前沿不再？

过去两年里，AI 竞赛的结果似乎已接近尘埃落定。少数几家实验室掌握着最好的模型，与其他所有参与者之间的差距看起来只会越来越大，而行业其余部分则围绕着一个令人焦虑的核心问题展开：“ 如果 OpenAI 或 Anthropic 构建出这个，会发生什么？”

但在过去几周里，风向一直在转变。

大型实验室似乎不再像过去那样牢牢掌控 AI 价值将流向何处，这一突破口正同时在多个战线上显现。

开源权重模型已经足够缩小能力差距，以至于在广泛的工作场景中，原始模型质量不再是决定性因素。原本被认为会将越来越多支出引向最大模型的经济逻辑，正在失效，因为严肃的买家不再把每一项任务都交给最昂贵的选择。当全球能力最强的模型之一因政府命令而在一夜之间被关闭时，“前沿模型是可靠基础”的假设也遭到了直接打击。而决定一款 AI 产品能否真正在线上运行的那一层——模型之外的编排与支撑体系——事实证明，既是最难的部分，也是实验室无法掌控的部分。

综合来看，这表明， 一两个前沿模型的主导地位正在减弱。 而且我们正听到这一主题在整个领域的五个维度上不断回响：

• 性能： 开放权重模型几乎已经弥合了质量差距。Qwen3 在推理和编程方面可与 Gemini 2.5 Pro 相媲美。MiniMax 和 Kimi 也已迅速逼近前沿能力，打破了“前沿 = 闭源、开源 = 更差”这一旧有二元划分。

• 顾客价值： 企业已经认定，最昂贵的模型很少值得其成本。像 Uber 和 Priceline 这样的大型企业如今正设置防护栏 ，以限制 token 预算并遏制“tokenmaxxing”现象——这表明“遇事都上前沿模型”的时代正在结束。正如 Bill Gurley 最近所说 ：“没有人希望自己所有的 token 用量都押在一家公司身上——尤其是那些价格高昂的公司。”

• 不断演进的技术栈： 越来越多具有防御性的价值开始存在于模型外围的支撑框架、编排、记忆和专有数据之中，而非模型本身。Satya Nadella 最近表示 ，相比任何单一的前沿模型，“AI 生态系统”为何将变得更加重要。

• 监管压力： 封闭模型的访问权限可能在一夜之间被撤销，而企业客户需要在更可靠的基础上构建系统。6 月 12 日，Anthropic 的 Fable 和 Mythos 模型在一项政府出口命令下突然下线，“一键切断”风险变得格外触目惊心。Fireworks 创始人 Lin Qiao 提出了这样的观点 ：应当“ 拥有智能，而非租用智能 ”——将依赖从封闭的前沿 API 上转移出去。

• 供应链： 受制于 GPU 稀缺以及各地对数据中心的阻力，建设前沿规模的算力设施正变得愈发困难且成本高昂。尤其是在为接受公开市场审视做准备之际，模型公司正在收敛其基础设施扩张雄心。例如，OpenAI 将其基础设施目标从大约 1.4 万亿美元下调至约 6000 亿美元，并转向租用原本计划自行建设的算力。

这些都表明，一个更广泛的趋势正在显现：前沿模型的霸权正在多个关键战线上受到挑战。这也引出了若干影响，涉及 AI 将如何被构建、采购、应用和投资。

让我们深入看看。

编排层与支架 > 模型

模型正日益成为一个商品化层。真正拉开产品差异的，将是围绕模型构建的编排、记忆、工作流逻辑以及专有数据。 这通常被称为 harness：一种支架结构，将模型的原始能力转化为真正能够在生产环境中运行的东西。

要理解为何会存在 harness，先要看模型自身做不到什么。一个原始模型接收文本（或图像、音频、视频）输入，并输出文本。仅此而已。开箱即用时，它无法在不同会话之间维持持久状态、执行代码、获取实时知识，或搭建完成任务所需的环境。而这些限制中的每一项，都是需要由 harness 来解决的问题。模型负责回答问题；harness 则决定该问哪些问题、按什么顺序提问、提供什么上下文——并在模型停滞、产生幻觉或触及其上下文窗口边界时，让整个系统持续运转。

一个编排框架涵盖方方面面：从如何在多个会话之间管理上下文和记忆，到如何调用工具并验证输出，再到系统如何在执行过程中处理中间出现的边缘情况。最具体地说，它包括系统提示词、工具定义、编排逻辑、记忆管理，以及围绕非确定性模型强制实现确定性行为的中间件。

从更广义上讲，我们认为这就是在利用你的“组织智能”：也就是一家公司随着时间推移嵌入其 AI 技术栈中的累积知识、流程和语境。一家处理过一万起真实事件的安全公司，所拥有的组织智能，不是一个通用模型在六周部署中就能复制的。一个已经掌握某一特定法院裁定规律，或某一特定客户合同风格的法律 AI，所构建的东西才是真正专有的。这才是护城河。模型是引擎；编排框架是载具。

如今，那些构建“模型无关”架构的公司——即无需重建产品就能替换底层模型——正在悄然押下注定成为这一领域最重要的赌注之一。可以把这看作是在数据库抽象层之上进行构建，而不是将 Postgres 硬编码进去：随着底层引擎变化，应用程序逻辑依然保持完整。反之，那些没有这样做的公司，只需一项政府指令、一次定价调整，或一次能力跃升，就可能陷入必须重构架构的危机。

