EP 106
智能供给之战：Opus 5、Kimi K3、GPT-5.6 Sol，以及电费
前沿模型密集发布的2026年7月第四周 0:00
卢正石 今天录制节目时是2026年7月25日，星期六早晨。昨夜 Opus 5 发布了。从 Kimi K3 开始，GPT-5.6、Gemini，接下来 GLM似乎也即将发布重大消息，所谓的前沿级模型似乎正在井喷式涌现。而随着 Fable 5 的推出，Anthropic 原本想推行的新价格体系，也就是 pricing scheme，似乎也因为这场竞争全都变得扑朔迷离，对消费者来说当然是好事，因为价格在不断下降。所以今天我们会逐一盘点最近发布的模型，并聊一聊这样的背景会对我们这样的 逃亡者联盟 产生什么影响。接下来我们就来谈谈这个话题。
攻破 Hugging Face 的 Agentic Attacker 与 OpenAI 0:47
朴钟贤 本周发生的新闻中，有一条新闻特别有意思，我们先来看一下再继续。
崔胜准 闹得沸沸扬扬啊。
卢正石 是啊。Twitter 上经常有人说，我们是不是正在目睹奇点的到来。
朴钟贤 是7月16日的事，已经差不多十天了。Hugging Face 发布消息称发生了一起安全事件。我个人也收到了 Hugging Face 的联系。可能是因为我有私有数据集，所以他们才联系了我，好在我收到的通知是，虽然发生了事故，但你们的数据并未被窃取。我收到了这样的通知。所以我就想，这是什么情况？当时报告先发布了出来，其中首先提到，攻击似乎是由 AI 发起的。虽然一开始不知道是谁，但过了一段时间才发现，原来是 OpenAI。事后才知道，发起攻击的主体是 OpenAI。双方共同应对并顺利解决了问题，最后皆大欢喜。最终得出的结论大致如此。Hugging Face 遭到了攻击，而且似乎是 agentic attacker 所为。据说从日志来看，其模式与过去预想的LLM 攻击场景可能呈现的模式完全一致。
简单来说，OpenAI 正在运行一个叫作 ExploitGym 的基准测试，它于今年5月推出，问世约两个月。这个基准测试似乎是用于评估安全能力，也就是能够多有效地攻破系统之类的能力。所以他们在内部把网络隔离起来，据说当时正在 OpenAI 内部测试模型。由于这个模型本来就是用来测试这类能力的，自然解除了护栏，但同时也禁止它访问外部网络，可它发现了一个零日漏洞，并设法连接到了互联网。接着，它进入外部网络后，开始思考：那应该在互联网上找什么呢？答案似乎就在 Hugging Face。于是据说它开始搜索 Hugging Face。在这个过程中，它产生了极其庞大的流量，并进行了这些活动，事件最终就这样得到了处理。
首先，这起事件本身正是我们一直担忧的那类事件，也就是刚才提到的奇点，我们是否正在亲眼见证它？尤其这种说法是人们会感兴趣的话题，所以似乎传播得非常广。Hugging Face 曾试图阻止它，并为此使用了 GPT 和 Claude 等模型，但它们全都被护栏限制，拒绝分析这类安全事件，也拒绝进行所有与安全相关的分析。所以他们内部采取的办法是，托管开源权重模型 GLM 5.2，并使用它来应对这起安全事件。
这似乎是最让人们感到讽刺的部分。因为 OpenAI 或 Claude 这类公司的模型，也就是 GPT 和 Claude 等模型，一直以安全为由将维持闭源作为正当理由。然而真正发生安全事件时，这些模型却派不上用场，反而使用了开源权重模型。所以人们觉得这似乎与其初衷相悖，因此在美国，对此持负面看法的人似乎正在不断增加。
卢正石 那么 Hugging Face 最初宣布遭到攻击时，并没有查明攻击者究竟是谁，对吧？他们自己也不知道，直到大约过了三四天，OpenAI 和Hugging Face 似乎才发表了联合声明。也正是在那个时候，下一代 GPT 模型GPT-6 似乎被确认为幕后元凶。
朴钟贤 是的，虽然这还没有得到事实确认，但大家认为当时在内部接受测试并发动攻击的模型或许就是 GPT-6，人们似乎都认为，这可能是在测试它的过程中发生的。
卢正石 钟贤刚才指出的这个问题，似乎所有公司都会遇到。也就是把我们公司拥有的、只有我们公司才有的核心数据交给前沿模型。而且正如我们一直在说的，最近甚至不再将内容拆分到多个上下文中，而是把工作流程清晰地整理在一份文档里，直接交给 OpenAI 或 Claude，因此，公司是否正在不断把核心资产转移到前沿实验室的数据集中，也已经成为一个问题。
自有数据管控与本地部署模型的必要性 5:01
卢正石 而且就像这次引发争议的情况一样，真正发生事故时，却无法获得前沿实验室模型的帮助，反而要借助中国的开源权重模型。因此，有观点认为，我们公司独有的 proprietary 数据应该重新放进公司自己的本地部署模型以及这类开源权重模型中，这样的主张似乎正变得非常强烈。
而且即将发布的开源权重模型中，Kimi K3 已经打响了第一枪，DeepSeek，以及或许 GLM，也会紧随其后，它们计划将前沿级、1T 级以上的模型以开源权重形式发布，对吧。那么事实上，拥有 Opus 级性能的前沿级模型即使在公司内部，当然这也需要投入极其高昂的成本，必须在公司内部运行这一命题似乎也会很快成立，所以本地部署市场或许也会迅速打开。
崔胜准 听了正石的话，我想起这条新闻刚出来时，正石马上就在群聊里写道：“本地部署时代来了。”我还记得这件事。不过，这也让人想到上周我们稍微提过的萨提亚·纳德拉的逆信息悖论。也就是说，某些数据的优质路径，即使实际上不会被用于训练，人们仍会担心路径本身暴露给科技巨头，纳德拉曾经指出过这种担忧，感觉这件事与其一脉相承。不过另一方面，Sam Altman发帖谈这件事时，我心想：“这不是营销吗？”
卢正石 GPT-6发布后，得把这当成一个机会。虽然应该不是故意的。
崔胜准 我也隐约有这种感觉。
1.4TB 权重与每小时300美元：本地部署的实际成本 6:37
卢正石 其实接着往下聊的话，钟贤，现在前沿实验室连美国、中国都加入了，正在毫不手软地发布所谓的前沿级模型，而且从年初开始，我们就一直感受到这个趋势了。模型的发布周期正在不断缩短。而构建模型的方法如今似乎也已经不算前沿knowledge了。无非是谁拥有更多优质数据，谁能输入更多数据，再加上compute总量，以及compute efficiency。对这些进行manage的工程能力。打造一个前沿模型这件事，近90%已经不再是前沿knowledge，而是前沿工程，说得更极端一点，就是前沿级的苦力活。我们不是经常会说，现在似乎已经变成这样了吗。
朴钟贤 如果再加一项，我觉得就是GPU资源，也就是资本。
