GPT-6.1发布，圈内评价却是「比DeepSeek强一点」

文中涉及的机构案例细节已做混淆处理。

今天早上刷推，GPT-6.1 Terra发布的消息刷了半屏。转发里有一条评论把我钉在椅子上——「这也就是比DeepSeek 1017强一点的模型」。

发这条的不是路人，是长期做模型评测的博主Gorden_Sun。另一位常年盯模型的博主说得更狠：前沿模型干不过对手旗舰，性价比模型又比不过DeepSeek——GPT的Sol比DeepSeek强一点，Terra还不如。

一句「强一点」，一句「还不如」。

搁两年多前，GPT-4发布那天，同类句式是「领先一个时代」。从「一个时代」到「强一点」，中间隔着的是AI行业正在发生的一件大事：

代差，这门生意里头等值钱的资产，正在贬值。

我做投行前写了十几年代码，从CTO转过来，现在用工程眼光给资本验货。今天想把「代差贬值」这件事拆开讲清楚：它为什么注定发生，贬值之后钱去了哪，以及验货的时候，尺子应该怎么换。

很多人把代差理解成「跑分差距」。不对。代差的本质是定价权。

GPT-4那两年，头部闭源模型可以理直气壮地把API价格定在追赶者的十倍上下——因为对用户来说，那是「能做」与「不能做」的差别。翻译、写代码、读合同，别的模型做不到及格线，它做得到。贵十倍，你也得买。

这是一种罕见的垄断：不是垄断市场，是垄断「可能性」。用户为可能性付费，为「只有我能做到」付费。

而这一轮发布之后，圈内的争论已经变成「Terra到底是比DeepSeek强一点，还是不如」。注意这个争论本身——旗舰和免费梯队的产品，差距已经小到业内人士会为一句评价吵起来。当差距需要用显微镜看，定价权的地基就开始晃。

差距小到什么程度？本周设计工具团队OpenDesign拿21个模型做实测基准，月之暗面的Kimi K3.1 Pro小幅压过GPT-6.1的两款新模型，排在头名。追赶者在单项基准上反超旗舰，放在两年前是不可想象的新闻，今天连热榜都上不去。

博主fankaishuoai那句总结很到位：前沿模型干不过别家旗舰，性价比模型又比不过DeepSeek——前后都被夹住。前面是别家旗舰在难任务上顶着，后面是DeepSeek在价格上贴着。这种夹击不是OpenAI一家的处境，是整个模型层公司的处境。

代差收窄不是意外，是规律。原因不复杂。

领跑者要付两笔钱。头一笔是试错的钱——方向错了，几个亿的算力打水漂，哪条路有坑，只有走过的人知道。第二笔是教育的钱——教育市场、教育用户、把场景趟出来。这些都是公共品：你付钱，全行业受益。

追赶者只需要付一笔钱：算力的钱。方向已经被领跑者验证过，场景已经被领跑者教育过，剩下的事是工程问题。而工程问题，恰恰是后发工业体系头擅长的事。

这在每一轮技术产业里都上演过。光伏，中国厂商从落后到把组件价格打下来九成；智能手机，从「iPhone和其他」到国产旗舰互有胜负；盾构机，从进口动辄数亿一台，到国产化之后价格变成原来的几分之一。故事结构一模一样：领跑者烧钱探路，追赶者用十年走完同一条路，然后站在路口收过路费。

去年秋天我在深圳看过一个案例。一家做大模型中间件的公司来谈融资，创始人现场给我看测试：三道难题，头部闭源模型比开源模型多对一道，API报价贵十一倍。我问了他一句：你的客户，愿意为这一道题付十一倍的钱吗？

他愣了几秒，说：零售客户不愿意。企业客户，要看行业。

这句话我记到现在。因为它就是模型层生意的全部真相：

代差的价格，由「那一道题」对客户值多少钱决定，不由实验室的排行榜决定。

先讲清楚一件事：代差贬值不等于AI的钱在消失。资本比谁都诚实，钱只是换了地方住。看本周两条信号。

头一条在算力端。美国记者Dan Primack转发了同事的爆料：OpenAI在采购Google的AI芯片，这对Google的TPU业务是个大利好。翻译一下这句话：头部AI公司，在给另一家AI公司付芯片钱。