就连 Palo Alto Networks 首席执行官 Nikesh Arora 也是编排框架的拥护者！

如今，前沿已不止一个

对于开发者而言，相关的问题已不再是“你是否处于前沿？”，而是“你处于哪个前沿，又是为了什么？”。在前沿展开竞争的路径有多种：开放权重与闭源之争；主权模型与“支流”之争；拥有自己的技术栈还是租用技术栈。

像 GLM-5.2（来自 Z.ai）、Qwen 和 MiniMax M3 这样的开放权重模型，已在广泛的生产任务中展现出真正的竞争力。MiniMax M3 在 SWE-Bench Pro 上取得 59% 的分数 ，以约为封闭前沿模型十五分之一的成本，略胜 GPT-5.5，并领先于 Gemini 3.1 Pro。Qwen3 的旗舰 235B 模型在推理和编程基准测试中与 Gemini 2.5 Pro 不相上下，并采用 Apache 2.0 许可证，可部署在你自己的基础设施上。尽管两者仍未完全缩小与顶级封闭模型之间的差距——M3 在抽象推理方面仍明显落后于 Opus 4.8——但这一差距缩小的速度快于大多数人的预期，而且对于广泛的生产工作负载而言，这已不再是决定性因素。

Z.ai@Zai_org

推出 GLM-5.2：前沿智能，开放权重 – 在编程和智能体任务上实现显著提升 – 凭借100万上下文窗口，具备强大的长时程能力 – 提供两个层级的推理强度：GLM-5.2（max）突破极限，而 GLM-5.2（high）则实现了强有力的平衡

2026 年 6 月 17 日 凌晨 1:40 · 256 万次浏览

---

423条回复 · 1110次转发 · 7950次点赞

Factory 创始人兼首席执行官 Matan Grinberg 近日甚至表示，就软件开发任务而言，他认为开放权重模型如今“可能已经能完成前沿模型所能做到事情的 80%到 90%”。这与仅仅六个月前相比，已是一次巨大的飞跃！

随着 Mythos/Fable 的关闭，主权 AI 也获得了重大提振。全球各地的政界人士，尤其是在欧洲，正呼吁增加资金投入 ，以支持可与 Anthropic 和 OpenAI 对应的主权本土替代方案，并针对本地合规和控制要求进行优化（例如 Mistral，据传正以 ~$230 亿估值筹集资金 ）。此外，面向特定领域进行微调的模型，在狭窄但高价值的任务上正超越通用前沿模型。其现实含义是：模型选择如今已是一个产品和商业战略决策，而不再只是工程决策。通往成功的现实路径有很多条——而最终的赢家，未必会是那个运行着最佳通用模型的人。

掌控自身命运，是一项产品决策

“拥有智能还是租用智能”已从一种哲学偏好转变为风险管理框架。Fable 的停运让此前只停留在理论层面的风险变得切肤可感：对封闭式 API 的访问是一种带有外部“断电开关”的依赖，而这个开关可能因供应商一夜之间重新定价、上游竞争战略转向，或政府在周五下午 5 点下达的一纸命令而被按下。

但最持久的控制形式，不在于你运行的是哪个模型，而在于其底层的数据。 模型正变得越来越可以相互替代；而你所收集、清洗并结构化的专有数据则不然。 一家在其所在领域拥有高质量、标注完善数据集的初创公司，可以根据当季表现微调到最佳模型，并在下个季度切换到更好的模型，而不会失去其产品之所以出色的根本。那些既租用模型、又依赖通用公共数据的公司，则没有任何可迁移的资产。

这就是为什么那些看似不起眼的工作比表面上更重要：搭建数据管道、建立标注与过滤闭环，以及构建将原始使用情况转化为专有训练信号的反馈机制。模型是租来的，可以被替换。数据，以及对其进行提炼的系统，则是自有的，并且能够持续积累价值。每一个构建者都该问的，不是“哪个模型最好”，而是“当底层模型被替换时，我手中有什么能够继续留存”。

代币优化是下一个主战场

这是我们最密切关注的一点。“tokenmaxxing”时代——把一切都路由到最强大的前沿模型上，之后再做优化——对于严肃的企业部署而言正走向终结。Uber 和 Priceline 设定严格的代币预算，并非只是一个削减成本的故事；这表明企业正从试验阶段转向生产纪律。Amazon 和 Microsoft 正在淡化内部用于衡量代币使用情况的评分榜。

为什么？事实证明，并非每项任务都必须使用最昂贵的前沿模型。

这会带来什么突破？能够以恰当成本将任务智能分配给合适模型的路由与编排层，正成为关键基础设施（如 Openrouter）。更小、更快、为特定用途打造的模型，在一些此前因昂贵闭源模型而被忽视的应用场景中，正迎来第二春。而那些从一开始就围绕效率构建、而非事后再去补强的初创公司，则拥有一种现有巨头难以迅速追赶的结构性优势。在一个推理成本已成为董事会层面议题的世界里，智能技术栈正变得更加值得关注。

结论

这里在架构层面的启示，并不是“避开闭源模型”，也不是说我们不看好 OpenAI / Anthropic（我们当然重视它们，而且未来几年它们几乎肯定会成长为数万亿美元级公司）。真正的重点在于：多年来首次，前沿模型主导一切的时代似乎终于走到了尽头，而 AI 公司在构建与扩张上的路径选择也前所未有地丰富。

在我们看来，当下最具持久性的公司，是那些把模型视为可互换组件而非根基的企业——它们构建的是专有数据、深厚的领域积累，以及不会因为底层模型更换、被修补或消失就失效的工作流逻辑。拥有而非租用自身的智能，同样是另一个关键组成部分。

作为风投，我们从未像现在这样对初创公司的未来，以及打造世界级公司的能力感到兴奋。

上马！