卢正石 感觉已经可以回归为几个简单变量了。不过既然如此，钟贤。
崔胜准 按正石刚才所说的，最终做本地部署时，现在要运行2.8T、接近3T的模型，一般公司有能力支撑吗？
卢正石 要不要算算看，钟贤？
朴钟贤 我已经粗略算过了，如果混合使用MXFP4这类最近常用的格式，至少要覆盖这么多内存：1.4TB。
卢正石 那包含KV缓存吗？还是说仅模型的纯权重就有1.4TB？
朴钟贤 只是纯参数。而且这些模型体量很大，所以无论怎么使用MoE，想保证推理速度，内存带宽当然必须足够宽，还得以集群为单位配置H200。因为仅仅那些权重，就很难装进一个节点。那么以这种方式按云端租用成本计算，据说每小时需要将近300美元。具体数字当然都可能变化，但大致规模应该就是这样。
崔胜准 那就是说，至少得配备一个装有72块GPU的机架吗？
朴钟贤 如果考虑公司内部的并发用户数和token速度等因素，我觉得至少得有这么多。
卢正石 即使只是粗略估算，单是设备费用似乎就得投入约2600万元人民币。
朴钟贤 没错。如果真的购买，应该差不多就是这个数。
卢正石 所以即使要把它建成本地部署，正如我们在token economics等话题中多次谈到的，不能是偶尔用一下的公司，而必须不断有workload涌入，有足以让GPU尽可能满负荷运转的流量，这样从粗略的算术计算上才可行。不过，世界上的大公司和有钱人比我们所知道的还要多。所以我们很快就会看到这些事情发生。那么钟贤，要不要把从上周开始一直到今天凌晨发布的模型全部总结一遍，然后进入下一个话题？
从 Kimi K3 到 Opus 5：近期发布模型盘点 9:18
崔胜准 Opus是时隔两个月发布的吧？感觉一直保持着两个月的周期。对吧。
朴钟贤 是的，最初Claude Mythos出现时虽然没有公开，但既然当时闹得沸沸扬扬，如果把那时视为模型实际上已经推出，应该已经过去两个多月了。那我简单梳理一下这些模型。在大型模型中，我们所关注的首先应该就是前沿模型，Thinking Machines Lab新推出了一个名为Inkling的模型，Meta也推出了Muse Spark，此外还有各种各样的模型，不过只挑几个我关注的来说，首先是Kimi K3。我们上周上传的视频下
已经不断有人留言了。大家似乎都很感兴趣。我这周也稍微试用了一下。
还有已经预告的模型，官方已经预告将推出2.4T的Qwen3.8 Max Preview。很快就会发布。而且据传中国的GLM、DeepSeek等也都会推出新模型。
接下来Grok其实也发布了。Gemini也发布了。不过，最受关注的是
卢正石 4.5已经发布，而4.6、4.7也即将推出。
朴钟贤 目前似乎已经发布到4.5了。从上到下看分数的话，Kimi K3的表现好得太令人震惊，所以大家似乎都在关注它。我写到一半时Opus发布了，所以又补了进去。Opus 5已经发布，不过模型发布归发布，而且还在井喷式涌现，实际的流量似乎也正在发生巨大的迁移。token使用量在变化，人们不断切换模型，就连我自己，从GPT-5.6 Sol发布以后，原本依赖Claude Fable 5的部分似乎也已经在相当程度上完成了迁移。所以我们想把这种使用量变化与模型发布结合起来我想把这些内容汇总起来聊一聊。
GPT-5.6 Sol 的实际体验性能与 Kimi K3 的价格 11:21
朴钟贤 首先打响第一枪的好像是GPT-5.6 Sol。纵观今年上半年，从前沿模型的角度来看，Claude给人的感觉是有些一骑绝尘。Opus 4.8是如此，Fable 5的推出也是如此，所以尽管Fable 5有使用量限制，甚至让人觉得他们是不是在仗势做生意，大家似乎还是非常依赖它，而且听说实际营收也增长了非常多。但是随着GPT-5.6 Sol推出，使用量似乎转移了很多过去。
卢正石 听说Anthropic的营收也略有下滑。
朴钟贤 实际使用GPT-5.6 Sol之后，各位能感受到很大的差异吗？
崔胜准 我觉得它们只是各有优缺点，并没有天差地别。
卢正石 作为一个不用Claude Code、一直只用Codex的用户，我觉得GPT-5.6 Sol变得更好了，它更擅长decompose问题，也能持续工作更久，而且还会把coverage扩展到没有要求它做的事情上，让我感到更愉快的地方有所增加，我把这一点视为定性的评价要点。比GPT-5.5更好了。
朴钟贤 我的感受也差不多，可以肯定的是，比较GPT-5.5和Fable 5时，两者似乎存在任何人都能切身感受到的性能差距，而GPT-5.6 Sol无论如何确实是处于最前沿、足以与Fable 5竞争的模型。依我看，GPT-5.6 Sol有点不够“懂事利落”。正石说得比较好听，它会把coverage扩展到我没提过的事情上，并把它们做好，这或许也可以算是优点，但对我来说，它似乎会带来很多上次也提过的认知负荷，让我承受很大的负担，反而连没有要求的事情都做了，所以我个人感觉更累。
就在这种情况下，Kimi K3推出了。Kimi K3的模型首先在基础层面上确实是因为规模大，所以表现很好。因为它本身的体量级别过去并不常见，所以似乎才脱颖而出，而且听说在OpenRouter上使用量非常大。而且我个人试用后觉得，它应该达到能够与前沿模型相比较的水平，但此前的开放权重模型似乎都没有达到这个程度。也就是说，以前只能拿它和Opus 4.8比较，而不能和Fable 5比较。但现在它确实已经成了能与之媲美的模型，我个人认为它大概介于两者之间，也就是Opus 4.8和Fable 5之间的水平。今天Opus 5推出了，我还得试用一下，不过我想它们的感觉可能会比较相似。就是和Opus 5相比。再看一下价格，会发现它比想象中便宜。通过API使用时，它比Opus 5便宜。所以如果它和Opus 5差不多，那么Kimi K3只可能更好，不会更差。
崔胜准 我也还没用过很多次，但从博客上的benchmark来看，Opus 5比Fable 5更擅长的方面变多了，而且价格相同。
朴钟贤 实际用一下之后，会不会发现并非如此？关于价格，也有一些值得讨论的地方，我现在这里是按每token价格写的。上次我们也说过，不应该看每token价格，如果让模型做某件事时，它能高效使用token并完成任务，那不就反而更便宜吗？所以我们说过，现在是不是应该按每项任务的价格来看。因为我们一直在随意调高或调低reasoning effort。而且调节得很频繁。所以我也查了一下这方面的资料。benchmark中有一些是按照每项任务的价格进行比较的。因此从每项任务的价格来看，Opus 5更划算，这样的主张似乎随着这次Opus 5的发布出现了很多。不过这个还是得等我们亲自试用后才能知道。
