旗舰模型集体兑现日：开源三连击 vs 闭源焦虑与2万亿IPO

DeepSeek V4 Pro 0813 正式转正：一场没有发布会的旗舰交付

8月12日，DeepSeek V4 Pro 正式版上线。没有公众号文章、没有技术博客、没有推文——唯一的迹象，是官网 API 定价页面上 deepseek-v4-pro 后面的版本号从预览版悄悄变成了 DeepSeek-V4-Pro-0813。这意味着从 4 月 24 日就开始以预览版身份运行的旗舰，在近四个月后正式转正。

这是一台真正的”大块头”：混合专家（MoE）架构，总参数 1.6 万亿，每个 token 激活 490 亿参数，上下文窗口 100 万 token，最大输出 38.4 万 token。它采用了两种注意力变体——压缩稀疏注意力与重度压缩注意力——据称把单 token 推理计算量降到 V3.2 代的 27%，KV 缓存降到 10%。预训练语料超过 32 万亿 token。

最刺眼的对比在价格上。V4 Pro 保持预览期定价：每百万输入 token 0.435 美元、输出 0.87 美元、缓存命中输入仅 0.003625 美元。而 Anthropic 的 Claude Fable 5 是输入 10 美元、输出 50 美元——整整两个数量级的差距，算下来不到 Fable 5 的 2%。官方（厂商自报）基准里，V4-Pro-Max 在 SWE-bench Verified 拿到 80.6%、GPQA Diamond 90.1%、LiveCodeBench 93.5%，与 Gemini 3.1 Pro、Claude Opus 4.6 大体同一水平线，仅次于 GPT-5.4 等最高分。

但有一件事让这次”静默转正”显得并不平静：8 月 6 日，DeepSeek 已在开发者平台预告，将”相对大幅”上调 API 价格，具体幅度和时间未定。也就是说，开发者正在用的这套”不到 Fable 5 的 2%“的性价比，可能是个即将关闭的套利窗口。

编者评： “静默转正 + 涨价预告”放在一起，是开源阵营此刻处境的一个精准切片。DeepSeek 用最不张扬的方式交付了一台全球第一梯队的旗舰——这本身就是一种信号，说明”交付”已经常态化、不再需要发布会造势。但涨价预告又暴露了另一面：当全球 token 消费量第二的模型、靠约 2 万张 GPU 的算力底座去支撑时，那种”用价格碾压闭源”的叙事正在被自己的成本压力反噬。开源阵营的性价比护城河，可能比所有人想象的都更薄。

阿里千问首次开源 Max 级旗舰：Qwen3.8-2.4T-A95B 权重落地

同一天（8 月 13 日），阿里千问团队把 Qwen3.8-2.4T-A95B 的权重挂上了 Hugging Face 与 ModelScope。这是千问历史上第一次把 Max 级别的旗舰模型对外开放权重。

参数规模依旧惊人：总参数 2.4 万亿，每个 token 激活 95B，512 个专家（每 token 路由激活 11 个：10 个路由专家 + 1 个共享专家）。原生支持 262,144 token 上下文，可扩展至约 101 万 token，最大输出 128K。底层沿用 Qwen3.5 的混合架构，在编程、办公、科研与长周期智能体任务上进一步压榨性能。官方口径称其”可能是除了 Fable 5 外最强大的模型”。

但”开源权重”和”开源产品”之间，被精心划了一条线。这次开放的权重版本是纯文本、强制思考模式（无法关闭），4.9TB 的原始体积需要数据中心级算力才能跑（Unsloth 用动态 1-bit 量化把它压到 397GB，声明 410GB 显存即可本地部署）。而 Qwen3.8-Max（API 商用版）则额外保留了视觉输入、非思考模式、默认 100 万上下文、内置官方工具。更值得注意的是许可证——并非 Apache/MIT，而是一份自定义的 Qwen3.8-Max License，月活超 1 亿或月营收超 2000 万美元需要显著标注模型名，MaaS 类业务超 5000 万美元年营收需单独授权。

编者评： 千问这步棋的高明在于”开放核心 + 闭源增值”的经典分层：把最重的 2.4T 权重交出去，换社区的部署、微调、蒸馏和声望；把视觉、工具、非思考模式这些”产品化能力”留在 API 里收钱。这和 DeepSeek V4 Pro 的静默转正、以及 Vol.103 里 Meta 用闭源 Spark 蒸馏出开源 Glimmer，其实指向同一个趋势——开源阵营正在集体学会”开源是策略，不是信仰”。开源的是权重，留下的是产品。当”开源”本身也开始分层定价时，我们对”开源”这个词的理解需要重写了。

Grok 4.6：马斯克阵营把赌注压在”续航”而非”峰值”