这不是普通采购。这是「竞争与依赖」同时成立的竞合格局——模型是对手，算力是客户。为什么模型巨头愿意把钱交给自己的对手？因为算力的确定性，比门派之争值钱。这也反过来解释了，为什么华尔街给算力基建的估值一直下不去：当模型层的产品差距缩到「强一点」，护城河的权重就转移到了成本端和供给端。

另一条在客户端。博主yan5xu从Anthropic的S-1文件里读出一组数字：日均消费两万七美金，就能摸到它前二百五十家客户的门槛；而消耗头名的客户，日均近千万美金，一年下来三十多亿，2023年就在用了。

这组数字值得反复读三遍。它说的是：

AI的钱在向头部客户集中，而头部客户买的已经不是「模型」，是嵌进生产流程的确定性。

这样的客户不会因为新模型「强一点」就换供应商——迁移成本比那点差距贵得多。模型层赚流水的钱，绑定生产流程的应用层赚资产的钱。

中间层塌陷、两端坚挺，这个形状在任何一次技术基建浪潮的成熟期都出现过。Ben Thompson本周的文章有个判断我认同：Agent才是流量的聚合器，App只是手段，不是目的。本周我的信息流里光是讨论agent的推文就有二十多条——agent编排、agent测试、agent互相协作。应用层的繁荣和模型层的内卷，是同一枚硬币的两面。

写到这里，我知道肯定有人要说了：「跑分趋同不代表能力趋同，难任务上差距还大着呢。」

这话对，也不对。

对的部分：在长尾难任务上——超长上下文的精确推理、复杂代码库的重构、多步规划的可靠性——头部闭源模型确实还有肉眼可见的优势。登山的人还在登，这没有争议。何况领跑者自己也在换打法：Google本周发布的Gemini 4 Carbon登顶综合榜，但头一批用户只开放给网络安全防御团队，普通用户和开发者还要等。连领跑者都开始把头尖的能力和具体场景绑死着卖，而不是摊开卖给所有人——这是用行动承认：通用溢价收不动了。

不对的部分：

付费决策不按「上限」做，按「够用」做。

企业采购的逻辑不是看上限，是看这个模型能不能稳定完成流程里的那八十件事。如果能，价格差三倍，那就用便宜的，省下的钱给团队发奖金。上限是实验室的荣耀，够用是采购经理的KPI。

所以「能力没有趋同」和「代差溢价贬值」并不矛盾。能力还差着一截，但那截能力换不来从前那样成倍的溢价了——因为对绝大多数付费场景，差距已经落进了「够用区间」。二十年前服务器市场就演过这出戏：高端芯片永远更快，但市场把钱投给了「够快又便宜」的那一档。

回到我的本行。这轮变化对估值意味着什么，我给三把新尺子。

头一把，看代差乘数

还在为「我们模型比别人强」付高溢价的定价，要重新算。同样的领先幅度，2024年值一个时代，2026年值一个季度。模型层公司的估值里，「代差」那一栏的乘数应该往下调。

第二把，看成本和分发

护城河从产品差距搬到了供给端：算力成本、推理效率、自有分发渠道、客户生产流程的嵌入深度。模型可以被追平，这些追不平。

第三把，看客户的离开成本

客户换一家供应商要付的代价越大，收入的含金量越高。日均千万美金的客户三年不换供应商，买的不是模型，是确定性——这种确定性，才是AI行业里新的「代差」。

我的判断放这里，欢迎两年后回来打脸：

纯模型层的超额收益窗口正在关闭，但这不是AI泡沫的终点，是这门生意的成人礼。

每一轮技术革命都一样——铁路时代头持久的钱，不在造火车头的厂里，在修铁路、跑货运、管车站的人手里。模型是火车头，而现在，铁轨上已经开始跑车了。

💬 评论区话题（来聊聊）

评论区聊聊：你或者你的公司在选模型的时候，会为「强一点」多付几倍价钱？你属「上限派」还是「够用派」？

END