一个OPC老板的周一上午:20条模型新闻,他最后只抄了三件事
老陈是我认识的一个OPC老板,做本地生活服务软件,一个人加两个兼职设计,账上现金流够活半年。
周一上午十点,他给我发了张截图。手机上排着十几条未读:OpenAI 下周四要发 Astra,BEL 模型传突破十万亿参数,Claude 边上的 Lambda 签了 350 亿美元算力协议,GLM-5.3-Flash 价格打到 Opus 4.8 的四十分之一,Qwen 又开源了。
他截图下面跟了一句:“今天到底该看哪条?”
这问题问得比吃什么实在。今天公开信源里,大模型相关的进展我粗粗数了一圈,至少二十条。但对一个只有两三个人、靠交付活着的小团队来说,信息不是资源,信息密度本身就是负担。
我把手机扣过去,说:真正值得抄进你执行清单的,今天只有三件事。
第一件,算力的归属开始变了,这是选边站的时间窗口。
Anthropic 和英伟达投资的 Lambda 签了 350 亿美元云计算协议,英伟达自己几周前才把那个得州数据中心的租赁权锁下来。说白了,英伟达给 Anthropic 递了把刀。
有意思的是,材料里另一条消息:OpenAI 自研推理芯片 Jalapeño 已在跑,AI 写核心代码的速度比人类顶尖工程师快 1.8 倍。一边是拉起算力联盟,一边是把芯片底层都交给 AI 自己写。
这两条得放一起看。对巨头是生态博弈,对老陈这种 OPC,含义特别具体:明年这时候,他常跑的那几条模型 API 背后,算力成本结构可能完全变了。现在不把模型依赖写清楚,换模型的时候就是一次大迁移。
我们舍予给客户做交付时,有一张表叫“模型依赖清单”,把每个业务流程绑在哪个模型上、API 地址、当前单价、可替换级别标清楚。老陈上周还把它当普通文档,看完今天这两条新闻,这张表才显出分量。依赖要写在纸上,不是记在脑子里。
第二件,便宜模型开始能干正事了,你该抽一个小场景试错。
Qwen3.8-Flash-Next 开源,训练成本大幅降低。Gemini 3.5 Transcribe 做高精度语音转文本,走实时交互那条线。GLM-5.3-Flash 开源,320B 总参数,价格是 Opus 4.8 的 1/40。GPT-5.6 进了 Kiro,主打性价比。
别小看“语音转文本”和“低价推理”这两件事。它们凑在一起,恰好把很多小活从“人工”切换成“可自动化”。
我见过一个做餐饮代运营的,每天要给客户出三条短视频口播。以前是手机录、字幕工具识别、剪辑。现在 Gemini 的语音模型加一个低价推理模型,流程从三小时压到半小时。它不完美,但能跑,客户也分不清哪条是纯人工剪的。
对 OPC 来说,模型便宜不是新闻,便宜到你可以拿一个真实的小单子试,才是新闻。 老陈的客服场景有大量语音质检,我建议他拿 GLM 那条线先切一个车队的测试集,别等官宣,先拿自己的数据跑一轮。
第三件,智能体进生产流程的速度,比多数人以为的快。
丰田北美用 Deep Agents 跑了五十多个智能体,交付周期大幅缩短。Anthropic 用 Claude Code 生成个性化销售简报。OpenAI 出了 ChatGPT Work,面向非工程师。
这三条放在一起,能看出一个明确的方向:智能体已经从“演示”走到“排班表”了。 不是演示一个 assistant 帮你订机票,而是几十个 agent 在真实业务流里并行干活、相互衔接。
这跟今天的 OPC 关系最大。一个人的公司,你不可能现在雇五个工程师去搞 agent 编排。但你可以把一两个重复性最高的环节,让 agent 先试着接管。老陈有个环节很典型:每次交付前,要给客户写一份“版本更新说明”。这活儿不难,但特别耗人。拿 Claude Code 生成销售简报那个思路迁移过来,让 agent 读代码提交记录、生成说明初稿、人审一遍,时间至少砍一半。
我们舍予内部最近也在做一件事,把每天看模型新闻的流程变成一张“只抄执行清单”的表格。今天能进去的,就是我刚说的这三类:生态变化、便宜可用、生产就绪。
说回老陈。中午他发来三条消息:第一,让把模型依赖清单发他,他下午就填。第二,语音质检的测试集,自己已经抽好了一个周末要跑的样本。第三,问我要 Claude Code 教育版的价格。
这就是我要的效果。他不再问“今天该看哪条”,而是把新闻翻译成了手里三件可以干的事。
我回了一句:别看完二十条,把手里的三件干完。
今天真正值得关注的,不是哪个模型又刷新了榜单,而是当这么多模型在同一天密集更新时,你有没有一套自己的过滤标准。技术变革从来不缺信息,缺的是把信息变成行动的清单。
小字提醒:本文所有新闻事实均来自截至 2026 年 9 月 2 日的公开信息,大模型能力、定价、API 状态和产品时间表可能随时调整,请以各厂商官方渠道最新发布为准。文中人物为化名,案例仅作说明,不构成任何投资、采购或技术选型建议。