AI一周复盘：四大厂集体降价，Copilot付费转化率仅4.5%

引言：AI行业迎来密集事件周

过去一周，AI行业发生了一连串重磅事件——OpenAI公开发布GPT-5.6家族、xAI推出Grok 4.5、谷歌Gemini 3.5 Pro延期、微软Copilot转化数据曝光，以及DeepSeek旧API即将退役。相比任何单一的基准测试成绩，这一周最值得关注的信号是：近前沿推理成本在四家厂商同时下降，这将实质性改变哪些任务在经济上值得被自动化。

所谓「近前沿推理」（near-frontier inference），指的是性能接近当前最顶级模型、但成本已大幅下降的推理服务。其背后有一套清晰的经济学逻辑：AI自动化是否值得部署，本质上取决于「模型调用成本」与「任务产生价值」之间的比值。与传统软件自动化不同，大模型推理的成本结构是每次调用都产生边际成本，且与任务复杂度（token消耗量）正相关——这意味着存在一条「自动化经济线」，只有当单次调用成本低于人工处理成本的某个临界比例，规模化部署才具备商业可行性。

值得注意的是，这一成本结构与传统SaaS授权费用有本质区别：传统SaaS是固定订阅制，边际调用成本趋近于零；而大模型推理按token计费，意味着使用量越大、成本越高，企业在规模化部署前必须精确测算每个业务场景的token消耗量与产出价值比。当每百万token的价格从数十美元降至个位数，文档审查、代码生成、客服回复等原本需要人工完成的任务，其自动化ROI会发生质变：原本处于临界点以下的场景（如每日处理数万份中等复杂度文档）将突然跨越盈亏平衡点，引发部署需求的非线性增长——这也是为何业界将本周的集体降价视为「行业拐点」而非普通促销。

本文基于OpenAI、xAI、Meta官方博客，以及Euronews、Bloomberg、TechCrunch、CNBC等媒体的本周报道进行梳理与分析。

OpenAI GPT-5.6家族：三款定位各异的新模型

OpenAI在7月9日结束有限合作伙伴预览后，正式向公众发布了GPT-5.6家族，包含三款定位不同的模型：

• Sol：面向前沿推理场景；
• Terra：以约1/2的成本提供上一代旗舰性能；
• Luna：主打快速与低成本。

除文本模型外，OpenAI还推出了GPT-Live-1，这是一款支持全双工的语音模型。与传统「半双工」语音AI不同——后者必须等用户说完才开始处理，处理完才能回复——全双工（Full-duplex）模型能够同时进行音频输入和输出的处理，支持实时打断、插话和情绪感知，从根本上改变了人机对话体验。

全双工语音交互在技术层面需要解决几个核心挑战：回声消除（模型在输出音频的同时接收输入，自身发出的声音会被麦克风重新拾取形成干扰环路）、打断处理逻辑（实时判断用户插话是「有意打断」还是「背景噪声」），以及流式推理架构（在接收到不完整的用户输入时就开始生成响应）。

从系统架构角度看，这一挑战比表面更深：传统语音AI采用「ASR（语音识别）→LLM（语言模型）→TTS（语音合成）」三段式流水线，每个环节串行处理，延迟叠加往往超过2秒；而真正的全双工需要将音频编码器、语言模型和音频解码器整合为一个端到端的流式系统，使「感知」与「生成」能够并行运行。此前GPT-4o虽支持语音模式，但底层仍是串行的「听→想→说」流程；这意味着人机交互可以从「语音版文字输入」升级为真正的「实时对话代理」，对客服、陪伴、实时翻译等场景具有重要意义。同时上线的 gpt-realtime-2.1 将 p95 延迟（即95%的请求响应时间）降低约25%，进一步减少绝大多数用户在实际使用中感受到的「卡顿」。

Terra以「旗舰性能、腰斩成本」为卖点，是本周大模型降价浪潮的关键一环。

xAI Grok 4.5：加入降价竞赛，独立评测待验证

xAI发布了Grok 4.5，据称与Cursor协同训练，定价为输入每百万token 2美元、输出每百万token 6美元。官方宣称其在编程、法律、金融等任务上达到了Opus级别的表现。

