今天把20个大模型新闻扫完，真正能落地的就两条。剩下全是PPT

今天把20个大模型新闻扫完，真正能落地的就两条。剩下全是PPT

今天这篇，本来想按惯例给你凑一份“20个大模型新闻速览”。GPT、Claude、Gemini、Grok、Llama、Mistral、豆包、Qwen、DeepSeek、Kimi、GLM、文心一言、星火、MiniMax、Gemma、百川、Step、Phi、Yi、Skywork——一个一个扫过去。

结果扫完只想说一句：真正值得OPC创业者花时间读的，今天就两条。

剩下的，发布会预热、榜单刷分、旧闻换个标题再发一遍，都有。读这些不叫跟进动态，叫消耗注意力。

今天这期换个写法。不列流水账，就拆两件事。一件是Anthropic那笔算力大单，一件是GPT-6 Astra被拿来做3D复刻的案例。两件事看着八竿子打不着，但拼在一起，刚好回答了一个问题：

大模型这行，钱在往哪里砸，活正被谁干完。

Anthropic签了5170亿美元的算力合同，这不是融资新闻，是产能新闻

先说数字。据The Information报道，Anthropic在十一个月内签署了价值高达5170亿美元的算力合同，自2025年10月以来锁定至少14.8 GW算力，并计划自建数据中心。消息源是The Decoder转引的。

5170亿美元什么概念？这不是一笔融资，这是十一个月的产能锁定。14.8吉瓦的电力，差不多是一个中等规模国家的电网增量。Anthropic不是在买显卡，是在圈地、圈电、圈未来五年的推理产能。

这个信号对OPC创业者意味着什么？

很多人还在纠结“选GPT还是Claude哪家强”，但真正值得关注的信号是：头部模型厂商已经开始把竞争重心从模型跑分，转向算力基础设施的确定性。谁锁定了电力和机房，谁就锁住了模型持续迭代和推理成本下降的资格。

为什么这件事对OPC重要？因为你的客户——那些中小老板——最终买的不是“最强模型”，是稳定、可控、不算太贵的推理调用。一家长时间拿不到算力的模型厂，单次表现再惊艳，交付能力也要打折。

过去一年里，我们舍予AI智能体内部做选型，有一个不太对外讲的规矩：任何模型进项目之前，先看它背后的算力连续性和推理成本曲线，再看榜单分数。 模型Demo跑得惊艳，结果API过两周限流、排队、涨价，那种项目我们做过一个，亏掉的是客户信任。

你不会想重蹈这个覆辙。

Anthropic这单，字面上看是竞争对手在扩建，实际上是在提醒所有做AI交付的人：这行已经过了“谁家模型聪明用谁家”的阶段，进入“谁家交付稳定用谁家”的阶段了。

值得关注的不是5170亿有多夸张，而是“十一个月”这个时间跨度。这说明锁定是连续在做的，不是一次性豪赌。Anthropic在按照一个节奏持续加码。对OPC的启发是：你服务客户时，也得有这种“把不确定性一点一点摁死”的能力，而不是指望某一天突然来个技术突破把一切问题都解决。

一个通宵，Astra把旧金山艺术宫复刻出来了

第二条新闻看起来像炫技，但内核非常扎心。

GPT-6 Astra上线后，大量用户用它自主操控Blender、Houdini、Unity、Aseprite这些专业软件。数字生命卡兹克发了一篇复盘，提到一个案例：用户让Astra复刻旧金山艺术宫。Astra自己搜索几百张参考图，翻到美国国会图书馆的老扫描文件去找柱子尺寸，多数工作是在夜间自主完成的。

注意这个细节：它自己去找历史档案核对柱子的尺寸。

这意味着什么？不是“AI会画画”了，是AI开始补足一个项目中判断力要求最高的那部分：从哪里找可靠的信息，怎么验证一个细节是否准确。

卡兹克那篇稿子里有句话我印象很深，他说GPT-6 Astra爆火之后，执行能力在贬值，判断力出现断层。

这句话值得每个OPC老板贴在工位上。

我们这行里，大量的人还沉浸在“AI帮我干得更快”的叙事里——海报生成快一点，文案多写几条，客服回得勤一点。但Astra这类案例撕开了一个口子：当执行本身被AI干到几乎零成本之后，值钱的东西只剩一样——你知道该让AI去干什么，以及怎么判断它干得对不对。