从按 Token 定价到按任务定价：Benchmark 的局限 15:07
卢正石 关于这些benchmark的概念，我们现在讨论时其实也都是在做非常定性的评价。所以benchmark本身也几乎都被刷到maxing，已经失去意义了，而那些评价标准也是因为有人制定了评分点，我们才拿来使用，只是因为有人设计好了这些评分点，如果不亲自深入查看其中的内容，就连我们也无法客观判断这项测试到底是如何进行的。
所以综合来看，现在这些模型按单位价格计算，确实已经优秀到足以跨过某些临界点，这一点似乎毋庸置疑。因此，在处理我们每天都要做的工作时，可选项已经变得非常多。这似乎就是目前的事实，至于其中该选哪个，感觉真的正在变成对不同品牌的偏好差异。就像奔驰有这些优点，BMW有那些优点，但仔细比较的话其实都差不多。我正逐渐感觉到，我们似乎正在迈入这样的时代。
崔胜准 虽然曾想搅动一下格局，但竞争的引力减弱了，从用户的角度来说还是很幸福的。
卢正石 看来这个行业的本质就是如此。这原来是任何人都能做的事情，这一点似乎正在得到证实。
朴钟贤 是啊。原来只要拥有资本和规模，
卢正石 其他公司也能做到，这一点似乎很令人惊讶。
按任务调整模型等级与 reasoning effort 16:33
朴钟贤 针对正石刚才说的内容，我想问一个问题，那么，如果按照每项任务的价格来考虑，对于最高端的模型，我以前好像一直都只用最高端的模型。但即使只是最近，我也经常针对不同任务调低模型档次使用。很多时候，我都非常确信没有必要使用高端模型，而且价格也有差异，各位实际使用时也会不断调整模型吗？比如使用Claude时，有些工作用Fable 5，有些工作则用Opus，像这样是手动调整的吗？
崔胜准 我会边调整边使用，也会让上位模型使用较低级别的 sub-agent。我自己也会调整，每次也都会调整 reasoning effort。
卢正石 我不会那样做。我不是通过 token maxxing 来推进工作，因为我做的大多是偏好人类参与闭环的工作，所以会一直在我控制的循环内运行，又因为我会在自己控制的 workflow 中部署 agent，因此很难用完 $200 套餐的 weekly limit。我会在其中调整到 medium to xhigh 左右。
因为实际上我在 production 中使用的那些，有时会设为 medium 左右来改善 latency，而处理工作任务时则会使用 xhigh。
但是再往上的 max 或 ultra，不是还有这些吗？我觉得那些太过头了，所以完全不会使用。
崔胜准 我即使调整，好像也从来没有降到 medium以下过。
卢正石 从实际感受来说，我也不会降到 medium 以下。
朴钟贤 我好像也只会降到 medium，如果 latency 很重要，我似乎会开启 Fast 使用。所以价格方面，首先是每 token 的价格，不过过去与 Opus 4.8 进行评估比较时，尽管 Kimi 的每 token 价格更低，但由于它会使用更多 token，完成任务时反而是 Opus 4.8 更便宜，当时有这样的说法。总之都已经足够便宜了。可以说价格已经低到能够进行同等竞争的水平，甚至 GLM
崔胜准 如果是 5.2，那 Kimi K3 也不算特别便宜啊。
朴钟贤 对。以 GLM 5.2 为例，GLM 5.2 的价格还要更低。至于它为什么便宜，相比之下，一旦以开放权重的形式发布，OpenRouter，也就是许多 GPU 租赁服务商，就会部署开放权重模型，并在 inference token 的价格上展开竞争。因此价格会不断变化并进一步下降。所以 Kimi K3 大概因为已经预告即将开放权重，价格还会继续下降。
卢正石 如果是这样，我们从中可以感受到的是，GLM 5.2还不是最新的 2.4T 级别，它的参数量是几千亿B吗？GLM 5.2 的话。
朴钟贤 应该不到 1T。
卢正石 应该不到。即使按算术乘以 3，也就是 $2 左右，比如说，如果被卷入这场竞争，进入竞争格局，看来会产生 30~40% 的降价效果。
崔胜准 不过粗略来说，我并没有准确计算过，只是凭感觉，现在这些不都是一致的吗？都是确定的。资源和价格。
朴钟贤 对。归根结底，从作为成本的硬件和能源等方面来看，假设模型的量级、参数规模与智能程度大致成正比，那么可以认为它们的趋势几乎相同。
崔胜准 所以这些事情似乎都发生在接近成本价的区间。
卢正石 底层几乎都是由 NVIDIA 在驱动，所以会变得相近吧。
Qwen 的多模态攻势与中国 AI 格局 20:06
朴钟贤 接下来还有一点值得关注，我们现在只是在讨论 LLM，但 Qwen 几乎每天都在发布新东西。稍微岔开一下，Qwen-Music 已经发布了。TTS 也发布了。Qwen 的 TTS 相当不错。TTS 发布了，图像模型也发布了。进展很顺利啊。
完全是。所以原本 Qwen从名为 Wan 的 Video 模型开始，就以涉足极其多样的领域而闻名，但曾经有过一些这样的传闻。听说很多人离职了？当时有这样的传闻，此后似乎沉寂了一段时间。而且 Qwen 确实很开放……以前即使是今年 1 月发布的模型，也有很多采用 Apache，但今后似乎会逐渐转向封闭。因为也需要盈利，随着这种说法出现，甚至还传出了 exodus 的说法，但无论如何，这里也在不断推出模型。
崔胜准 那段时间似乎与 WAIC 的举办时间有些重合。是在中国。
朴钟贤 是吗？那是什么？WAIC？
崔胜准 好像是中国的 AI 活动。
卢正石 那是在上海举办的 AI 相关会议。规模大到习近平主席都会出席，是中国非常大型的活动。是一场足以与 Google I/O 相提并论的大型活动。只是我们相对不太关注中国国内的情况，是吧。我们的所有消息不都聚焦于美国吗？这确实是个问题，但中国已经是前沿了，这个说法很准确。那里现在就是前沿。
朴钟贤 Tencent 有位做 Zhang Xiaojun Podcast 的人，曾经采访过这次的 Kimi CEO，以前有过这样一期采访。是 K2 时期的。最近传播得很广。
卢正石 我们去一趟中国吧。我们也去。北京和杭州是中国的两个主要地点。Moonshot 和 GLM 在北京。据我所知，DeepSeek 在杭州。Alibaba 总部在杭州，DeepSeek 和Qwen 据我所知也在杭州。
