AI模型三国杀：开源、降价与Agent突围战

一、AI下半场哨声已响：开源、降价与Agent三箭齐发

如果把大模型行业比作一场马拉松，那么2025年之前的阶段，各家选手比拼的更多是"谁能跑得更远"——参数规模、训练算力、榜单分数，是那个时代最响亮的口号。然而到了2026年的这个夏天，赛道上的竞争逻辑已经悄然切换。本周再说，传来的几条消息，像三声发令枪，宣告AI正从"秀肌肉"的上半场，进入"拼内功"的下半场。

先是Google宣布Gemini 3.7 Flash半价，把本就处于价格战旋涡中的API市场再次往下拽了一截；几乎同一时段，GLM-5.3与DeepSeek V4 Pro选择同周开源，让开源阵营罕见地再说，迎来两员大将；而DeepSeek V4-Flash正式版则以"13B活跃参数"的小巧身材，在Agent评测中杀进前段班，给"模型越大越好"的信仰来了一记响亮的耳光。

这三件事看似独立，实则指向同一个核心命题：当基础模型的能力天花板逐渐趋同，决定胜负的不再是单纯的模型智商，而是成本、可控性与场景落地效率的综合博弈。接下来，我们就把这三件事拆开聊，看看它们将如何重塑开发者和企业的选择。

二、Gemini 3.7 Flash半价：云计算巨头的"薄利多销"新逻辑

Gemini 3.7 Flash降价的信号意义，远远大于它实际省了多少钱。

Flash系列在Google的产品矩阵里，一直是"快、便宜、够用"的代名词。它不像Ultra那样追求极致性能，而是瞄准那些对延迟敏感、调用频次高、但并不需要每次推理都"天才级"的任务——比如聊天机器人、内容摘要、简单的代码补全、客服FAQ等等。如果把Ultra比作一辆追求极速的超跑，Flash就是一辆省油耐用、适合跑网约车的混动轿车。

现在Google把这辆混动轿车再砍半价，目的很明确：用价格换生态锁定。对开发者来说，每次API调用省下的几分钱，在项目规模放大之后都会变成真金白银；对Google来说，短期看利润被压缩，但长期看，它能把更多应用绑在自己的云和模型生态上。这是一种典型的"剃须刀+刀片"策略，只不过这次剃刀本身也在降价。

这会给竞争对手带来巨大压力。OpenAI的GPT系列、Anthropic的Claude，以及国内的一众厂商，都必须重新评估自己的价格带。更重要的是，价格战一旦开打，就很难回头。当用户习惯了"推理成本趋近于零"的预期，任何无法把推理成本压到同等水平的玩家，都会被边缘化。

不过，降价也有副作用。首先，它会加速基础模型的"商品化"——用户会越来越不在乎底层是哪个模型，只关心谁更便宜、更稳定。其次，如果降价的再说，服务质量下降，反而会损害品牌。Google必须证明：便宜不是偷工减料，而是规模效应和工程优化的结果。否则，这次半价只会变成一场没有赢家的消耗战。

三、GLM-5.3与DeepSeek V4 Pro同周开源：开源生态的"双核时刻"

开源模型从来不是新鲜事，但GLM-5.3和DeepSeek V4 Pro选择在同一周开源，这件事本身就值得玩味。

GLM来自智谱AI，是国内最早一批走"基础模型+行业应用"路线的玩家；DeepSeek则是凭借极致的工程优化和成本控制，在过去两年里迅速崛起的"性价比怪兽"。两家风格迥异，却再说，选择把自家旗舰模型开放出来，说明开源已经从"情怀驱动"变成了"战略刚需"。

我们可以把闭源模型生态比作iOS：体验统一、控制严格、赚钱效率高，但开发者必须遵守苹果的规则。而开源模型生态则更像Android：碎片化、自由度高、硬件适配复杂，但它能把更多手机厂商（在这里是云服务商、芯片厂商、行业解决方案商）拉进自己的阵营。GLM和DeepSeek再说，开源，相当于在Android阵营里再说，发布了两款旗舰芯片，让开源生态一下子有了"双核驱动"。

对开发者来说，这是利好。以前企业如果想深度定制模型，只能选LLaMA、Qwen、Mistral等少数几个基座；现在可选项更多了，而且GLM和DeepSeek在中文理解、长文本、代码等维度各有特色。对闭源厂商来说，压力则更大——当开源模型的性能逼近甚至超过部分付费模型时，"为什么要花钱买API"的灵魂拷问会越来越频繁。

但开源也并非万能药。一个模型开源之后，真正的竞争才刚开始：谁能提供更好的微调工具链、推理加速方案、企业级支持服务，谁才能赚到钱。OpenAI和Anthropic真正的护城河，从来不只是模型权重，而是围绕模型构建的开发者体验、安全体系和品牌信任。开源阵营如果不能补上生态服务这块短板，很可能会陷入"叫好不叫座"的困境。

