文 | 世界模型工场

近期，个新人工智能领域迎来密集的趋势技术迭代与市场动作，头部玩家的看懂战略调整折射出行业深层变局：

• OpenAI完成 Codex 与 ChatGPT 的战略合并，取消 Codex 5小时用量限制并重置用户额度，竞争旨在降低开发门槛；
• Anthropic延长 Claude Fable 5 的个新促销窗口至7月19日，同时提升 Claude Code 周额度50%，趋势持续强化开发者粘性；
• xAI (Grok)凭借 Grok 4.5 实现口碑逆转，看懂部分场景下体验超越 Opus 4.8，竞争标志着其正式跻身第一梯队；
• 腾讯推出混元 Hy3 模型，个新仅激活21B参数即具备挑战旗舰模型的趋势能力，WorkBuddy 用户规模呈指数级增长；
• 智谱启动“TouchHigh摸高计划”，看懂未来两年聚焦长程任务、竞争自治智能体、个新全自我训练及安全治理，趋势布局底层技术高地。看懂

纷繁复杂的新闻背后，隐藏着AI行业竞争的六大核心趋势。

趋势一：前沿模型的“领先窗口期”急剧缩短

过去，头部模型在基准测试（Benchmark）上的优势往往能维持数月甚至半年。然而，随着 Grok 4.5 被广泛认为优于 Opus 4.8，以及腾讯 Hy3 凭借21B激活参数在Agent和办公场景追平旗舰水平，这一格局已被打破。

为何追赶速度如此惊人？

1. 技术配方扩散：核心架构与后训练技术日益透明，降低了后来者的入门门槛。
2. 自动化评估机制：代码生成与Agent任务具备天然的自动判分能力，加速了迭代反馈循环。
3. 系统体验超越裸模型：用户感知的并非单一模型，而是“模型+提示词工程+工具链+记忆机制+重试策略”的综合系统。优秀的工程框架足以弥补底层模型的微小差距。

结论：单纯依靠参数规模或基础能力的领先已难以维持优势。未来竞争将转向能力分层（如代码专精、长程任务、办公交付），用户与企业将普遍采用多模型路由策略，避免单一供应商锁定。

趋势二：商业壁垒的构建速度超越模型技术迭代

当前，模型厂商正通过大规模补贴（如OpenAI取消限制、Anthropic延长促销）来培养用户习惯，其逻辑类似于早期互联网烧钱获客，但消耗的是GPU算力与Token成本。

背后的商业逻辑：

• 迁移成本差异：Agent产品的用户迁移成本远高于传统聊天机器人。厂商愿意牺牲短期毛利，旨在锁定高价值的长期企业客户。
• 数据飞轮效应：随着基准测试分数趋同，真正的护城河在于用户规模、Agent任务数据积累、企业入口掌控、推理成本控制及开发者生态。
• 竞争本质变化：模型公司的主要威胁不再是技术更强的竞品，而是对手通过快速复制能力，利用价格战和渠道优势抢占市场份额。

趋势三：评价体系从“参数规模”转向“任务总成本”

腾讯 Hy3 的崛起是这一趋势的典型代表。尽管总参数量高达295B，但其采用MoE架构，仅激活21B参数，在Agent效率、办公生产力及成本控制上表现优异，并深度嵌入微信生态。

评价维度的转变：

• 去参数化：参数规模不再是炫耀资本，而是工程优化的结果。
• 关注点转移：用户与企业更关注单次任务的综合成本、成功率及交互流畅度。
• 性价比为王：“高效架构+超级App分发”模式证明了在特定场景下，够用且低成本的模型比昂贵的大模型更具商业价值。

趋势四：护城河重构为“模型-产品-数据”闭环

真实世界的高质量交互数据，已成为下一代模型训练最稀缺的资源。

• 数据源差异化：Grok 4.5 利用真实软件工程数据训练；Hy3 基于腾讯50+产品的用户反馈迭代；Codex 和 Claude Code 从海量Agent执行轨迹中学习失败案例。
• 正循环机制：产品使用频率越高 -> 数据积累越快 -> 模型优化越精准 -> 用户体验越好。
• 核心壁垒：拥有海量真实用户、能够驱动模型每日执行复杂任务，并将结果反哺训练闭环的企业，将构建起难以复制的硬核护城河。

趋势五：中国大模型呈现“向下扎根”与“向上突破”双路线

国内头部玩家展现出截然不同的战略侧重，但最终目标均指向通用智能体的落地。

两者看似相反，实则殊途同归：腾讯先重普及，智谱先抓上限，最终将在Agent生态中交汇。

趋势六：下一代竞争将重新拉开代际差距

当当前一代模型陷入同质化竞争时，下一代技术的竞赛已然开启。

• OpenAI：布局新预训练架构、合成强化学习、长程Agent、机器人及消费硬件。
• Anthropic：聚焦长任务处理、AI辅助研发（AI for Science）及机械可解释性。
• Google：推进世界模型、虚拟环境构建及机器人技术。

为何差距会重新拉开？

1. 数据获取壁垒：现实世界数据无法简单从互联网抓取，需依赖机器人、传感器、仿真环境及长期物理部署。
2. 闭环优势：率先建立“设备-数据-世界模型-行动模型”闭环的企业，其优势将比纯语言模型更难被复制。
3. 爆发周期差异：受限于硬件成本、安全性及真实部署周期，这一领域不会一夜爆发，但一旦突破，将形成显著的代际差异。

展望：下一次“GPT-4时刻”必将到来，但其形态将超越纯文本交互。尽管技术传播加速导致领先窗口依然短暂，但在物理世界交互与复杂系统建模上的突破，将重新定义AI竞争的边界。