开源模型进入了后DeepSeek时代
AI已经不再只是实验室内外的技术展示。当模型真正进入千行百业，它开始不断暴露真实世界中的需求，也不断催生新的技术演进方向。
对于开源模型而言，真正的竞争从来不是谁最早发明一种能力，而是谁能够最快把已经验证的前沿能力变成开发者和企业都能够使用的基础能力。也正因如此，前沿能力在哪里，开源模型的价值兑现就在哪里，开源模型的竞争就在哪里。
过去两年，这一规律已经发生过两次。DeepSeek-R1让推理能力第一次以足够低的成本走向普及；智谱GLM-5.2让编码和智能体能力真正可用，能够在多数任务中替代主流前沿闭源模型。
今天，思维机器实验室（Thinking Machines Lab）发布的Inkling，又是否意味着，开源模型正在迎来第三次价值兑现：安全、可信、可塑的AI能力，开始成为新的产业化对象？
很长一段时间，全球AI行业都沉浸在“DeepSeek时刻”带来的冲击之中。它真正改变的，并不是推理模型这一技术方向本身，而是推理能力的成本结构。DeepSeek-V2通过架构优化大幅降低模型成本，随后V3和R1进一步证明，高性能推理模型并不一定需要传统意义上的巨额投入。
通过算法创新、工程优化和开放策略，它让推理能力第一次以足够低的成本走向普及，也成为后来所有竞争模型都不得不跨越的一条基准线。每百万Token API价格几乎成为token经济学最直观的尺度；模型竞争第一次拥有了清晰的价格锚。芯片行业也在最初的恐慌之后，重新拾起“杰文斯悖论”
，相信更低的推理成本终将带来更大的算力需求。
但仅靠推理能力，很难支撑模型公司持续扩大的研发与资本开支。市场更愿意为能够直接完成任务的AI持续付费。
编码成为这一阶段最重要的突破口，而且几乎是强化学习最理想的训练环境。它拥有明确目标、可自动验证的结果、快速反馈循环，以及海量真实世界任务，第一次让模型能够在真实生产环境中持续学习。Token经济学也随之发生变化，衡量标准不再只是每百万token的价格，而是每一个token究竟创造了多少价值。
Anthropic正是在这一轮竞争中迅速建立优势。Claude Code并不仅仅是一款编码产品，它更像是一个持续学习系统：模型不断进入真实的软件开发流程，在企业环境中获得反馈，再反哺模型能力本身。它也因此“吞食”着整个软件世界的价值。甚至公司开始具备盈利能力，也为持续投入研发和基础设施提供了更充足的现金流。
今年4月，Mythos预览版横空出世，打破了此前前沿模型能力渐进提升的节奏，证明模型性能仍然能够继续摸高。前美国艾伦人工智能研究所研究员Nathan Lambert据此判断，随着真实世界反馈不断积累，开源模型与闭源模型之间的能力差距或将重新拉大。
然而，这一判断很快便遭遇了来自中国开源模型的挑战。6月，智谱发布GLM-5.2。这款专门面向长程任务智能体开发的模型，在多项智能体任务上达到Claude Opus 4.7至4.8之间的水平，价格却仅为后者的约五分之一，也意味着中国开源模型开始进入真正的“好用时刻”。而且，智谱创始人兼首席科学家唐杰在与马斯克的社交媒体上的交锋中，称将在年底前实现模型的下一次迭代，达到Mythos的水平。
有意思的是DeepSeek两次开启融资的时间窗口。它的第一次外部融资开启于Myhos发布后，筹资约70亿美元，投后估值520亿美元；第二轮融资开启于智谱GLM-5.2发布后，媒体报道这次的目标投后估值约740亿美元。而且，市场还传出了DeepSeek谋求明年上市的计划；而就在两个月前，这一切还没有时间表。