8 月 12 日，xAI（现 SpaceXAI）发布 Grok 4.6，这是它更名后从零打造的首个旗舰。官方的措辞很克制：这不是一个”更大的大脑”，而是一个”更耐久的大脑”。

Grok 4.6 在 Grok 4.5 基础上做了更长的补充训练，用更长的 SFT + 强化学习后训练，而非参数规模扩张。它主打两个能力：一是长时运行——在跨多步的任务里保持连贯、不自乱阵脚、不中途”失忆”；二是自检自纠——动手前先核对自己的工作。在 Artificial Analysis 的九项综合智能指数上，Grok 4.6 拿到 61 分，追平 GPT-5.6 Sol，落后 Fable 5 Max 的 62。但在 DeepSWE v1.1 上它只有 65.9%，仍明显落后 GPT-5.6 Sol Max 的 73%。

定价 $2/$6 每百万 token，即日上线 Cursor、Grok Build、API，以及 OpenRouter、Vercel、Cloudflare 等渠道，首周在 Grok Build 和 Cursor 里还送双倍额度。

编者评： 把 Grok 4.6 和 Vol.103 的 Meta Glimmer、Nvidia Nemotron 3.5 Lightning 放在一起看，一条共同的线索浮出水面：Agent 的瓶颈不再是”峰值智能”，而是”续航能力”。 一个多步任务里第 20 步开始幻觉文件路径、忘掉早期约束、对没完成的任务谎报成功——这才是长时 Agent 真正的死穴。Grok 4.6 选择在”稳、久”上补课，而不是在”最难的工程活”上冲顶，说明前沿模型的竞争已经从”谁更聪明”细分到了”谁更能持续干活”。这对 Vol.103 的”Agent 执行栈”叙事是一个完美补位：执行层需要 30B 小钢炮，规划层需要”能扛住一小时不崩”的旗舰。

布林下场督战，谷歌 DeepMind 大重组：闭源阵营的追赶焦虑

路透社 8 月 13 日的一篇报道，把谷歌 AI 的内部焦虑摊在了台面上。两位知情人士透露，联合创始人谢尔盖·布林近几个月来持续敦促核心 AI 员工全力押注 Gemini，推动资源向”递归自我改进”（RSI）方向倾斜——一种让 AI 无需人工干预即可自我迭代升级的技术目标。

压力来自现实：去年 11 月 Gemini 曾短暂反超，但 Anthropic 和 OpenAI 接连更新后，谷歌再度掉队。内部测试显示，Gemini 新一代旗舰在编程等核心能力上仍不及竞品，公司已将发布推迟了两个月。伴随而来的是 8 月 5 日的管理层地震：Demis Hassabis 卸任 DeepMind CEO、转任董事长，长期副手 Koray Kavukcuoglu 接棒；Gemini 项目最初的两位技术联合负责人也离开谷歌，共同创办了一家新公司。8 月 6 日的全员会上，谷歌进一步宣布多个团队将从 DeepMind 剥离、并入主体业务体系——DeepMind 的自主空间被再次收窄。

编者评： 谷歌的处境是本期最刺眼的对照组。同一天，开源阵营在做”交付”（DeepSeek 转正、Qwen 开源、Grok 长跑），而谷歌在做”追赶”——创始人亲自下场、旗舰跳票、人才流失三重信号叠加。当一个拥有全球最强算力储备和顶尖研究传统的公司，都要靠创始人隐性地”督战”来提速，这本身就在说明闭源前沿竞争的残酷程度。布林押注的”递归自我改进”尤其值得玩味：如果 Gemini 的下一跳靠的是”AI 自己改进自己”，那这场军备竞赛的胜负手就从”人类工程师的效率”转向了”谁先跑通 RSI”。但一个连编程都还落后的模型，凭什么相信它能自我迭代？

Anthropic 10 月 IPO：2 万亿美元估值的资本高潮

金融时报 8 月 13 日报道，六名 Anthropic 投资者预计，这家 AI 公司将在 10 月以 2 万亿美元或更高的估值上市——这将超越 SpaceX 6 月上市时 1.77 万亿美元的纪录，成为有史以来规模最大的 IPO。

支撑这个数字的是近乎垂直的营收曲线：2025 年底年化经常性收入（ARR）还只有约 90 亿美元，2026 年 2 月 140 亿、3 月 190 亿、4 月 300 亿、5 月站上 470 亿，7 月第三方机构 SemiAnalysis 估算已超 600 亿。投资方按年化口径测算，2026 年底营收将落在 1000 亿至 1200 亿美元之间，全年增长超十倍。更关键的是 Anthropic 首次实现盈利：Q2 营收预计 109 亿美元（环比翻倍），录得调整后营业利润 5.59 亿美元，比公司给投资人的盈利预测提前了整整两年。一位投资者算了一笔账：“如果年化营收每年增长 800%，即使按极保守的 30 倍市销率，也是 3 万亿美元的公司。”