拿我们自己举个例子。舍予AI智能体现在服务客户，团队内部不再叫“写提示词的人”，我们拆成了三个角色：定场景的、校结果的、兜底的。定场景的人负责把老板的模糊需求翻译成AI能理解的任务边界，校结果的人专门挑AI交付物里的错漏，兜底的人处理AI搞不定或者搞砸的那百分之几。

以前人人都想学怎么写Prompt，现在Prompt满大街都是。真正稀缺的，是那个知道“旧金山艺术宫的柱子应该去国会图书馆的老扫描件里查，而不是AI随便猜一个比例”的判断力。

你看Astra那个案例，牛的不是它会操作Blender，牛的是它知道信息该去哪儿找。这件事如果让一个只会让AI“帮我生成一个欧式建筑模型”的人来做，出来的东西大概率是个四不像，因为AI随便猜了柱子的比例，那个人也看不出来。

所以OPC创业者今天该问自己的不是“我的团队会不会用很多AI工具”，而是“我的团队是不是每个人都知道，活儿干到哪一步需要停下来核一核”。

这两条新闻拼在一起，才是今天的实际行情

这两条新闻，一条关于钱和资源往算力确定性上砸，交付稳定性会成为接下来的关键变量。另一条关于执行贬值和判断力断层。

拼起来看，画面很清楚：模型能力继续往前走，但OPC创业者真正的护城河，不在模型本身，也不在工具操作，而在“场景判断力+交付稳定性”这两件事的组合上。

我们团队最近做了一个内部动作，可能对你有参考价值。我们把20个主流大模型的每日新闻，从“人肉刷”改成了“只盯三个动作”：

一是今天有没有谁的API策略或算力供应出现变化，影响交付稳定性。比如这周Anthropic这种。

二是今天有没有谁展示的落地案例，包含了“自主完成复杂判断”的部分，而不是“生成一个东西”。比如Astra复刻艺术宫这种。

三是今天有没有哪家模型在某个具体行业里，出现了成本结构的突变，值得给客户重新算一次投入产出。

其余的消息——谁家又发了新款、谁家Demo好看、谁家刷了个分——一律不追。

这个筛子帮我们把每天的信息消化时间砍掉了一大半，也把团队从“追新”的焦虑里拽了回来。OPC创业者不缺信息，缺的是一个能把信息翻译成“能不能干、怎么干、值不值得干”的过滤器。

Anthropic签算力大单，不用你去研究Power Purchase Agreement的细节。你只需要知道：接下来半年到一年，模型厂商的交付稳定性会分层，选型时别只看LPU和跑分，去看它的供给能力。

Astra复刻艺术宫，也不用你去学Blender。你只需要知道：你团队里最值钱的人，不是最会操作AI的人，是那个能说清楚“这事儿AI干到这儿就不该再往下猜了”的人。

这两条新闻，一个讲确定性，一个讲判断力。放在一起，就是OPC创业者今天该有的底层能力：用判断力做选择，用确定性做交付。

给你的作业

看完今天这篇，不用去下载什么新模型，也不用研究什么新框架。做两件事就行。

先打开你现在的客户项目列表，问一句：如果明天某个模型API突然限流或者涨价，哪个项目会第一个出问题？把那个项目的备选方案补上。

再回去看一眼你团队里干活最麻利的那个人，问一句：他的判断力有没有被AI的执行速度掩盖掉？有没有哪个交付物，团队里已经没人在真正“看一眼”了？

这两个问题想清楚了，比追20个模型新闻有用得多。

小字提醒：本文涉及的Anthropic算力合同信息来自The Decoder转引The Information报道，截至发文时Anthropic未公开置评，合同金额及算力锁定规模存在与最终口径不一致的可能。GPT-6 Astra相关案例来自“数字生命卡兹克”公开讨论，属于用户自主展示场景，不代表OpenAI官方推荐用法。文中所提“舍予AI智能体”的团队实践为公司个体经验，不构成对其他团队的通用建议。模型选型与客户交付策略请结合你自身业务现状综合判断，不要照搬任何单一信源。