朴钟贤 所以 Opus 5，无论如何它也是今天发布的，这个似乎要等我们用过之后再讨论。无论如何，各种模型正在接连不断地涌现，而这周和上周一路下来，我感受到的是与价格相互联动的使用量变化，Sam Altman在安全事故发生前的thread里非常卖力地宣传了这个。使用量大幅增加了。所以如果把时间往回拨大约2周，看一看这2周内的变化，自从Codex推出GPT-5.6 Sol之后，如果说之前是Claude一枝独秀，那么现在使用量似乎大量转移过去了。实际上我身边的人是这样，我也是这样。所以当时有消息说使用量大幅增加了。
GPT-5.6 Sol 之后，Codex 与 Claude 的使用量竞争 22:19
朴钟贤 接下来是帮大家重置Codex的Tibo Sottiaux。
卢正石 Tibo Sottiaux。
朴钟贤 Tibo Sottiaux帮大家重置了非常多次。甚至这些重置次数还能累积。我也先把次数攒着，然后一次次重置来使用。总之，如果看一下这样的使用量变化，自从推出GPT-5.6 Sol后，原本7M的用户数突然一路增加到了10M。
崔胜准 大约一周。
卢正石 从700万人增加到了1,000万人。
朴钟贤 所以看图表的话，突然看来GPT-5.6 Sol推出时是从6M起步的。所以当时做了很多促销活动，说每增加1M就会帮大家重置一次，因此这些重置次数就累积起来了。
崔胜准 原来是这么回事。
朴钟贤 所以还取消了5小时限制，至于Codex，取消了Codex订阅套餐的5小时限制，只保留每周限额，让大家尽情使用。使用量正在大幅增加。为了能够承受这样的inference，还极力炫耀我们已经把一切都准备好了。当时发生了这样的事情。
卢正石 如果把那些图表稍微叠加起来看，应该会很有意思。从去年秋天到今年年初，流量不是因为Anthropic的Claude Code大幅增加了吗？所以当时有说法称Anthropic的总营收将超过OpenAI，那是在今年年初，而因为这件事，valuation也大幅上涨了。所以OpenAI在年初换挡，表示“我们也要强化编程”，并加强Codex战线，这听起来像是很久以前的事，其实也就是今年年初左右。从那时至今的发展速度、质量变化等方面来看，OpenAI确实也执行得非常出色。
而这些内容就体现在钟贤现在展示的那张图表里。就在年初时，用户数还非常少，相较于Claude Code而言。
崔胜准 B2B和B2C都包括在内吗？
卢正石 应该是吧？指的是全部Codex用户，也就是说，不是ChatGPT用户，而是说这是ChatGPT Work与Codex的每周WAU，所以应该包括在内。
崔胜准 Anthropic的情况，相较于B2C，B2B的规模要大得多，我记得我们以前好像聊过这个，那么如果这里不仅包括B2C，也包括B2B，也可以佐证它在企业中得到了大量使用。
朴钟贤 实际上，我们无法准确知道其中的占比
卢正石 是的，不知道，无法得知。不过这里还有一个需要关注的点，就是Codex是否是靠organic方式自行实现了这样的增长，还是从Claude Code那里一口气抢走了相当于这一增量的用户，在看到双方的统计数据之前还无法判断，但如果Anthropic正处于营收略有下降的阶段，而GPT正处于这样增长的阶段，那么ChatGPT从今年年初至今采取的一贯策略，就是以低得多的价格提供更高的token使用量。
不过大家已经非常习惯Claude Code，而且很多工程师都是从它开始入门的，所以其中存在lock-in效应，但我感觉这种效应现在似乎已经开始出现了一些裂缝。眼下有趣的是，
崔胜准 因为我在桌面应用中同时使用两边的产品，Claude Code大约每一两天会出现一次更新。但Codex有时一天会更新两三次。看来他们工作得很努力。
卢正石 而且Codex的桌面环境似乎也改善了很多。另外，最近Claude Code还拿Fable 5吊足了大家的胃口。一直说会在什么时候完成，却不断往后推，似乎也让人产生了些许烦躁和疲惫感。
钟贤，我有个问题。我并没有把Claude Code作为主力工具使用，而且自从去年年底取消Claude Code Max后，就没再回去用过。运行同样的任务时，GPT与Claude Code的token使用量，以及整个Max套餐中可用的token总量，可以比较一下吗？
朴钟贤 就我的直观感受而言，首先是token使用量，我并没有追踪具体数字，但如果根据限额下降的幅度来感受，同样支付200美元时，Claude Code的额度消耗得快得多。
崔胜准 没错，下降得快得多。
卢正石 那么归根结底，Anthropic最初通过专注建立起来的这种first-mover effect，已经被Codex追上了许多，而且相较于Claude Code，Codex在compute方面余裕大得多，因此把重置作为武器，抢走了很多工程师，这样理解应该是对的。
朴钟贤 很大概率这并不是organic增长，不是开拓了新的市场，而是抢走了Claude所吸引来的人，这样看似乎是合理得多的推论。我们先看一下这个数字。
卢正石 真的很厉害。
朴钟贤 因为只要看一下横轴和纵轴，这是今年3月。当时是3M，到了7月推出GPT-5.6 Sol后，仅用2周就达到了10M。看到这些，就会觉得确实正在爆发式增长。用户数量本身确实是这样。也做了非常多奇特的促销活动。转到Codex并发布使用感受，就送100美元，也做过这种活动。那个好像也是前10K名用户，限定1万人，但大概只用了两天，或三天就全部结束了，这个也是。所以说到GTM策略，刚才也提到了Claude的Fable 5使用量，如果也梳理一下这方面，现在的促销做得就像价格战一样，甚至让人有这种感觉。
尤其是B2C订阅套餐，Fable 5就有过那样的促销。原本规定了使用截止日期，但GPT-5.6 Sol发布后，延长一周，又延长一周，后来又让用户可以一直通过订阅套餐使用，甚至Claude Code现在还在做将每周使用限额提高50%的促销。随着Kimi K3发布，这些活动又增加了。
Kimi K3 冲击后的基础设施投资，以及 Google 的另一套 playbook 29:23
朴钟贤 这种竞争从消费者角度来看，虽然不知道能持续到什么时候，但确实让人觉得很好，也很感激。相反，现在股市中的AI相关股票表现并不算太好，我觉得最近的情况或许正包含了所有这些因素。我是这样认为的。以前DeepSeek刚发布时，因为不用购买太多NVIDIA GPU，只用最低限度的资源
卢正石 也能达到那种性能，所以不是曾经出现过所谓的DeepSeek冲击吗？这次随着Kimi K3发布，也出现了类似的逻辑，即中国现在能用少得多的半导体实现更高的性能，由此形成了一种叙事，导致大众抛售半导体股或AI股，我觉得确实有一些这样的现象。但从目前的这种趋势来看，今后很长一段时间内，基础设施投资似乎还会继续增加，所以我认为市场依然会很火热。
