昨晚，硅谷经历了AI诸神之战。

本文来自微信公众号： 01Founder ，编辑：Max，作者：一直在路上的Max

昨天夜里的硅谷发生了三件大事。

Google发布了Gemini 3.8 Flash，Meta发布了Muse Spark 1.3，一家此前没人讨论过的初创公司Mostik则登上了权威媒体WIRED的专访。

如果只看前两件，这很像又一个普通的AI刷榜之夜。

Google刚刚把Gemini推上DeepSWE榜首，几个小时之后，Meta又公布了更高的成绩，世界第一的头衔甚至只维持了几个小时。

这种事情到了2026年，大家甚至已经快麻木了。

模型发布、benchmark刷新、X上庆祝几个小时，然后等待下一家公司继续刷新。

但如果把昨天晚上这三件事连起来看，我觉得真正值得关注的东西完全不在那些榜单上。

AI的经济学正在发生突变。

过去几年，我们讨论AI成本，最常看的数字都是每百万token多少钱。

但Agent出现以后，这套计量方式正在变得越来越不够用。

未来真正重要的问题可能不是“一百万token多少钱”，而是修好一个Bug多少钱、完成一份研究多少钱、让一个Agent连续工作三个小时到底多少钱。

而昨天晚上，推理成本正在从几个完全不同的方向同时往下降。

Google在把frontier级别的能力塞进越来越便宜的模型，Meta在让Agent用更少的token和工具调用完成同一个任务，而Mostik更进一步，他们开始质疑：

如果通信的双方本来都是AI，模型之间为什么还需要用为人类设计的语言交流？

PART.01

Gemini杀回来了

THUMB

STOPPING

先看Google。

Google发布了他们全新的旗舰模型Gemini 3.8 Flash，官方称之为这是他们迄今为止最强大的推理与代码模型。

这也是Google在六周时间内对Flash系列的第三次更新，从3.6到3.7，再到现在的3.8。

过去Flash给人的印象一直非常简单：更快、更便宜，但能力会比最强模型差一些。

Google现在正在一点点改变这个定义。

这一次3.8 Flash最核心的提升集中在long-horizon coding和agentic workflow。

在衡量AI长周期软件工程能力的DeepSWE v1.1上，它拿到了约74%的成绩。

DeepSWE和传统代码benchmark最大的区别在于，它不是扔给模型一道算法题，而是真的把Agent放进一个代码仓库里。

模型需要理解问题、搜索代码、修改文件、调用工具、运行测试，失败以后继续寻找原因。

一个完整任务可能持续几十甚至上百步。

在这样的测试里，Gemini 3.8 Flash一度登上世界第一。

Claude Opus 5同样大约是74%，GPT-5.6 Sol大约73%，此前领先的Fable 5大约70%。

如果只看能力，这几个最强模型之间已经没有特别巨大的差距。

真正恐怖的是另外一个数字：钱。

Gemini 3.8 Flash的API首发价格依然保持在输入0.75美元/1M token、输出3.75美元/1M token。

在DeepSWE上完成一道完整任务，它的平均成本只有2.36美元。

作为对比，同样约74%的Claude Opus 5，单任务平均成本达到11.84美元；GPT-5.6 Sol约73%，平均成本也要6.46美元。

也就是说，同一级别的软件工程能力，执行成本已经可以差几倍。

这在Agent时代会变得非常重要。

聊天机器人时代，一次回答贵几分钱还是便宜几分钱，普通用户基本没有感知。

但Agent完全不一样，一个coding agent可能连续运行100步，一个research agent可能搜索几十个网页、读取几百页资料，未来企业里的Agent甚至可能连续工作几个小时。