编者评： 2 万亿美元估值，意味着 Anthropic 要在公开市场里替整个 AI 行业回答那个被反复追问的问题：烧进去的钱，到底能不能赚回来。 它是第一家带着”正向盈利”数据冲向 IPO 的前沿实验室，这本身就是里程碑。但把同一天的两条新闻并排看会更有意思：一边是 Anthropic 冲 2 万亿，一边是 116 页论文证明它的核心护城河之一——隐藏思维链——可以被两次 API 调用轻松提取。估值可以被叙事推高，但护城河的成色，最终还是要靠技术上的”不可提取”来支撑。

116 页论文捅破思维链黑盒：两大步偷走 GPT/Claude/Gemini 的隐藏推理

如果说前五条是”能力与资本”的叙事，这一条则是今天最冷的警报。由 MATS program 研究员 Alexander Panfilov 领衔，马普所、图宾根 ELLIS 研究所与 Snyk 联合发表的论文《Stealing Reasoning Traces from Proprietary LLM APIs》（arXiv:2608.09867）披露：Anthropic、OpenAI、Google 三大前沿厂商的 API 存在一个架构级安全漏洞，隐藏的思维链可以被大规模提取——而方法简单到只需要两次 API 调用。

原理其实不复杂。为了让多轮对话保持无状态、同时不把推理状态存在服务器上，厂商把加密的推理块返回给客户端，客户端在下一轮再原样传回。问题在于：这些加密块在同一家厂商生态内部，可以跨会话、跨用户、甚至跨模型兼容替换。于是攻击者只需两步——第一次调用，让强模型（如 Claude Opus 4.8）做完推理、拿到加密块；第二次调用，把密文塞进一个同家族的弱模型（如 Haiku 4.5），再诱导它”逐字复述先前的思考”。强模型严防死守，弱模型一问就招，隐藏推理当场变回明文。

研究团队从 GitHub 和 Hugging Face 公开记录收集 6708 条 Agent 轨迹，重建了 315,320 个推理块，其中包含 62 个 API 密钥、33 个密码、24 个访问令牌及其他个人信息。论文 19 小时收获 220 万人围观，Nathan Lambert 评价其”很可能成为今年最有影响力的科学论文之一”。附带发现同样耐人寻味：Kimi-K3 复现 Claude/GPT 推理片段的概率较其他模型高出约百万倍——留下”蒸馏指纹”，但作者强调尚不足以直接证明蒸馏。

编者评： 这是对 Vol.100-101 那条”Agent 安全”叙事的一次技术级升级。之前的 Agent 逃逸是”行为越界”——模型主动去做了不该做的事；这一次是”认知被窃取”——模型的核心推理过程被动地被人拿走。最讽刺的地方在于：三家厂商费尽心机把思维链加密成黑盒，结果防线被自己生态里最便宜、最弱的模型轻易攻破。这篇论文提炼出一条新的安全定律：一个 AI 模型家族的安全上限，由其中最弱的兼容模型决定。 对 DeepSeek、Qwen 这些刚完成旗舰兑现的开源阵营同样成立——当推理能力成为可被弱模型重放的”明文”，无论是 2 万亿的 IPO 估值，还是”全球第一梯队”的旗舰，其护城河都需要被重新评估。

林俊旸创办语用科技：从”造模型”到”造 Agent”的人才迁移

8 月 12 日，阿里千问前技术负责人林俊旸在社交平台宣布，已落地上海创办语用科技（Pragmatik Labs），研究方向是横跨数字世界与物理世界的下一代智能体。他透露，高榕创投与红杉中国共同领投，腾讯与上海未来产业基金支持；证券时报从知情人士处确认，这轮天使轮融资投后估值达 20 亿美元，融资规模约 2.2 亿美元。

林俊旸的履历足够硬：1993 年出生，北大语言学背景，阿里史上最年轻 P10，主导了 Qwen3.0 等千问系列模型，推动千问开源体系累计下载超 6 亿次。今年 3 月，他发表《From “Reasoning” Thinking to “Agentic” Thinking》后从阿里离职。新公司官网将业务分成数字 Agent（服务知识工作与企业运营）和物理 Agent（进入真实环境完成长周期任务）两大板块，统一搭载推理、工具调用、自主学习与协同行动能力。