崔胜准 您刚才展示的幻灯片资料里，漏掉了一家以G开头的公司。
卢正石 G，Google。不过Google现在本来就是一家拥有大量流量的公司，仅仅处理流入自家平台的流量所产生的workload，compute恐怕就已经不够用了。因此，如果只从商业角度考虑，OpenAI和Claude Code这边，Anthropic或OpenAI原本就没有需要防守的资产。只需要进攻就行，所以可以只关注一条战线，但Google的情况是，从YouTube开始，到搜索，再到Google Cloud，正拖着极其庞大的战线，逐一对其进行改造。Google现在内部也在推进这些工作，因为我们也在使用Google Workspace，所以能看到AI功能不断地被加入各个地方。上传视频后，会自动添加评论和字幕，而且为了把自家的全部assets都改造成AI形态，应该也已经消耗了极其庞大的流量，反过来说，只要把这件事做好，他们就已经是赢家了。至于还需要额外做些什么，这方面的priority或许被定得比较低，我是这样认为的。他们可能暂时不参与这场竞争，而是先做其他事情，等到某个时刻认为必须做这件事时，或许会采用某种不同的playbook。
另外，第二点是证券界或炒股的人有一种传闻，说Google的Demis Hassabis把编程之类的问题定义为微不足道的问题，而且对拯救人类更感兴趣，甚至有人认为Google会被归类为生物科技股。因为他们会在AI for Science、生物工程或新药研发等领域解决更根本性的问题，所以甚至有一种极端观点认为，再过一阵子就应该把Google归类为生物科技股，我经常听到这种说法。
崔胜准 不过无论如何，Google也发布了Gemini 3.6 Flash，也说过Gemini 4已经开始预训练，但看Bloomberg之类的报道，据说他们内部没有很好地align，似乎也有这种说法。不过无论如何，Google也能做到吧？至少今年之内。
朴钟贤 如果从现实角度展望，Google确实拥有很多有利条件。既有TPU，资源和数据也很多。实际上，正如刚才所说，Anthropic尤其专注于编程，以非常鲜明的优势展开竞争，而Google则有Google DeepMind发布数学模型，还推出了许多非常独特的模型。甚至还有解读海豚信号的模型，music方面的模型也做得很好。
卢正石 都说不必操心艺人和金部长的事，我们似乎也不用替Google操心。因为那里真的是一个拥有无限资金的地方。
崔胜准 与其说是担心，不如说是希望他们把模型发布出来。
卢正石 是的。Antigravity也像Claude Code或Codex一样发布了那类产品，但据我所知，市场份额几乎可以忽略不计。就连我自己也只是在AntigravityCLI刚发布时用过一次，后来就再也没回去用过。
崔胜准 我也重新回到了Visual Studio。我说的是IDE方面。
朴钟贤 所以说到GTM策略，归根结底就是他们在做大量促销，就是这么回事。归根结底，因为竞争非常激烈，所以促销活动也很多，这是对消费者有利的市场阶段，而且今后似乎还会持续下去。
最后，如果允许我再补充一点，刚才最开始时也短暂提到过，Kimi K3最终做得实在太好了，这似乎进一步加剧了。这种竞争格局，曾有说法称其 distillation 了 Fable 5 的某些数据，但从发布时间来看，两者其实并没有重叠太多。并没有足够的时间拿到数据再进行训练，所以这点我们并不清楚，但我个人认为应该不是这样。反过来说，其他公司也完全有能力做到，尤其是中国的公司，还有韩国，或者Mistral 之类的其他法国公司，总之，无论哪里的公司，都完全有可能打造出优秀的大模型，可以这样概括。
Token 需求的指数级增长与消费者 AI 的潜力 34:50
卢正石 AI不是一直都在做这种追赶吗？与此同时，如果想全面解读AI世界中发生的变化，就得从最底层的数据中心和芯片制造环节开始看，因为这些因素都在影响着整个动态格局，我是这么认为的。
所以我想向两位提问，也想一起讨论的主题是，目前这种前沿级模型之间的竞争仍在持续，但并没有像原先预想的那样，因为竞争导致 token 价格持续飙升，而是始终被控制在某个水平。而这种得到控制的部分正在转化为消费者福利，但对这部分消费者福利的需求尚未扩展到大众，目前依旧主要集中在原有的工程师、早期采用者以及走在前面的公司等群体中，热度仍然很高。
不过，这种需求显然会持续增长。第一，从 supply chain 底层的数据中心到前沿模型的供应，再到前沿模型之下的小模型供应端，未来将会发生哪些变化？这是第一个问题。然后第二个问题是需求端，如果前沿模型的供应像这样持续增加，价格也维持在一定水平，并且不断下降，那么需求端会发生哪些变化？我想听听两位的高见。
要不我先说说？好，可以。
朴钟贤 我最近在思考的是，刚才提到这项技术已经普及到大众，或者似乎还没有普及，诸如此类的话题，但我认为，从整个市场来看，有多大比例的人在使用它，可能并没有那么重要。从供需角度来看，因为这次 ICML 期间，我与旧金山的一些人交谈时意识到，为什么他们和我的 token 使用量，人均 token 使用量会相差100倍甚至1万倍？我产生了这样的疑问。首先，比如说我和我的家人、朋友，或者从事其他领域的朋友相比，即使他们都是精英工程师，只是有些人并非从事计算机领域，但当我问起他们的 token 使用量时，我感觉自己的使用量要高出1万倍。比如我订阅了约1,450元的 Max 套餐，而且几乎会用完全部额度，如果和使用约145元套餐的人相比，使用量可能会相差100倍以上。所以从供需角度来看，与其说是很多人都在使用，不如说某些特定个人、特定商业集团或公司的使用量可能会极其 dominant。
因此，无论这项技术是否普及到大众，token 使用量都必然会在今后一段时间内，不是以线性规模，而是以指数级规模持续增长。
那么 supply chain 当然无法实现指数级增长，所以必然会努力突破这个瓶颈。无论是能源，还是不使用 GPU 的 NPU，现在不是已经出现了很多 inference 芯片吗？无论是像 Cerebras 这样的企业不断涌现，还是采取其他各种方式，我认为市场都会由需求先行，并由需求拉动发展，至少短期内我是这样认为的。
卢正石 总之，概括一下钟贤的观点，供应端持续落后于需求端的局面几乎必然会出现。
崔胜准 关于第一个问题，我并没有认真思考过，就从与第二个问题相关的角度来看的话，我想起了以前的事情。Google 和 Facebook 曾经为了在互联网上开拓新市场，推进过 Loon 以及放飞无人机之类的项目。说是要让非洲人也能使用互联网。他们认为，只要 marginal 群体也能使用互联网并接入网络，就能够从中获得某种收益，因而试图开拓这个市场，但最终并不成功。
