同一个千问，换条协议就不认了——9月这波更新，考的是接口账本

老周：

今天周二，照例把摊子铺开。

翻了一圈，新模型发布的动静不大。

这反而是好事。说明这个月大家把劲使在了别的地方。而我今天读完最想说的一句话是：决定你 AI 工作流跑不跑得动的，已经不是模型本身，是你走哪个入口。

一、同一家公司的同一个模型，换个协议就不支持多轮检索了

阿里云百炼更新联网搜索说明：agent 策略能多轮检索并整合内容，但 MiniMax-M2.1、Kimi-K2-Instruct 不支持；qwen3.8-max、qwen3.8-flash 在 Chat Completions 下不支持，须走 Responses API 的 web_search；启用后只返回搜索来源，每次额外收费。

这份文档我看了三遍。

倒不是因为它写得多复杂，而是因为它特别诚实地承认了一件事：同一个模型，通过不同协议调用，能力是不一样的。

qwen3.8-max 在 DashScope 协议下不支持 searchstrategy: agent。但你换成 Responses API、挂上 websearch 工具，同样的模型就能做多轮检索。模型没变，变的是你从哪个门进。

再说 agent 策略本身。它会反复调用搜索、把多轮结果整合完再回答你，听起来很美。但文档里写得很清楚：启用 agent 策略时只支持返回搜索来源，其他联网功能一律不可用，而且每次调用额外收费。

这三句话放到一起，对一人公司就是一道很实际的算术题。

以前我们选模型，想的是"哪个更聪明"。现在你得往前想一步：我这条链路，到底要几轮检索？要不要来源链接？能不能接受每次调用多花一笔？

想清楚这三个问题，你自然会知道该走哪个端点。想不清楚，表现就是"AI 答得挺流畅，但我要的东西一个没给"——然后你以为是模型不行，其实是门走错了。

对我们做智能体的来说，这个坑踩一次就够了。所以舍予给客户做第一支 AI 战队的时候，第一步从来不选模型，而是拿一张纸把任务拆成三列：要不要实时信息、要不要看图看视频、要不要多轮检索。三列的答案直接对应到该用哪个端点、哪个协议。这张表是我们自己被账单教出来的，比任何模型排行榜都好使。

二、Gemini 把"查资料"做成了一个能自己跑的代理

Gemini API 列出两类代理模型：computer use 能"看见"数字屏幕并执行点击、输入、浏览；Deep Research 自主规划多步骤研究，从数百个来源取信息，生成标注出处的互动报告，另有 Deep Research Max。

两条放一起看，方向就出来了：模型正在从"回答你"变成"替你去跑一趟"。

computer use 那种能力，本质上是在替你操作软件。Deep Research 那种，是替你跑完整个调研流程，最后交一份能点开每一条出处的报告。

一人公司最贵的成本从来不是算力，是研究时间。选品、比价、看竞对财报、判断一个供应商靠不靠谱——这些活儿占掉的不是一小时，是一整个下午，而且做完人已经废了。

这里有个关键变量，我得说透：出处标注既是它的卖点，也是责任的位移。

报告里每一条都能点开，意味着你没法再拿"AI 说的"当借口。以前你用 AI 查资料，错了可以怪它；现在它把来源摊在你面前，错在你没点开看。

这不是坏消息。对一人公司来说，这意味着你终于可以把"调研"这项能力外包出去，同时把"判断"这项能力牢牢攥在自己手里。判断力才是你真正卖钱的东西。

三、OpenAI 开始给自己的模型出"体检报告"

OpenAI 9月16日发布模型未对齐报告架构，同步公布六份报告，说明过去六个月观察到的意外或令人关注的模型行为；此前披露零散、频率不理想，新架构意在观察到问题后尽快公布。

这条我看了很久。

它不性感，没有参数，没有跑分。但它可能是这个月最有分量的一条。

过去我们交付一个智能体给客户，客户迟早会问一句："它会不会瞎来？"

以前这个问题没法答。你知道模型有概率做出你没预期的事，但你说不出它会在什么场景下做、做过几次、有没有人记录。现在至少有了公开台账。建一个新架构，把观察到的未对齐个案尽快披露出来，哪怕还没解释清楚、还没缓解——这本身就是在给自己建信用。

落到落地场景上，这对做 2B 的人有两个直接影响。

第一，交付清单里应该多一项：异常行为记录与回滚机制。不是"我们的 AI 不会出错"，而是"它出错的时候，我们知道，也能退回上一步"。这话客户听得进去。

第二，选模型的时候，"有没有对齐披露"正在变成一项可以横向比较的指标。就像你选云服务会看它的可用性公告一样——敢公开发异常的，反而更值得押。

四、榜单上那根向下的箭头

OpenCode 一份模型使用排名：glm-5.3-flash（2.7T，智谱约 25%）、deepseek-v4-pro（628B，约 14%）、gpt-5.6-luna（497B，OpenAI 约 12%）、qwen3.8-flash（282B，-33%）等。

先看总量级的反常识：排在前面被大量调用的，不是参数最大的那几个。2.7T 的 glm-5.3-flash 和 628B 的 deepseek-v4-pro 位置靠前，说明大家用脚投票的时候，看的不是"强不强"，是"干我这活划不划算"。

那根 -33% 的箭头，我不敢乱下结论。可能是一次版本切换，可能是价格调整，也可能是某个大客户换了方案。排名的片段说明不了因果。

但有个判断我敢下：模型的排名是给投资人看的，你的清单该由你的任务定。

一人公司最忌讳的就是"跟着热门换模型"。你换一次，提示词要调、工具调用要重测、成本要重算，折腾两天，回到原点。真正该做的是反过来的——先把自己的活儿分成几类，每类钉死一两个模型，然后每季度看一次要不要动。

五、荡开一笔：模型正在离开屏幕

中科院自动化所：磐石·科学基础大模型 2.0 于 7 月 17 日发布，主打通专"双轮驱动"；8 月 28 日入选北京市首批 AI 用于科学研究典型案例；其串番茄采摘机器人 8 月 3 日获 2026 智慧农业创新大赛冠军。

这条看起来跟一人公司没什么关系，我还是放进来了。

因为它说明模型在往两个方向走：一是往科研这种深水区走，二是往番茄棚这种物理世界走。真到了这一步，判断标准就从"谁回答得好"变成"谁在具体场景里不出错"。

你的行业如果还没被专用模型认真碰过，那可能就是窗口。等它被碰过了，你连入场的位置都难找。

说回那张账本

今天这五条新闻，我读下来只有一个共同的底色：模型的能力边界，正从"参数"迁移到"接口"和"披露"。

同代模型，协议不同，能力不同；同一份榜单，参数大不代表被用得多；同一件事，有人拿它当玩具，有人拿它当外包出去的调研部。

对一人公司来说，这意味着你的竞争力不在"你用不用 AI"，而在"你懂不懂它的门在哪"。

这个月值得做的一件事：把手头所有 AI 流程拿出来，一条一条问——这条链路要不要实时信息、要不要多模态、要不要多轮检索、出错了我怎么退。四个问题答完，你会发现自己省下的不是时间，是一堆本来会白花的钱。

周二就这样。老周，回聊。

（小字提醒）本文所引内容均来自 2026 年 9 月 16 日之前公开的文档、公告与榜单片段，其中模型排名数据仅为片段摘录，不构成完整统计，也不代表任何机构的官方结论；所列模型能力、收费与支持范围可能随平台更新而变化，请在动手接入前以各家最新官方文档为准。涉及具体选型与成本测算的，建议先小流量跑一轮再决定。