一边是 280B 参数的 dots3-note Preview、号称开源编程能力第一的 GLM-5.3、1M 上下文的 DeepSeek V4 Pro，另一边却是 OpenRouter 的统计，84% 的 token 根本没有用在最前沿模型上。

模型还在变大，但用户已经开始把它们放进价格表、任务表和责任表里比较。真正的竞争，开始从谁最聪明，转向谁更值得长期使用。

01 大模型继续往上堆，但用户先问每次任务多少钱

小红书技术开源 dots3-note Preview，总参数 280B，激活参数 16B，支持 512K 上下文以及文本、视觉、语音多模态理解，重点瞄准复杂推理和长程 Agent 任务。智谱发布 GLM-5.3，编程能力相比前代提升 50%，在 Terminal Bench 3.0 等公开基准中拿到开源第一，权重计划两周后开源。

硅基流动上线 DeepSeek V4 Pro，1M 上下文，输入每百万 token 1.32 美元，输出 3.96 美元，推理强度还分成低、高、最大三档。模型能力、上下文长度、价格档位，一次性都被摆在了用户面前。

但另一组数据更有意思。OpenRouter 统计显示，84% 的 token 来自非 SOTA 模型，常用模型的性能大约是前沿模型的 77%，成本却只有 Claude Fable 5 的 2.5%。

这就像买车。你当然想要跑车，但每天上下班，很多人最后还是会看油耗、维修费和后备箱。

最强模型负责证明上限，真正把账单撑住的，往往是那些没那么耀眼的模型。

02 开发工具开始替用户管理上下文和花费

Claude Code v2.1.233 新增 GitLab 合并请求支持，并加入按用户归因支出的网关设置。Claude 的使用建议也很直接，任务之间用 /clear 清掉无关上下文，不要在同一会话中频繁切换模型或 effort 级别，因为这会破坏提示缓存，增加 token 成本。

这类更新看起来没有新模型发布那么热闹，却更接近真实工作。一个开发团队每天跑几百次代码任务，真正消耗预算的，可能不是某一次大请求，而是上下文重复传输、缓存失效和没有必要的高档模型调用。

以前我们把模型当成一个按钮，按下去就等结果。现在工具开始提醒你，按钮后面还有一块账单。

这才是开发者真正会在意的细节。不是模型会不会写代码，而是它能不能少读一遍已经读过的东西。

03 开源模型的数量已经不重要，能不能被用起来才重要

仓库越来越多，真正被反复使用的却很少。AMD 和 NVIDIA 各自发布了超过 200 个新模型仓库，说明硬件公司也在把模型发布当成生态动作的一部分。

蚂蚁百灵与 ASystem 团队则在 DGX Spark 上跑通了单机 Agentic RL 后训练闭环，用井字棋作为最小任务，训练 400 步后，奖励从约负 0.5 升到 0.4，响应长度降到约 850 tokens，工具调用也变得更稳定。

这两件事放在一起看，一个在提醒你模型生态已经非常拥挤，一个在展示怎样把 Agent 训练到更会做事。

开源真正的门槛，不是仓库里又多了一个名字，而是别人能不能下载、部署、调教，然后让它在自己的机器上稳定跑起来。

04 能力越往现实里走，价格和责任就越不能分开

未来 Claude 模型生成的文本将加入水印，用来判断内容由 Claude 撰写的可能性，方案基于 SynthID-Text，目标是满足欧盟 AI 法案要求。Cursor 被 SpaceX 收购后，计划获得更大的 GPU 集群，继续把代码模型做得更强、更便宜。Gemini 3.7 Flash 则被用于处理多文件、多邮件整合和 Google Workspace 工具调用。

AI 开始进入更多工作场景之后，问题就不再只有模型分数。内容要不要标记，调用成本谁来承担，数据放在哪里，模型出错后能不能追溯，这些都会跟着产品一起落地。

很多人喜欢把 AI 竞争讲成参数竞赛，我觉得这已经不够了。模型当然还会继续变大，但真正难的是让它在价格、部署、合规和任务结果之间同时过关。

能跑起来只是入场券，能被团队长期买单，才算真正赢。

所以，8月15日最值得记住的，不是参数又涨了多少，而是 AI 开始被放进一张更具体的价格表里。

模型要算每百万 token 的成本，开发工具要算上下文有没有重复传，开源生态要算下载之后有没有人真的用，进入现实业务还要再算一遍来源、合规和责任。

以前大家问哪个模型最强，现在更像是在问，哪一个模型值得我每天反复调用。这个问题一变，整个行业的排位方式也会跟着变。

🔥 今日话题：如果只能选一个标准，你会优先看模型能力、调用价格，还是能不能稳定接进自己的工作流？

👇 点个「在看」，转给正在给 AI 选模型、算账单的人。