听完钟贤的发言后，我觉得现在似乎正在发生类似的事情。不过，这里有两个方面，一方面，marginal 群体加在一起后，长尾规模依然非常庞大，因此仍有值得开拓的市场。但从短期和中短期来看，听完刚才的发言，我觉得使用量极大的群体将会占据 dominant 地位。
卢正石 所以在需求端，同样会存在帕累托法则。是的，我觉得这个观点非常正确。前20%的人会消耗全部流量的80%，而后80%的人只会消耗20%。不过，要等到他们像在日常生活中一样使用这项技术，就像如今人人都有智能手机一样，人人都与模型一起完成所有事情，还需要一些时间。但与他们所占的流量相比，刚才提到的前20%的用户所使用的流量要大得多。
崔胜准 不过，我觉得这和OpenAI的战略不谋而合，因为OpenAI不是一直在尝试寻找新的UX或形态吗？Anthropic虽然还没有这么做，但OpenAI一直在不断尝试，所以我不禁会想，这会不会是为了吸纳更多市场而提前布局。
尚未真正开始的消费者 AI 生意 40:10
卢正石 不过归根结底，无论是Anthropic还是OpenAI，现在虽然都被逼到了某个角落，但如果说存在一个大部分时候都被它们视为目标的市场，那应该就是Google所拥有的那些市场。它们的目标似乎会是把那些市场全部拿过来，这不就是在Google创造的所有资产上插吸管的战略吗？把那些资产当作数据库使用，再说“工作就跟我们一起做”，也就是一种包装战略，把接触点包装起来，让自己处于这一切之上，它们采取的就是这样的战略。正如Google和Meta已经证明的那样，消费市场是一棵摇钱树。
因为这是一个能够赚取巨额利润的市场，所以它们对于进军那个方向自然应该也怀有梦想。对它们来说，企业市场虽然很大，但看看现在IBM或Microsoft的B2B业务，以及Oracle所拥有的B2B业务，另外还可以举SAP和Salesforce为例，据我所知，即便把它们的营收全部加起来，与Meta和Google在消费端创造的营收相比，差距依然非常大。
因为市场规模不同，所以它们什么时候会开始向消费端发起进攻，一直也是我关注的问题。因为根据这些事情的发展走向，像我们这样的后来者，或者小型“逃亡者”企业都会受到市场动态的影响，所以我似乎一直在密切关注这些方面。因此从这个意义上说，消费级AI业务在我看来甚至还没有真正开始，我多少有这样的想法。如果说消费级AI业务中勉强出现了一个成果，我觉得应该就是Character.AI之类的产品。
崔胜准 当然，大家对它也有一些担忧，但普通用户几乎没有代理工作流。让用户持续消耗token的流本身并没有形成，而仅靠聊天是做不到这一点的。
卢正石 不过您的意思是，至少也应该懂得如何使用Claude Code、Codex之类的代理系统，对吧？
崔胜准 无论是什么，消费端都需要有能够让token持续流动的use case，只有消费端存在这样的用例，才能形成现在这样的趋势，但关于这种case本身，我感觉在身边还没有看到那么多。
卢正石 胜准刚才指出的这一点，我认为正是消费级应用所处的阶段。一般的消费者，也就是普通用户，很难具备设计这种工作流的意愿、目的性或能力，简单来说，他们很难具备这些条件。所以，当某个企业出现，把这些内容干净利落地打包，再将整套产品直接交给用户时，我认为那才是消费业务的开端。
例如，前几天ChatGPT Health刚刚在美国上线。只要把医疗记录之类的信息全部输入进去，就有一种会说“剩下的全部交给我”的服务。就像Google曾经做过的那样，OpenAI或Claude也会把所有称得上“消费服务就应该有这种东西”的产品全部推出，但外部也会原样出现同类产品。
它们会通过与其他模型组合，要么价格便宜一点，要么具备一些不同的feature，或者进一步强化human touch，大概会以这种方式发展。就像Uber和Airbnb曾经出现一样，我认为这类服务也会逐个涌现。如果说这些服务存在一个核心共性，那就是会把胜准刚才提到的、普通消费者认为“自己绝对做不到那种事”的那一部分明确转化为价值。
崔胜准 与其说是做不到，不如说是没有需要去做的情境。
卢正石 我觉得未必吧？关于这一点，我认为这个假设多少有些问题。例如，如果没有Airbnb，用户在这次旅行时自然不会想到，要不要尝试住一种新的住宿。但Airbnb这个事物突然从某个地方出现，告诉你，去东京时不一定非要住千篇一律的商务酒店，还可以去拥有这种景色和体验的其他地方，于是这种需求就被激发出来了。就像Airbnb这样的服务出现了一样，我觉得在AI领域也会出现这样的事物。
崔胜准 可以把这看作是在开拓市场。无论是思考本身、思考的工具，还是新的体验，都需要一种新的媒介，有了那个事物，这一切才会发生。
卢正石 在我们看来，那种生意会有谁去做呢？有很多领域都被认为“太微不足道了”，但如果我们展望未来4年，或者更长的10年，把那些“让Codex全部做掉不就行了”的事情一个个挖掘出来，就会形成一些看似荒谬的业务领域，并从中逐个诞生出规模堪比Airbnb、Uber、Coupang或外卖民族的企业，我认为我们会逐渐看到这样的事情发生。只是我觉得，怀有这种意图的entrepreneur、创业者目前还出现得比较少。这也是我所在的领域。
朴钟贤 听完这些，我稍微总结一下，从胜准的立场来看，您的意思是，普通人都有自己原本在做的事情，那项工作必须被智能体取代，这一切才会改变，但这类工作通常普通人，也就是说，并不是所有大众都在做。所以根本没有什么可以被取代。不过，那种行为并不一定非要他们亲自去做。如果外面的一些 entrepreneur们通过那种 agentic的流程创造出某种东西，普通人只需要享受就行了。
这样一来，token其实都是在那边消耗的，而所有人的生活都会因此改变。我也有类似的想法，比如只拿 YouTube来说，YouTube最近也新加入了配音功能。所以会自动配音成多种语言。因此，那里正在消耗海量token。这意味着，像我们这样的普通用户，即使创作者或视频制作者并没有为其配音，也能因为 YouTube消耗了token，直接看到那些虽然来自海外，却因语言障碍而无法观看的内容，娱乐的边界由此扩展了。虽然大众并没有亲自制作这些东西，但也可以说，这种token消耗已经完全融入了大众的生活。
崔胜准 那么，这些token成本会转嫁到哪里呢？