不过需要谨慎看待：目前尚无第三方独立评测数据。在结果落地之前，「对标顶级模型」更多是厂商的市场定位，实际能力仍有待检验。但从定价看，Grok 4.5已明确加入这一轮降价竞争。值得关注的是「与Cursor协同训练」这一细节——这暗示xAI可能采用了针对特定工具使用场景的强化学习微调策略，类似于DeepSeek在数学推理上的专项训练路径，而非单纯的通用能力提升。这类面向特定工作流的训练方式，在垂直场景评测中往往能产生超出参数规模预期的表现，但在跨领域泛化上则存在不确定性。

谷歌的动荡：Gemini 3.5 Pro延期与人才流失

谷歌将Gemini 3.5 Pro的发布推迟至7月17日，官方称这是一次完整的架构重建，将支持200万token的超长上下文窗口。200万token意味着模型可以在一次调用中处理约150万个英文单词——相当于整部《战争与和平》约10倍的篇幅，对法律文档全文审查、超大型代码库分析等场景具有突破性意义。

架构重建的核心目标之一，正是解决超长上下文中普遍存在的「注意力稀释」问题。Transformer的自注意力机制（Self-Attention）在理论上能够关注序列中任意位置的信息，但在实践中存在显著的位置偏差——模型对位于序列头部和尾部的内容有更强的记忆保留，而对中间段落的关注度显著下降，这一现象被斯坦福研究者命名为「lost in the middle」效应。对于200万token的超长上下文，若将整份法律合同塞入上下文，关键条款可能因位于文档中部而被模型「忽视」——这使得超长上下文是否真正可用（而非只是参数上的数字游戏）成为此次架构重建能否成功的核心考验。

更值得警惕的是人才层面的震荡：一周之内，四位资深DeepMind研究员相继离职——Shazeer加入OpenAI，Jumper、Adler、Pritzel转投Anthropic。其中Noam Shazeer是2017年划时代论文《Attention Is All You Need》的联合作者之一。理解这篇论文的意义需要了解它所取代的技术：此前主流的LSTM（长短期记忆网络）虽能处理序列数据，但梯度在时间步上的反向传播会逐渐消失（梯度消失问题），有效上下文长度受到严重限制；Transformer通过自注意力机制允许序列中任意两个位置直接计算相关性，从根本上消除了这一限制，同时高度并行化的计算图使其能充分利用GPU算力——正是这两个特性的结合，为后来GPT-3、PaLM等超大规模训练奠定了技术基础。Shazeer此后在稀疏混合专家模型（MoE）领域的贡献也已被GPT-4、Gemini等主流模型广泛采用。顶级AI研究员的流动之所以敏感，在于他们不仅带走个人能力，更带走了对前沿方向的判断力和未发表的研究思路——这类「元认知」层面的能力，才是真正难以替代的核心资产。受此影响，Alphabet市值一度蒸发约2250亿美元，折射出资本市场对「人才即护城河」这一判断的高度认可——在AI领域，顶级研究员的流向往往被视为技术竞争格局变化的先行指标。

微软Copilot：4.5%转化率的市场警示

微软计划在8月前将旗下多个Copilot应用整合为统一产品。但本周最具启示意义的数据是：在4.5亿M365席位中，转化为付费Copilot的比例不足4.5%。

这个数字揭示了AI产品化的核心矛盾，也折射出企业软件采购的深层逻辑：企业预算审批需要可量化的ROI证明，而通用AI助手的价值往往是弥散性的效率提升，难以在财务报表中显现。对比来看，GitHub Copilot在代码补全场景的企业采用率显著高于通用Copilot——正是因为「减少开发者查文档时间」这一价值可以被工程团队清晰量化。

「能做所有事」与「把一件事做好」之间的张力由此可见：通用助手的价值主张是「降低信息处理的边际成本」，但企业付费的逻辑是「解决具体的、可量化的业务痛点」。当一款工具的卖点是「帮你写邮件、总结文档、生成PPT」，用户很难在预算审批中说清楚ROI。相比之下，专注于特定工作流（如合同审查、代码补全、客服自动化）的垂直AI工具，往往更容易打通「价值感知→付费决策」的链条。这与许多从业者的观察一致——市场真正的需求在于任务专用型自动化，而非「什么都能帮一点」的泛用助手。对服务中小企业客户的开发者而言，这一判断尤为值得重视。