Google官方甚至提到，3.8 Flash遇到复杂任务时会主动work harder，进行更多推理和工具调用。

Google没有为了省钱让模型“少思考”，而是因为token已经足够便宜，所以可以允许它跑更长的loop。

所以我觉得3.8 Flash真正重要的地方不是又拿了一次世界第一。

而是它正在把过去只有最昂贵frontier model才能提供的能力，硬生生压进Flash的价格区间。

PART.02

三个半小时后Meta杀回来了

THUMB

STOPPING

正在Google众人为Gemini 3.8 Flash的发布庆祝时，Meta突然杀回来了。

Meta突然发布了Muse Spark 1.3模型。

按Meta公布的评测，Muse Spark 1.3在DeepSWE v1.1上的成绩达到了75.4%。

这个数字超过了Gemini 3.8 Flash、Claude Opus 5和GPT-5.6 Sol。

更夸张的是，Muse Spark 1.2在这个测试上的成绩还只有约55%。

从1.2到1.3，一个小版本更新直接提升了约20个百分点。

但我觉得Meta这次真正值得看的同样不是75.4%。

还有两个数字：工具调用减少约20%，token消耗减少约25%。

这件事很容易被忽略，但它其实非常接近Agent真正商业化以后最重要的问题。

一个Agent最浪费钱的地方，很多时候不是正常思考，而是跑偏。

比如coding agent在第20步错误理解了需求，它可能继续修改五个文件、运行三轮测试、搜索大量代码，最后才发现路线错了，然后全部重来。

几十次tool call和几万token就这么浪费掉了。

所以一个模型如果能够更早发现任务存在歧义、更早知道自己做不下去、更早询问用户，实际上就是在直接降低成本。

Muse Spark 1.3这次强化的很多能力都属于这一类：它能在长thread里同时维护多个workflow，遇到模糊任务主动询问，解决不了的问题主动请求帮助，涉及不可逆操作先确认，而且长任务运行很多轮以后也更不容易忘记最开始的约束。

Meta甚至开始强调模型对自己能力边界的认识：知道自己会什么，也知道自己不会什么。

这些能力放在Chatbot时代可能没有benchmark涨20分那么性感，但到了Agent时代，它们都可以直接换算成钱。

Agent少犯一次错误，本身就是一次推理优化。

所以把Google和Meta放在一起看，大模型竞争的计量单位正在悄悄发生变化。

以后大家可能越来越少关心“一百万token多少钱”，而越来越关心另一个数字：

把一个真实任务从头跑到尾，到底多少钱。

PART.03

Mostik，一个颠覆性的突破

THUMB

STOPPING

如果Google和Meta还在研究如何用更便宜、更少的token完成任务，那么Mostik开始碰一个更加底层的问题：

这些token为什么一定要存在？

Mostik在俄语里的意思是“桥”。

CEO Sasha Malysheva是这套方法的主要开发者，它的首席科学家则是日内瓦大学教授、2010年菲尔兹奖得主Stanislav Smirnov。

他们正在尝试做一件听起来很简单、实际上极其困难的事情：让两个AI模型不再通过自然语言互相交流。

今天绝大多数Multi-Agent系统都是这么工作的：

Model A得到一些信息以后，先生成几百甚至几千个token，把自己的结论用自然语言说出来；Model B再把这些文字全部读进去，重新理解并建立自己的内部表示，然后继续推理。

但问题在于，大模型内部真正进行计算的东西，本来就不是中文或者英文，而是：

高维连续的数学表示。

这就相当于两台电脑明明可以直接传数据，电脑A却先把文件打印成几百页纸，再让电脑B用摄像头一页一页OCR回去。

大家过去一直在研究怎么把打印费降下来，Mostik想干脆把打印机扔掉。

他们试图在不同模型的内部表示之间建立一座Bridge，让模型直接交换latent representation，而不是先生成自然语言。

硅谷权威媒体WIRED披露的一个实验非常有意思。

Mostik把完整版的GLM-5.2 753B和只有4B、可以运行在移动设备上的Qwen 3.5进行了桥接。

最后得到的混合系统，能力落在两个模型之间，但推理成本只有完整GLM-5.2的1/20。

当然，现在就说Mostik已经解决了模型通信肯定太早。

Latent communication本身也不是昨天第一次出现，过去几年已经有不少研究尝试交换embedding、hidden state、KV cache等内部表示。