四、DeepSeek V4-Flash：13B活跃参数如何搅动Agent赛道？

在所有消息中，最让我眼前一亮的是DeepSeek V4-Flash。

它只有13B活跃参数，却能在Agent评测中冲进前段班。这件事为什么重要？因为它直接挑战了行业过去几年默认的一条铁律：模型越大，能力越强。

13B活跃参数是什么概念？按照传统Scaling Law的叙事，这差不多只够做一个入门级别的模型。但DeepSeek用实际表现证明：如果架构设计足够聪明、训练数据足够优质、后训练（post-training）足够到位，小模型完全可以在特定任务上媲美甚至超越大模型。这就像一个经验丰富的外科医生，不需要背完整本医学百科全书，也能在手术室里做出精准判断。

更关键的是，Agent场景天然偏爱"小快灵"的模型。Agent不是一次性的问答，而是多轮循环：感知环境、调用工具、生成计划、执行动作、检查结果、修正错误。一个Agent完成一次复杂任务，可能要调用模型几十次甚至上百次。如果每次调用都需要一个千亿参数的大模型，成本会高到令人窒息。而13B活跃参数意味着每次推理的算力消耗大幅降低，延迟也能压到更低，这让Agent真正具备了大规模商用的经济性。

我们可以打个比方：大模型像是重达百吨的龙门吊，力大无穷但移动缓慢，适合一次性搬运巨型货物；而V4-Flash这样的小模型则像一台灵活的小型机械臂，虽然单次举力有限，但可以在流水线上快速精准地反复操作。在Agent这条流水线上，后者显然更吃香。

这也预示着模型评价体系正在发生根本转变。过去大家看的是MMLU、GSM8K、HumanEval这些静态基准分；未来，Agent能力的评测会更关注多步骤任务的完成率、工具调用的准确率、长程规划的稳定性，以及最重要的——完成单位任务的成本。谁能把"每美元能完成多少Agent任务"这个指标做到极致，谁就能在下一代应用生态中占据制高点。

五、综合评述：价格战、开源潮与Agent效率的三重变奏

把这三件事放在一起看，你会发现一个清晰的行业转向。

第一重变奏是"成本中心下移"。Gemini 3.7 Flash降价、DeepSeek V4-Flash用13B参数做Agent，本质上都是在压缩推理成本。当成本下降，更多应用场景才会从" demo可行"变成"商业可行"。这就像我们当年看4G流量从几十元1GB降到几元1GB之后，短视频、直播、移动支付才迎来爆发。AI应用的下一个爆发窗口，很可能就藏在推理成本的持续下降里。

第二重变奏是"开放度成为竞争变量"。GLM-5.3和DeepSeek V4 Pro的开源，意味着头部玩家开始把模型能力作为一种"基础设施"来释放，而不是紧紧攥在手里卖API。这种开放会倒逼整个行业提速，再说，也会加速模型能力的平权化。未来可能出现两极分化：一端是拥有最强闭源模型的超级平台，靠品牌、安全和端到端体验赚钱；另一端是基于开源模型做深度定制的垂直方案商，靠行业know-how赚钱。夹在中间、既无技术壁垒又无行业壁垒的玩家，生存空间会被急剧压缩。

第三重变奏是"从模型竞赛转向任务竞赛"。当大家的基础能力差距缩小，评价标准会从"你的模型考了多少分"变成"你的系统能以多低成本完成一个真实任务"。Agent正是这个转向的最佳载体，因为它把模型、工具、数据、工作流全部串了起来。未来我们评估一家AI公司，不会只问"你的基座模型多大"，而会问"你每个月能帮客户自动处理多少工单、生成多少报告、完成多少采购流程"。

综合判断，2026年下半年，AI行业的竞争将从"单点模型能力"全面过渡到"全栈系统效率"。赢家不一定是拥有最大模型的那家公司，而是最能把模型、算力、数据、场景和成本拧成一股绳的玩家。

六、写在最后：当AI从"秀肌肉"变成"拼内功"

回望周，Gemini的降价、GLM与DeepSeek的开源、V4-Flash在Agent赛道的小参数逆袭，三者合起来描绘了一幅新图景：AI模型行业正在褪去早期的狂热泡沫，进入一种更成熟、更务实、也更残酷的竞争阶段。

在这个阶段，参数规模不再是唯一信仰，开源与闭源不再是非黑即白的阵营，价格与性能也不再是简单的线性关系。真正决定胜负的，是对成本的控制、对场景的理解、对工程细节的打磨，以及把切组合成可持续商业模式的能力。

作为开发者和企业用户，我们或许正站在一个最幸福的时代：模型越来越便宜、越来越开放、也越来越适合落地。但对于模型厂商来说，好日子才刚刚开始，硬仗也才刚刚打响。

那么问题来了：如果让你现在选择一个AI方案，你会押注Google这样降价换生态的闭源巨头，会选择GLM或DeepSeek这样的开源模型做深度定制，还是会直接拥抱V4-Flash这类为Agent而生的高效小模型？欢迎在评论区聊聊你的判断，我们下期再见。