卢正石 这正是商业模式的美妙之处，那里会产生成本，对吧。消费者也会从中受益，对吧。那么消费者就会更加lock-in于那个媒体平台，对吧。就会产生必须使用它、无法离开它的因素，对吧。那么，这种媒体影响力Google会在其他方面将其变现。比如展示广告，或开展其他促销活动。这些就是 Google帝国或 Naver帝国正在构建的商业模式。
崔胜准 正因为做过某种模拟，所以反过来可以推算出他们才会用大模型来配音。
卢正石 这是具有相应价值的事情，通过为用户提供更好的功能将其留住，从而享受 AI带来的收益。
朴钟贤 不过从整个平台来看，这也可能是一场存量蛋糕之争。或者说，配音功能出现后，YouTube就在争夺所有大众的时间。它可以凭借更优质的内容，把人们用于娱乐的时间从 Instagram那里抢过来，也可以把原本出门踢足球的时间转化为使用 YouTube的时间。
崔胜准 看来根本不用替 Google操心。
卢正石 因为那里是平台dynamics发挥作用的领域。所以在稍微谈一下supply side之前，a16z的 Benedict Evans所作的比喻，我认为非常贴切。回顾过去20至30年，将 UX与数据库捆绑在一起的产品开始普及。看看我们现在使用的所有 B2B应用，以及consumer应用，归根结底，全都不过是在数据库中写入、读取和更新数据而已。然而，以此为核心，具备各种workflow的大量 B2B SaaS和consumer product得以普及，对此Benedict Evans说：“这不过是在unbundling Oracle。”他认为，unbundling数据库的过程在过去20年间持续发生。总结来说，无论是刚才钟贤提到的例子，还是我刚才所说的“原来consumer应用还没有出现。”这一点，今后 ChatGPT和 Anthropic虽然会做非常多的事情，但这些能力会逐一进入每个行业中用户觉得麻烦的领域，无论是巧妙组合prompt和工具，还是其他组合方式，都会从 ChatGPT，也就是无论背后运行什么模型，调取intelligence并据此打造出各种各样的独立服务。所以有人说：“未来十年就是unbundling ChatGPT。是unbundling intelligence的时代。”我认为这种dynamics非常合理。我觉得这可能就是今后我们应该关注的投资与创业趋势。80%的客户并不会在意 AI由什么构成，也不会关心这类事情。他们会关注眼前的task能变得多么便利，因此我认为市场还有很大的拓展空间。
从拆解 Oracle 到拆解智能 48:20
HBM、ASML 光刻设备、既定供应链与 Token 价格 50:19
卢正石 接下来再回到supply side，继续谈一谈，听他们所说的内容，大多数人关注的都是数据中心、芯片，以及inference orchestration，这些领域。所以他们似乎也把芯片分为training芯片和inference芯片来看待。training方面似乎大多都以 NVIDIA为中心形成了统一阵线，而大家谈论的似乎都是inference芯片，但深入那一侧的dynamics后，这种dynamics的时间差如何产生，似乎会影响我们今天正在讨论的token价格dynamics。比如，我们现在显然正处于memory-bound的时期，因此 HBM之类的价格正在飞涨。那么，要解决这个问题，就必须提升产能，对吧。这取决于数据中心的建设周期，再往前追溯到芯片，也取决于晶圆厂的建设周期。此外，晶圆厂使用的核心设备，也就是 ASML光刻设备，每年的产量有多少也非常重要。
顺带一提，目前中国企业无法购买2纳米、3纳米级光刻设备，因为这些设备被禁止向其出售。这是由于美国的出口限制。那么，中国显然也会有一种必须自主制造光刻设备的使命意识，肯定会有非常多的企业在国家主导下开展规模惊人的工作，我觉得应该会有。而且不用舍近求远，Elon Musk不是已经公布了Terafab吗？但有些人对此评价说这是不切实际的计划。因为ASML的光刻设备产能是固定的，然后用于这些光刻设备的卡尔蔡司镜头产能也是固定的。卡尔蔡司的德国工匠必须逐个打磨镜头，但他们的工作时间被限定在每周三十多个小时，所以产能也是固定的。因此，未来五年会向谁供应多少台，以及这些设备会卖给谁，都已经全部确定了。所以夸张一点说，直到2032年，全球芯片市场将会如何运转，其实都已经确定了。这正通过当前的Token价格dynamics体现出来，而我们需要密切关注的是Elon Musk究竟能否成功开发出新的光刻设备，以及中国能否推出ASML的替代品。只要这些能够问世，半导体生产中很多产能问题也会随之得到解决。只要建设更多发电厂和晶圆厂，然后再建设更多数据中心就可以了。SemiAnalysis会汇总所有这些信息，如果有据称将在某处建设的数据中心之类的施工现场，他们就会通过该地的卫星照片持续追踪施工进度。然后据此计算它大概会在什么时候以这么大的compute capacity进入市场，而前沿实验室或进军数据中心领域的企业都会从SemiAnalysis获取这些信息，并对未来的compute供应量作出非常准确的预测。但如果说有什么是他们无法预测、也不了解的，那就是创新。Elon Musk能否造出Terafab，中国能否推出一种不依赖ASML的新型光刻设备，这些方面仍存在不确定性，而我觉得这一点非常有意思。应该能做到吧？因为我是tech optimist，Elon Musk在自动驾驶之类的领域，也曾耗时十年创造出原本不存在的东西。看Tesla就知道，现在从电池到FSD，都在不依赖外部supply chain的情况下，完全通过in-house进行生产。SpaceX也是如此。Elon Musk似乎把最底层的东西视为最根本的bottleneck。那么芯片自然就会被归结为对光刻设备这一项dependency，而传统半导体行业的人士认为，这不是一朝一夕能够实现的。但不知为何，我觉得中国和Elon Musk也能跨过这道坎吧？那么经过大约五年，竞争dynamics也可能发生彻底改变，届时Token价格就会再次像电费一样不断下降，这样理解应该是对的。
作为无法绕开的最终瓶颈：能源 55:05
朴钟贤 从supply chain的角度进一步展开来说，首先，一旦出现创新，当然会有很多事情发生变化。但那是我们难以预测的领域，所以先假设没有创新，对未来进行projection的话，目前从demand side来预测，Token的使用量似乎可能会呈指数级增长。如果按这种方式预测使用量，并以此为前提，那么supply chain就会认为，只要能生产出来，就一定能赚钱。那么，当某处出现bottleneck，导致无法扩大scale时，几年前已经出现过CoWoS了吧？除了芯片封装环节和ASML的设备以外，还有一些曾成为bottleneck、之后又得到解决的环节，现在的HBM也是如此。据我了解，这些环节一直在发生变化，而且芯片并不一定都需要极其先进。例如，inference专用芯片据我所知就没有采用最新制程。按理说，它的能源效率当然应该更低，但通过限制需要执行的任务来提高效率，这就是设计层面的inference专用芯片方案。
