大模型不再比谁更大：从参数竞赛走向成本效率竞争

2026年7月，大模型行业迎来了一轮密集发布期。月之暗面发布Kimi K3，2.8万亿参数规模；xAI推出Grok 4.5，强调以更低价格提供接近顶级闭源模型的能力；OpenAI则进一步调整产品策略，将旗舰模型拆分为不同版本。如果把这些发布放在一起看，模型公司依然在追求更强能力，但竞争重点已经开始偏移。

过去，大模型竞争更多围绕参数规模、训练资源和榜单成绩展开。一家公司的实力很大程度上取决于它拥有多少GPU、投入多少资金、训练出多大的模型。但随着模型能力逐渐接近，单纯扩大规模带来的收益正在下降。这背后反映出一个更深层的变化：大模型正在从「谁能训练出最大的模型」，进入「谁能用更低成本提供更强能力」的阶段。

大模型行业曾经相信一个简单的逻辑：模型越大，能力越强。从2020年OpenAI发布GPT-3的1750亿参数开始，Scaling Law几乎成为AI行业最重要的判断依据。但问题在于，当所有头部企业都开始扩大投入之后，继续增加计算资源还能带来多少收益？斯坦福大学AI Index报告显示，中美顶尖模型之间的性能差距已经大幅缩小，开源模型与闭源模型之间的差距也在快速收敛。当领先优势从数量级差距变成几个百分点差距，单纯依靠投入更多资金建立优势，难度越来越高。

2025年初DeepSeek的出现，改变了行业对大模型成本的认知。它证明了能力提升并不只有扩大规模这一条路径——通过模型架构优化和训练方法改进，DeepSeek实现了以更低成本达到较高性能。更重要的是，它改变了市场对AI模型价格的预期。DeepSeek降低API调用价格后，国内外模型厂商纷纷调整价格策略，大模型服务价格快速下降。对于企业用户而言，客服系统、企业知识库、代码助手等场景都开始重新计算投入产出比，更多应用场景具备了商业价值。

真正值得关注的其实是，当模型能力逐渐接近，行业竞争的评价标准也在发生变化。第一，推理能力的重要性提升——模型竞争从「谁回答得更快」转向「谁能完成更复杂的任务」。第二，多模态成为基础能力。第三，模型开始进入具体应用场景，企业更关心模型能否解决实际问题。这三个变化共同拉动了一个趋势：模型公司开始精打细算，计算资源利用率成为新的竞争方向。

往后看，大模型竞争可能正在经历类似操作系统和移动互联网的变化轨迹。模型能力越来越普及，但围绕模型的应用生态、开发者网络和行业解决方案，可能成为新的竞争壁垒。开源正在成为大模型竞争中的重要变量，DeepSeek、通义千问等中国企业持续开放模型能力，让更多开发者和企业可以直接使用先进模型，降低了技术使用门槛，也扩大了模型影响范围。

不过竞争远未到终局。未来的大模型竞争更像一场综合能力竞争：技术能力决定模型上限，计算效率决定商业化空间，生态建设决定长期影响力。谁的模型能用更低成本服务更多用户？谁能让更多行业真正用起来？谁能围绕模型建立新的生态？这些问题的答案，可能比参数规模的数字更能决定谁能笑到最后。大模型战争并没有结束，只是竞争规则正在改变。