真正困难的是，不同模型的架构、参数、训练数据和内部坐标系都不一样，怎么让两个模型真正理解彼此的latent space，本身就是一个非常困难的问题。

Smirnov自己也承认，目前甚至还缺少成熟的数学语言来描述不同模型之间的共同表示。

但1/20这个数字还是让我非常兴奋。

因为它让我开始认真思考一种完全不同的未来AI架构。

PART.04

未来你只需要一个零点几B模型

THUMB

STOPPING

过去两年讨论端侧AI，我们一直在研究怎么把更大的模型塞进手机：7B、4B、3B、1B，不断蒸馏、量化、压缩。

但如果Mostik这条路线最后真的能够跑通，我觉得未来的手机也许根本不需要一个“什么都会”的大模型。

你的设备里可能只需要运行一个0.xB或几B的小模型。

它很便宜，可以持续运行，负责理解你当前在哪个App、刚刚做过什么、设备是什么状态，并且处理绝大多数简单、高频的任务。

真正碰到困难的问题，再通过潜空间的通信调用远程的大模型。

但关键区别在于，它不用像今天这样，把十万token的Context全部重新发送到云端，让远端模型从头读一遍。

它可能只需要传输一段高度压缩的latent state。

远端的大模型完成复杂推理以后，也不一定需要再生成几千token的自然语言解释给本地模型，而是直接把新的内部表示传回来。

这样一来，本地的小模型负责高频、廉价、持续运行，云端frontier model只负责低频但真正困难的推理，中间再用某种Bridge高效通信。

如果未来真的能做到这一点，推理成本下降的幅度可能就远不只是今天模型API降价30%或者50%。

它可能会改变我们组织AI计算本身的方式。

PART.05

结语

THUMB

STOPPING

所以回头看昨天晚上，表面上是三条完全不同的新闻。

Google发布Gemini 3.8 Flash，把frontier级别的能力压进了Flash的价格区间；

Meta发布Muse Spark 1.3，让Agent用更少的token和tool call完成更多事情；

Mostik则更进一步，开始尝试让模型之间的一部分token从一开始就不要产生。

它们其实都指向同一个变化：

智能正在以非常夸张的速度变得便宜。

而且这种降价已经不只是API单价下降。

模型价格在下降，完成任务所需要的计算量在下降，现在甚至连模型之间交换信息的方式都开始被重新设计。

这件事最后可能带来的影响，比benchmark又涨几个百分点大得多。

因为很多技术真正爆发，从来不是发生在“第一次能用”的时候，而是发生在“终于便宜到可以随便用”的时候。

今天让一个Agent花几十美元去完成一件普通人的小任务，也许完全不划算。

如果未来只需要几毛钱，很多现在根本不会有人考虑的应用突然就成立了。

今天我们不可能让几十个Agent 24小时围绕一个人持续运行，如果推理成本再下降一两个数量级，它可能就会成为默认状态。

现在已经早上七点了，我本来几个小时前就应该睡了。

结果Gemini发完，Meta几个小时之后又追了上来，然后我又看到了Mostik那个1/20的实验。

我躺到床上以后脑子里一直在想这几件事，想到手机里的0.xB模型，想到云端的大模型，想到它们也许根本不需要再用自然语言互相说话。

越想越睡不着，最后还是爬起来，把这篇文章写完了。

Gemini的74%、Muse的75.4%，过几天可能就会出现新的数字把它们覆盖掉。

但我现在确实很难平复这种兴奋。

因为比起谁又拿了一次世界第一，我越来越在意另一个问题：

这么聪明的AI，最后到底可以便宜到什么程度？

一旦强大的智能真的便宜到可以被随意调用，我觉得很多今天看起来还非常疯狂的AI产品，可能才刚刚开始。