总之，我想说的是，无论是光刻设备还是生产端的其他环节，一旦出现bottleneck，完全有可能找到其他绕行方案。那么即使能源效率不高，只要投入大量资本，也可以把所需的一切都生产出来，因为可以使用上一代芯片组建大型cluster来完成任务。因此不断向下、向下、向下、再向下追溯，要说最根本的bottleneck会出现在哪里，我认为是能源。
就是电力。那么，如果能够无限供应能源、电力，虽然那当然也很困难，但假如能够做到，极端地说，上层无论多么低效都无所谓。Elon Musk所说的在太空建设发电站，并设法利用太阳能，归根结底似乎也是类似的逻辑。他们已经想到那么远了。我认为完全有可能。所以无论有没有创新，大家最终都只能专注于能源，其根本原因是，能源是从最底层、从一开始就产生的问题。如果我们聚焦于这一点进行观察，或许也能不断更准确地预测Token价格，我是这么认为的。
加速的技术要求人们做出的转变 57:31
崔胜准 我想补充的是，从技术的轨迹和发展方向来看，我们曾多次讨论通过exodus把原本在一边的东西抢过来，或者将其转移到另一边。归根结底，现在那些正在积极使用 AI，无论是做 token maxxing 还是别的，在日常生活中使用它的人，生活都已经发生了变化。有些人变得身心俱疲，有些人的生产力则提高了。然而，对于这样的体验，我绝不认为如今的技术是价值中立的，而技术及其周边的某些理念、政治或势力，似乎想让其他人也变成那样。似乎想让其他人也转移过去。也就是说，存在一种想要逐步改变人类的倾向。无论这是有意还是无意的。所以，刚才 正石 讲的，以及 钟贤 讲的，归根结底都是在说继续向前发展。如果继续向前，我们会变成什么样，对这些问题也有必要进行思考。我个人认为，有些方面并不一定非要向前发展。所以，对于这一点，还有一些需要进一步深思的部分，而且有不少。这似乎就是在临近收尾时掠过脑海的思考。
卢正石 归根结底，这一切都会落到政治领域。因为每个人都不一样，正因为如此不同。是的，没错。也有很多人不喜欢变化。
崔胜准 没错。比如说，像现在这样的某种AI psychosis 状态，我们是否也想让正在成长的年轻人经历，这让我很纠结。这是好事还是坏事，也有必要思考这些问题。我大致产生了这些想法。
卢正石 等这个时期过去之后，应该会出现某种新的平衡点。我们现在正在经历这一过程，又身处其中参与其中，所以无法跳到外面去审视它。现在似乎是每个人都在各自下注的时期。有人押注要做，也有人押注不做；有人认为这是正确的，也有人认为这是不正确的，所以观点似乎分布在非常多样的光谱上。正如我们在上期节目中也略有提及的，有些人称我们为规模主义者，也可能认为我们是坏人。这是无法抗拒的。
崔胜准 这种节奏反而可能会继续加速。只是不知道会持续到什么时候。
卢正石 没错。而且现在各种预测都出现了。什么时候会迎来奇点、AGI 会在什么时候出现，诸如此类。事实上，无论是 GPT-5.6 Sol、Fable 5，还是这次被推测为 GPT-6 的 AI入侵 Hugging Face 的事件，这些原本只会发生在电影剧本里的事情，如今都真的发生了。
加速的模型演进，以及适应变化速度的方法 60:17
崔胜准 但如果外推一下，去年 8 月还是 GPT-5。可今年 7 月底，我们已经在谈论GPT-6 的传闻了。在已有 GPT-5.6 Sol 的情况下，又已经通过 Hugging Face 事件得知了某个模型的存在。哪怕只做简单的线性外推，明年这个时候不就是 GPT-7 了吗？
卢正石 所以我们以前说，前面的大版本号更新，是性能提升一两倍时才算大版本更新。但不知从什么时候起，前面的数字保持不变，后面的数字每变一次，就意味着性能提升了大约一倍。等这种情况重复一两三次、三四次，前面的大版本号就……
崔胜准 今年就变了。
卢正石 那么，如果大版本号发生变化，就不是提升两倍、三倍的问题，而是 OOM 级别的变化。
崔胜准 但有些人会受到它的影响，也有些人已经处于收益递减区间，关于这些方面，以后也可以慢慢聊一聊。
卢正石 我们每次聊起来，也都会不停地陷入循环。怎么办，怎么办，好可怕。但感觉这些全都能实现。因为感觉全都能实现，那就再多点几下吧。感觉最后总会绕回这个结论。
崔胜准 人是适应性动物，甚至已经有人在时间线上说，现在感觉 Fable 5 好像很笨。
卢正石 好像不太行啊？大家已经开始说这种话了。今天我们围绕模型发展展开讨论，朝这个方向、那个方向尝试让思维框架驰骋了一番，但我们所讲的这些，其实也只是一些思维碎片。就连我自己所讲的这些内容之间，在逻辑上相互矛盾的地方也非常多。这说明，要形成某种统一的视角，世界变化的速度实在太快了。仅仅是努力追赶，就已经值得为我们所有人鼓掌，我是这么认为的。
现在每个人都在经历某种程度的抑郁。我也是。心理上实在太疲惫，这些东西不断积累，我甚至觉得自己过去一周生病可能也是因为这个。我在美国期间、参加 ICML 期间，为了弄清前沿正在朝哪里发展，以及活跃在前沿的工程师、研究人员以怎样的视角看待世界，真的是为了尽可能挖掘出这些信息而疯狂奔走。即便如此，我也没有确定几个“原来方向就是这样”的结论。
不过，钟贤 刚才也提到过，我原本持有的思维向量确实得到了非常多的校正。这一部分的概率很高，那一部分似乎不必刻意关注，而我应该前进的方向“就是那个”，有些事情已经稍微确定下来了。所以，关于这些方面，今后随着我们每周继续进行节目，应该还会有非常多机会进行讨论。钟贤 也提供了很多宝贵的意见和洞见，我对此非常感谢。
崔胜准 有一个事实是，即使每周都聊，信息也像聚宝盆一样源源不断。
卢正石 真累啊。真的突然一下子就火大了。
朴钟贤 我们每周做，所以看起来是每周都在变，但只要一打开X，就会感觉每6个小时都在不断变化。
卢正石 身处前沿的人们也比我们更加拼命地向前冲，所以就像刚才钟贤说的，他们也几乎每天，甚至每隔几个小时就在应对市场变化，这一点肉眼可见。更加努力地生活才是答案吗？
崔胜准 不知道。先到这里吧。
不是吗？今天就先到这里吧。会失去一些东西。要是总这样加码的话，比如健康。
卢正石 那我们就以继续折磨智能体作为结论吧。那么，钟贤、胜准，再次感谢两位抽出宝贵时间。本周就到这里吧。好的，谢谢。