Meta与开源生态：Muse Image与Ollama融资

Meta发布了超级智能实验室（Superintelligence Labs）的首个模型Muse Image——一款具备Agent能力的图像生成模型，能够调用搜索、代码等工具并进行自我优化。该模型默认基于公开的Instagram照片训练（可选择退出），再次引发数据授权与隐私的讨论。

开源领域同样活跃：

• Ollama 完成6500万美元B轮融资，月活开发者达890万——这一规模表明本地推理已从极客小众走向主流开发者群体，Ollama正成为本地大模型运行生态的基础设施层；
• Gemma 4 通过多token预测（multi-token prediction）技术，在Apple Silicon上于Ollama中运行速度提升约90%。

多token预测（MTP）是Meta提出的训练范式改进：传统自回归语言模型每次只预测下一个token，在推理时必须串行执行N步才能生成N个token；MTP通过在训练时引入额外的预测头（prediction head），让模型同时学习预测未来2到4个token，从而在推理阶段实现一定程度的并行化。这一思路与推测性解码（Speculative Decoding）有异曲同工之处——后者通过小模型预生成草稿、大模型并行验证的方式提升吞吐量，而MTP则将并行预测能力内化到模型训练本身，减少了对额外草稿模型的依赖。

Apple M系列芯片的统一内存架构（UMA）则解决了另一个瓶颈：传统PC架构中CPU内存与GPU显存是物理隔离的，大模型权重需要在两者之间频繁搬运，这一带宽瓶颈在推理时尤为显著；UMA将CPU与GPU共享同一块高带宽内存池，彻底消除了数据传输延迟，使本地运行70B以下参数量的模型成为可行选项。两种技术的叠加，正是此次速度提升约90%的底层原因。

本地推理与端侧优化的持续进步，正让开源模型在成本与性能上更具竞争力。

开发者注意：DeepSeek旧API 7月24日退役

对使用DeepSeek的开发者，一个重要提醒：deepseek-chat 与 deepseek-reasoner 将于7月24日正式退役。

官方提供了一行代码的迁移方案，但有个细节需注意：deepseek-reasoner 默认映射到的是 v4-flash 的 thinking 模式，而非 v4-pro。重度推理工作负载不应盲目信任别名映射，应显式切换到 v4-pro，以避免性能落差。

这也是一个关于工程架构的重要提醒——抽象你的模型层。所谓「抽象模型层」，源自软件设计中的依赖倒置原则（Dependency Inversion Principle）：高层业务逻辑不应直接依赖低层实现细节，而应依赖抽象接口。在大模型应用开发中，LiteLLM是当前最主流的开源实现之一，它提供了统一的OpenAI兼容接口，后端可无缝切换至Anthropic、Google、Cohere、本地Ollama等数十个供应商，切换时业务代码零修改；LangChain和LlamaIndex也提供了类似能力。

采用这类抽象层还带来另一个工程优势：在当前模型迭代周期以月为单位的行业背景下，能够便捷地对不同模型进行A/B测试，将性能评估与成本核算纳入常态化的工程流程。模型可插拔性已从「nice to have」变为生产环境的基本工程要求——DeepSeek此次退役事件，正是硬编码模型别名所带来风险的典型警示：任何直接依赖特定模型名称字符串的生产代码，都隐含着一个不可控的单点故障。

分析：降价潮的意义远超跑分

本周最核心的判断是：Terra、Grok 4.5引入定价同时降价，其意义远超任何单一基准成绩。

当近前沿推理成本在一周内于四家厂商同时下探，「哪些任务在经济上值得自动化」的边界随之改变。过去因成本过高而无法规模化的场景，如今可能突然变得可行。这一变化在数学上可以理解为：当token单价下降50%，原本ROI为0.8（低于部署阈值）的场景，其经济可行性可能直接跃升至1.6，触发从「不值得做」到「必须做」的跳变——而非线性的渐进改善。

另一边，微软4.5%的转化率与降价潮形成鲜明对照：技术能力和成本都在改善，但通用助手依然卖不动。市场的真实信号是——为具体任务提供确定性的自动化价值，才是当前AI落地的主线。

核心要点

核心要点