策的执行力度，往往取决于它要求谁写什么材料。

大西洋另一边，规则是由被监管者自己起草的。

Anthropic 确认，它正在国会议员之间散发联邦 AI 立法草案，叫 AEGIS Act。只有当模型构成“杀害或重伤 50 人以上”或“造成超过 10 亿美元损失”的紧迫威胁时，商务部才能申请法院令暂停它的发布或使用。威胁限定三类：生物武器、超出开发者控制的 AI、网络攻击。由在商务部登记的第三方机构定期审查各家最强的模型。

同时，草案带优先适用条款，将限制包括加州在内的州法，并禁止各州对开发者施加与之重叠的安全报告和测试义务。

批评意见很集中：干预门槛极高，加上宽泛的州法优先适用，结果是收窄而非扩大实质监管。

一家模型公司自己起草法案，这件事本身不算错，甚至可以说合理，没人比它更清楚技术上什么做得到。但两个设计要放在一起看：门槛设在 50 人重伤或死亡、或 10 亿美元损失，常规事故进不来。优先适用条款又要压掉州一级的报告与测试义务，更细的规则也进不来。

这是设计，不是疏忽。

国会休会到 11 月中期选举之后。

执行层面也在动。美国国土安全部把对 DeepSeek 的处置从“禁止在政府设备上安装”，升级为“要求从联邦民事机构系统中移除”，理由是国家安全关切。

禁装和移除是两个性质的动作。前者管增量，后者管存量，而且要求有人去找、去删、去负责签字。这一条的成本不在 DeepSeek 身上，在那些已经部署了它的机构身上——迁移、替换、重新评估，都要花预算。

时间点很扎眼：同一周，DeepSeek 开源了推理框架、发布了更便宜的模型版本。技术上的开放与市场上的排斥，正在朝相反方向移动。

前面三段讲的是规则怎么被写出来、怎么被执行。规则还有另一面：判定权在谁手里。这一周最后两条，都是 AI 做了原本由人做的判断。

10 月 21 日，PHP 官方修复了两个漏洞，CVE-2026-109618 和 CVE-2026-109619，CVSS 评分都是 9.2。它们影响 PHP 5.4 到 8.5.11 几乎所有版本，潜伏了 14 年。2020 年有人报告过相关 bug，2024 年专业审计团队接触过同一片代码。但没有人能证明它真的可以打成远程代码执行。

这次证明的两条路径都来自 AI。安全公司 Calif 在 OpenAI 的 Patch the Planet 计划下，用 GPT-5.6 Sol 找到了其中一个；Wiz 用 Gemini 4 Argon 独立发现了两个。PHP 支撑着全球约七成的网站。Cloudflare 的 WAF 防护在正式披露前 9 小时上线。

14 年、两批人类看过、没人能证明可利用——然后模型在同一个窗口里找到，其中一个还被两家独立发现。这组事实说明的不是“AI 会写漏洞利用”，是“人类审计的覆盖率一直靠运气”。

真正的问题在节奏：找的速度已经超过补的速度。修复版本要到 8.5.12 这一批才齐，而细节在预定披露日之前就漏了。

另一边，微软的 MAI-DxO 在《Science》上发表了结果：在《新英格兰医学杂志》的复杂病例上，诊断准确率 83%，医生用参考资料是 36%；在急诊常见病例上，80% 对 47%。成本只有人类的二分之一到三分之一。它的工作方式是模拟一组虚拟医师，多轮辩论之后给结论。

83% 对 36% 这个差距，不全是因为模型比医生强。NEJM 的复杂病例有标准答案，急诊常见病例也有标准答案，而这两类恰好是“知识覆盖加不疲倦”能赢的地方。

同一周里，DeepSeek 在“无法回答”的问题上编造 67%，MAI-DxO 在“有答案”的问题上答对 83%。

这两条放在一起，回答的是同一个问题：AI 该用在哪。

不是最难的场景，是最有标准答案的场景。

结尾

二十条变化里，几乎没有一条把重点放在跑分上。这些变化动的地方都在别处：智能怎么被送到用户手上，谁来承担后果，成本落在谁那边。

如果只留一句：AI 的竞争正从能力移到交付，而交付的每个环节——渠道、权限、定价、集装箱、法案门槛——都在重新定价风险。定价的方向并不一致，有的在降价，有的在涨价。

下周有两个可以直接验证的观察点。

一是月之暗面的 Kimi K3.1 到底发不发。官方在 10 月 23 日放了一段 24 秒的预热视频，画面里 Kimi Code 的模型栏写着 Kimi K3.1，算是确认了型号；Arena 上从 10 月 21 日起测试的匿名模型 Kibitz，多项特征指向它。官方至今没说发布时间。

二是 Mistral Large 4 的开放权重还兑不兑现。这个 1.05 万亿参数的模型 10 月 21 日已进入公开预览，官方承诺“10 月底前”发布开放权重。到今天还没有。

承诺和交付之间的距离，往往比发布会的距离更能说明一家公司的状态。

本文事实来自各公司官方公告、财报、政府文件与主流媒体报道，具体来源与日期见配套变更日志。传闻与本窗口内未落地事项未计入。OpenAI 旗舰在部分报道中记作 GPT-5.6、部分记作 GPT-6，本文除直接引述外部报道外，统一记为 GPT-6。

生成日期：2026 年 10 月 24 日