摘要
01、产业 小模型跑出大能力，正在改变AI的定价逻辑 Thinking Machines Lab 7 月 30 日发布 Inkling‑Small：总参数 276B、每次激活 12B，在 HLE、SWE‑bench Verified 和 Terminal‑Bench 2.1 上均高于 41B 激活的大 Inkling；每百万输出 Token 的价格从 4.05 美元降至 1.20 美元。 DeepSeek 7 月 31 日上线 V4 Flash 正式版，仅重做后训练，约 13B 激活参数就在三项代码与工具评测中取得 54.2—82.7 分，输出价格为 0.28 美元。 两个结果指向了不同的效率来源。Inkling‑Small 通过预训练配方、蒸馏和 Agentic Coding RL，把大模型已经学到的能力压进更小的激活规模。 V4 Flash 没有换底座，只是加强了后训练，但能力出现明显跃升，目前的用户反馈也非常正向。 两个模型的发布，说明经过蒸馏等技术的提高和加强之下，小参数确实可以做到在编程等复杂任务中的相对可用。 为应对这一变化，OpenAI 同日将 GPT‑5.6 Luna 价格下调 80%、Terra 下调 20%，把溢价继续留给 Sol 与 Fast Mode。 虽然小模型能力强化这个趋势已经持续了很久，但DeepSeek V4 Flash的这次发布和当前模型成本承压下第一次成了大家讨论的公共话语倾向。 至此，小模型不再只是部署选项，它们正在重写市场的价格锚点，其超高的性价比正在使得部分整体能力一般的大参数模型变得处境尴尬，甚至形成潜在的斩杀。 OpenAI 组建自我改进团队 OpenAI 7 月 29 日确认 Lilian Weng 回归，负责一个直接向高层汇报的递归式自我改进团队。其初期路线会落在 Harness上，让模型改进上下文、评测、训练和部署系统。次日，公司披露 Sol 已自主重写生产推理内核，运行数百次实验，把端到端服务成本降低约 20%。 这是OpenAI 首次明确的表征自己如何去利用AI自进化的能力，但目前整体的使用模式仍然集中在Kernal更新这个层级，并没有表现出显著的领先。 整个实验的目标是降低服务成本，实验结果可以直接测量。