大模型進入下半場：引數神話正在鬆動，成本效率成為新標尺

2026 年 7 月，大模型行業又迎來了一輪密集釋出。月之暗面拿出 Kimi K3，2.8 萬億引數；xAI 推出 Grok 4.5，強調更低價格；OpenAI 繼續拆旗艦模型。但把這些釋出放在一起看，競爭的重心正在悄悄偏移。

過去，大模型圈的核心敘事很直白：引數越大越好，GPU 越多越強，訓練投入越大壁壘越高。這個邏輯從 GPT-3 的 1750 億引數一直執行到 GPT-4，Scaling Law 幾乎是整個行業的信仰。

但這個信仰正在鬆動。

不是說不該繼續投算力、繼續訓大模型——而是在所有人都在擴大投入之後，繼續加碼還能帶來多少相對優勢？ 頭部模型之間的差距已經從「數量級」縮小到「幾個百分點」。斯坦福 AI Index 報告顯示，中美頂尖模型的效能差距已經大幅收窄，開源和閉源模型的差距也在快速收斂。

真正改變行業成本認知的，是 DeepSeek。它不是靠堆引數取勝，而是透過架構最佳化和訓練方法改進，用更低的成本達到了接近頂尖的效能。更重要的是，它改變了市場對 AI 定價的預期——API 呼叫價格降下來了，然後所有廠商都在跟進。

這帶來的變化很實在：過去很多企業不是不需要 AI，是呼叫成本太高、沒法大規模部署。當模型價格下降，客服系統、企業知識庫、程式碼助手、辦公自動化——這些場景都重新算了一遍賬，更多應用變得有商業可行性了。

這也是為什麼 Kimi K3 選擇 MoE 架構，讓模型在不同任務裡只啟用部分引數，總引數大但推理成本可控。Grok 4.5 的賣點也不只是引數規模，而是比對手更低的價格和更高的 token 利用率。

鈦媒體的分析點出了一個方向：大模型正在從「誰能訓練出最大的模型」進入「誰能用更低成本提供更強能力」的階段。接下來，競爭維度可能會從模型本身轉向生態——圍繞模型的應用生態、開發者網路、行業解決方案，可能成為新的護城河。

大模型的戰爭並沒有結束，只是規則變了。下一步，決定勝負的可能不再是模型本身，而是誰能把模型能力轉化為更廣泛的產業價值。