这未必意味着两者存在直接因果关系，但至少说明，DeepSeek也开始意识到，下一阶段的竞争，已经无法仅靠实验室完成，需要围绕企业、智能体和真实反馈构建完整能力体系。DeepSeek遭遇了自己的“DeepSeek时刻”。
模型的前沿能力仍在扩展，企业真实环境复杂多变，开源模型将AI能力更广泛地扩散出去的竞争，仍在变得更为激烈。到了这个夏天，在经历了一轮又一轮“堆Token”之后，越来越多企业开始重新计算智能体的经济账。企业真正关心的是真正完成一项工作，究竟要花多少钱。
一方面，虽然最智能的模型，在解决复杂问题时依然具有不可替代的优势，但它们也意味着最高的成本；与此同时，中等能力模型在大量标准化任务中已经足够好用，而且价格往往只有前者的一小部分。真正的问题是如何让不同模型在同一套系统中各司其职。
另一方面，今年以来，越来越多企业开始探索利用Harness构建长程智能体。模型被放入一个包含规划、执行、验证、返工和重新生成的完整工作流中，以提升复杂任务的完成率与稳定性。某种程度上，这也让harness逐步实现了对模型“解耦”。
大模型+harness，单位任务性价比对比
（GLM5.2模型+Pi框架的性价比，要优于Opus4.8模型+Claude Code原生框架）
未来真正有价值的模型，并不一定需要在每一项基准测试中都排名第一，却必须能够适应不同任务、接受组织微调、理解复杂上下文，知道何时调用工具、何时承认自身的不确定性，并在长期运行中保持稳定、安全和可治理。
Token经济学也因此进入新的阶段。企业寻找的不再只是更便宜的token，或者更有价值的token，而是在既定成本下获得更高任务完成率的帕累托最优解。
模型竞争也因此发生变化。前沿模型已经做了初步验证。Claude Opus 4.8“最显著的改进之一是其诚实性”。当任务存在未通过的测试、未实现的功能或潜在逻辑漏洞时，Opus 4.8会更倾向于主动暴露问题，而非像过去那样直接提交错误结果；当缺少工具、附件或必要权限时，它也减少了“假装执行”并编造输出的情况。
这一竞争方向，也开始成为开源模型竞争的新主线。唐杰近期分享过一段思考，认为长周期智能体的发展，需要记忆、持续学习和自我评判三大技术支柱，而自我评判，本质上就是模型的“诚实性”。此外，在最新的内部信中，他还进一步强调了极致安全治理的重要性，也让市场开始期待智谱下一代旗舰开源模型。
而美国开源模型厂商TML的新模型Inkling，则率先将这一竞争方向具象化为一款产品。它拥有9750亿总参数、410亿激活参数，支持百万Token上下文，并不是当前参数规模最大、单项能力最强的模型。但它多模态原生，能力广泛而均衡，针对不同任务具备灵活的可塑性；而该公司的Tinker就是非常好的满足定制化需求的微调工具。
在技术博客中，团队重点强调了该模型的校准（Calibration）与安全（Safety）。前者意味着模型能够更准确地判断自身把握，在缺乏依据时主动表达不确定性，而不是自信地编造答案；后者则意味着，即使模型经过开源和企业微调之后，仍然能够保持可治理、可控制的安全边界。
而对于DeepSeek而言，Inkling值得玩味的地方，并不在于它承认学习了DeepSeek-V3的MoE架构，而在于它暗示DeepSeek已经不再是所有开源模型默认要追赶或对标的关键坐标。
在展示核心能力时，团队并没有选择最新的DeepSeek-V4，作为开源模型的比较对象，而是将智谱GLM-5.2与英伟达Nemotron 3 Ultra放了进去。这与DeepSeek今年连续启动融资、筹备上市形成了一种耐人寻味的呼应。
后DeepSeek时代，开源模型竞争的重点，是谁能够最快把下一代AI能力，变成现实世界最普遍使用的能力。
