希鸥网产业观察

9月22日，AI行业迎来罕见的一幕：Anthropic发布Claude Opus 5.5，约一小时后，OpenAI发布GPT-6 Sol与GPT-6 Luna，两大巨头在同一天内先后亮牌。有意思的是，这两款新模型的技术路线上，处处可见中国研究者和中国公司的影子——Opus 5.5对“上下文”动手，GPT-6 Luna对“缓存”下手，前者对应的正是前OpenAI研究者姚顺雨提出的test-time compute理念，后者的缓存与解码优化则与DeepSeek的路线如出一辙。当预训练的边际收益见顶，行业增量正涌向“第二战场”，而这一轮，学术范式和工程范式的定义权第一次握在了中国公司手里。

先看Anthropic这条线。据Artificial Analysis的智能指数统计，在max档位下，Claude Opus 5.5平均每道题要输出11.9万个token，其中8.4万个是“思考”、3.5万个才是最终答案；而OpenAI旗舰GPT-6 Astra在同一档位只用了2.7万个。Opus 5.5走的是典型的test-time路线：官方声明所有成绩默认跑在“最大力度自适应思考”（adaptive thinking at max effort）下，且从这一代起不再提供“关闭thinking模式”的选项——推理过程本身成了模型的一部分。其逻辑是：预训练能堆的数据已近极限，智能的增量只能从推理现场去找，想得越久、答得越好。

这套“把智力搬进上下文”的理念，姚顺雨早有铺垫。2023年，他提出Tree of Thoughts（思维树），让模型在推理时展开多条思路、边想边搜索最优解，同一年又提出ReAct架构，让“推理”与“行动”交替进行。2025年4月，他在博客《The Second Half》中给出核心判断：AI上半场拼训练方法与模型，下半场拼如何使用与评估模型，增量正从“训练”挪向“推理与行动”。他把“思考”称为一种“奇怪的动作”——它不改变环境，却能让模型在面对无数“空盒子”时更容易挑中那100万美元的那个。Opus 5.5，某种意义上正是这一理念的大规模工程实现。

OpenAI这条线则指向“怎么便宜地想”。GPT-6 Luna输入0.1美元/百万token、输出0.5美元/百万token，比上一代直接砍半；缓存命中时读一次缓存仅0.01美元/百万token，比标准输入便宜90%。这套动作DeepSeek早已做过：2026年8月2日，DeepSeek上线“Context Caching on Disk”（磁盘上下文缓存），将重复上下文存入磁盘阵列，命中价同样砍到一折；到V4 Flash，命中与未命中价差拉大到50倍。GPU显存昂贵、磁盘便宜且容量大，把KV cache存进硬盘，重复上下文就从最贵的部分变成了最便宜的部分。

不止缓存，还有架构。GPT-6 Luna的上下文窗口为105万token，DeepSeek V4为100万token，两边几乎对齐——但百万上下文的KV cache，按标准注意力机制多数模型根本扛不住。DeepSeek的解法是MLA（多头潜在注意力）架构，将Key和Value联合压缩进低维潜空间，缓存潜向量、用时再还原；其V2技术报告显示，MLA将KV cache砍掉93.3%，生成吞吐提升至5.76倍，V4又叠加压缩稀疏注意力，V4-Pro在百万token上下文下KV cache仅为上一代的10%。此外，OpenAI官方博客披露的推测解码——用更小的draft模型与主模型并行“猜”token、主模型批量验收，让token生成效率提升15%以上——与DeepSeek V3的MTP（多token预测）思想上殊途同归：小的先猜、大的批量验，把串行解码变成并行。

为什么是“美国巨头做产品、中国公司定范式”的分工？原文的分析提供了一个视角：过去几年，头部大厂把资源、人才、注意力全部押注在预训练主战场，依据Scaling Law堆数据、堆算力、刷榜单；但当优质数据接近耗尽、预训练边际收益递减，行业增量自然流向推理时怎么想、长上下文怎么便宜的第二战场。这里还有一个反直觉之处——主战场上的优势在第二战场反而成了累赘：手里算力最多的一方最没动力抠成本，“堆卡就能解决问题”的思路让省钱从一开始就不在他们的议题里。只有算力吃紧的一方，才会把每一分钱花在刀刃上。

DeepSeek的MLA、磁盘缓存、稀疏注意力，本质上都是“穷则思变”。当年它们只是“没钱的替代方案”，是没办法的办法；可当全行业开始拼效率、拼单位智能成本时，这些“土办法”忽然成了最硬的通货。这一轮同日发布的两款新模型，无论是对test-time compute的拥抱，还是对缓存经济学的精打细算，都可视为中国范式被硅谷主流收编的注脚——定义模型的不再是硅谷单极，国内公司把定义转化成更便宜的解决办法，巨头们则负责最后一步：做成产品，卖给全世界。

当然，“抄”只是表象，工程化落地仍有分野：Opus 5.5用超长推理换智能的路线也意味着，一旦陷入困境任务，token消耗会原地爆炸，成本随难度飙升；OpenAI的缓存命中率则高度依赖前缀设计，真实负载中的账单并不只由单价决定。但大方向已经清晰：智能的价格正沿着帕累托前沿快速下探，而下一阶段的竞争，将不再是谁堆的卡更多，而是谁更会“想”、更会“省”。天下文章一大抄，看你会抄不会抄——这一次，抄作业的方向反过来了。