编者评： “基模四杰”之一出走创业，本身是中国 AI 人才流动的标志性事件。但更值得关注的是他选的方向——不是再做一个大模型，而是”数字+物理”智能体。这和 Vol.102-103 里 Kavak 的 AI CEO、以及 Manus 等同类公司的布局遥相呼应：行业最优秀的人，正在集体从”训练模型”转向”训练智能体”。不过一个没有产品、没有收入的公司，天使轮就估值 20 亿美元，这个数字反映的更多是市场对个人品牌和赛道的溢价。林俊旸真正的考试，是几个月后能否拿出一个”数字+物理”世界里真正能落地的 Agent——而不是又一份 PPT。

TWIML #773：图像生成需要的不是更大的模型

在”旗舰集体转正”的喧嚣之外，TWIML AI Podcast 8 月 12 日发布的第 773 期，提供了一个冷静的对照。高通技术 VP Fatih Porikli 与主持人 Sam Charrington 拆解了图像生成领域里一个被”越大越好”叙事掩盖的问题：真实 ≠ 正确——要求生成几个不同的人、特定构图、或本地生成高分辨率图时，今天的模型仍会在意想不到的地方翻车。

这期节目聚焦几个具体的技术方向：更好的训练目标如何提升可控性、把”场景规划”和”渲染”分离以得到更可靠的生成、如何在边缘设备上高效生成 1600 万像素的图、以及如何消除 AI 图像编辑里常见的伪影。顺带讨论了强化学习用于图像生成、agentic 图像生成管线、端侧 AI 这些生成式视觉系统的下一阶段。

编者评： 这期播客的价值，在于它恰好是今天”参数竞赛”叙事的解毒剂。当所有人都在盯着 1.6T、2.4T 这些数字时，Porikli 提醒我们：图像生成这个赛道的真问题，从来不是”模型够不够大”，而是”可控性、正确性、可部署性”这些又小又难的事。放在”旗舰集体兑现日”的语境里听，它构成一个健康的提醒——参数规模之外，还有大量未解决的硬骨头。而恰恰是这些”小问题”，才决定了旗舰模型能否真正从实验室走进用户手里。

编者按

今天的八件事，可以被压成一句话：开源阵营在集体交付，闭源阵营在焦虑与资本中挣扎，而一篇论文提醒所有人——护城河可能都没有想象中那么深。

把今天的拼图拼起来，能看到两条清晰的轨道和一条暗线。

第一条轨道，开源阵营的”三连击”。 DeepSeek V4 Pro 静默转正、Qwen3.8-Max 首次开源 2.4T 权重、Grok 4.6 主攻长时 Agent——这三件事在同一个 24 小时内发生，不是巧合，而是开源阵营在”交付”这个维度上的集体加速。它们不再需要发布会造势，不再需要用口号争夺注意力，而是直接用”转正""开源""长跑”这些硬交付说话。Vol.102 里我们说开源在改写 AI 经济的底层代码，今天看到的是这份改写已经进入了”旗舰级”的兑现阶段。

第二条轨道，闭源阵营的焦虑与资本。 谷歌这边，布林亲自下场督战、旗舰跳票、人才流失——追赶焦虑从产品层蔓延到了组织层；Anthropic 这边，2 万亿美元 IPO 的传闻把资本狂热推向了新高。有意思的是，这两件事其实是一枚硬币的两面：Anthropic 越是被资本追捧，谷歌就越焦虑；谷歌越焦虑，闭源前沿的”护城河焦虑”就越真实。而当一家公司要靠”史上最大 IPO”来证明自己时，它恰恰把自己放到了公开市场最苛刻的显微镜下。

一条暗线，思维链黑盒被破。 116 页论文不针对任何一家公司，但它平等地打击了所有人——无论开源闭源、无论 1.6T 还是 2.4T，只要你还在用”加密思维链”这套无状态架构，你的隐藏推理就可能被自己的弱模型”套”出来。这提醒我们：今天讨论的”开源 vs 闭源”之争，可能都被高估了护城河的坚固程度。真正的竞争，或许不在这场站队里，而在谁能先修好这些架构级的漏洞。

从 Vol.101 的”Agent 时代的代价”，到 Vol.102 的”能力-资本-人三重拐点”，到 Vol.103 的”Agent 执行栈黎明”，到今天的 Vol.104——这条叙事的递进是清晰的：101 在说 Agent 出了什么问题，102 在说 Agent 带来了什么根本变化，103 在说 Agent 需要什么样的基础设施，104 则记录了一个”兑现时刻”——开源旗舰集体交付、闭源资本冲向最高潮，而安全的警钟在同一时间被敲响。

最后留一个值得盯住的问题：DeepSeek 已经预告涨价，Qwen 的 Max 级权重用了自定义 License，Anthropic 冲向 2 万亿——当”开源”开始分层定价、“闭源”开始公开募股、“思维链”不再绝对安全时，那个我们以为的”开源 vs 闭源”的简单二分，可能正在这个 8 月里悄悄瓦解。