在深圳，一家仅有十名员工的AI创业公司，日常工作高度依赖AI完成——每天有数百个Agent（智能体）同时运作，分别执行代码编写和研究任务。这些Agent的驱动力此前一直来自OpenAI的GPT系列模型。

但随着团队分配给Agent的任务日益增多，林舟发现GPT已无法满足需求——他们当时使用的GPT5.6，一次只能并行处理两三个任务。“GPT能处理的并发任务有限，这会拖慢我们的工作进度。”林舟表示，团队开始寻找能支持更多任务并行、且调用成本更低的模型。

DeepSeek V4.1 Flash成为了新的选择。自9月起，团队试用过Claude及多款国产模型，最终选定V4.1 Flash：它能够完成当前的开发工作，响应更快，调用成本也更低。林舟认为，这是他们目前“性价比最优”的方案。

今年早些时候，Google CEO Sundar Pichai在Google I/O大会上透露，据他所知，有些公司到5月时，全年的Token预算已基本耗尽。以Google自身为例，其内部AI编程工具每日消耗的Token从3月的5000亿增至5月的超过3万亿。

正是在这次大会上，Google推出了速度更快、成本更低的Gemini 3.5 Flash，瞄准更日常的开发与工作场景——今年以来，OpenClaw掀起的“龙虾”热潮，使普通用户也开始用Agent处理各类工作事务，这比编程更贴近日常、门槛更低、需求更频繁。

与此同时，越来越多的小参数模型涌现。由于任务量增加，模型调用更加频繁，若使用几千亿甚至两三万亿参数的旗舰模型，用户需承担高昂成本；并且大参数模型的速度也难以提升，会显著增加用户等待时间。

模型厂商，尤其是中国模型厂商，纷纷推出Flash版本的小参数模型，争夺的正是那些原本由旗舰模型完成的日常需求。 Flash，意为“闪电”。模型厂商通常以此命名表示更快、价格更低的版本：它每次运行调用的参数较少，适合反复处理日常任务；而复杂问题仍可交由Pro等旗舰模型处理。

7月31日，DeepSeek发布V4 Flash正式版；8月26日，阿里Qwen团队的Qwen3.8-Flash-Next与智谱的GLM-5.3-Flash同日亮相；9月，DeepSeek又推出V4.1 Flash。这几款模型参数大小不一，均在千亿级别（从100B至500B的参数区间），远小于当前旗舰模型的万亿级别参数。

两个月前，当DeepSeek V4 Flash正式发布后，有开发者将它的评测成绩与完成任务的成本绘制在一张图上，提出了所谓“斩杀线”：那些性能不如V4 Flash，但执行相同任务成本更高的模型，就这样被“斩杀”。

灰色区域内的模型被DeepSeek V4 Flash“斩杀”，来源：Artificial Analysis

8月下旬，美国编程Agent平台Cline开始免费提供一款未公开身份的模型。Cline称，不到一周，这款模型承担了平台超过11%的推理量。随后，智谱认领了这款模型，正是后来推出的GLM-5.3-Flash。此前，智谱创始人唐杰在业绩会上谈到下一代模型时表示，公司“不会做一个大而无用的模型”。

事实上，“小模型”阵营还在持续扩大。智能涌现了解到，月之暗面和腾讯混元，都在推进Flash模型版本的开发。

另一方面，今年以来，资本市场已对中国模型公司押下高额赌注，在此背景下，商业化成为更现实的问题。

公开数据显示，截至今年8月，智谱的ARR（年化收入）约为16亿美元，其市销率高达46倍；尚未上市的DeepSeek，估值更是达到其预估年化收入的163倍。而大洋彼岸的Anthropic，市销率约为20倍。中国模型公司在商业化上仍有很长的路要走。

因此，中美模型竞争也出现了另一条主线：在继续追求AGI、争夺模型能力上限的同时，谁能用性价比更高的模型完成更多真实任务、服务更多用户？谁能凭借高性价比模型打开更大市场、创造更多营收？

01 一场模型效率革命

切换模型后，林舟的一大体验改善是模型的响应速度明显加快。

团队经常需要几十个Agent同时写代码，他会边观察进展边调整指令；发现方向不对，立即让模型修改。此前使用Codex时，他常需等待模型输出一长段内容才能介入纠正。“无论用CLI格式还是原生App，响应时间都很长。”而一旦遇到长项目，模型需要整理之前的对话内容，使用GPT-5.6时，又需再等一阵。“但切换到V4.1 Flash后，你跟它说什么，它都能立刻回应。”

今年以来，Scaling Law仍是大模型研发的主线。今年发布的Qwen3.8-Max总参数达2.4T（T表示万亿个参数），Kimi K3达2.8T。根据Elon Musk今年4月披露的对比推算，当时的Claude Opus约有5T，尽管Anthropic未确认这一数字。

这些超级模型固然触及了更高的智能，但更大的底座需要更多训练和部署资源；在Agent场景下反复调用模型时，使用成本也会指数级增加。

换用V4.1 Flash后，林舟另一个明显感受是调用成本大幅下降。 他举了团队开发小应用的例子：一名同事独自完成开发，“差不多三四美金，就成了一个小App出来”。

模型服务平台Requesty 8月的周榜单显示，DeepSeek V4 Flash占平台上实际Token用量约三分之一，位居所有模型之首。 而在此前的第三方评测中，它与美国GPT-5.6 Luna高推理版本的综合得分接近，但完成同组任务的成本低约六成。

“模型公司也开始更关注真实市场需求，更多地倾听开发者的声音。”一位基模研究员对智能涌现表示。小模型一轮训练所需的时间和资源更少，能更快让用户验证模型运行结果的可行性，并判断是否需要调整。“用小模型搞开发，可以更快进行版本迭代，更快获取认知。”

在日常工作中，这位研究员也会根据任务需求选择模型。他举例说，修改实验脚本这类简单但工作量大的任务，交给GPT处理可能需要20分钟，而使用DeepSeek V4 Flash只需2分钟。“既然任务难度不高，我就只希望模型尽快完成这件事。”

正是在这样的用户场景驱动下，近期各家发布的Flash模型大多在400B以下（B表示十亿个参数）：DeepSeek V4 Flash总参数284B；GLM-5.3-Flash总参数320B；Qwen3.8-Flash-Next的主模型为125B。

“从训练角度来看，300B和更大一些的模型，在能力上可能相差不大。”这位研究员说，他做过不同尺寸的训练实验。在他使用的数据和训练方案下，约300B的模型已能学习更大模型输出的长推理链。

2025年发表于《Nature Machine Intelligence》的一项研究分析了51个开源模型，发现要在知识、推理、数学和代码等五项测试中取得相近成绩，所需的参数越来越少。研究者称之为“能力密度”提高：同样大小的模型，能完成更多任务。

Qwen3.8-27B是一个近期例子。在Qwen公布的同组测试中，它在编程测试SWE-bench Pro中得61.7分，上一代同尺寸模型为53.5分；在长程办公测试CoWorkBench中得70.7分，上一代为61.0分。

模型需要解决的问题也随用户变化。这位研究员举例说，编程产品常回答程序员如何写代码、管理项目；到了办公场景，问题变成了“我Excel公式记不住怎么办”“怎么把这篇论文写了”。

底层工作仍可能是写代码，但实际要完成的工作复杂度可能降低。从Code到Work，一场模型的效率和成本革命正在发生。

02 从“编程”到“日常办公”

“我觉得会是两条路。”对于当下Agent分化出的“编程”和“办公”两种产品，一位Code Agent创业者这样评价道。编程和办公产品都需要模型理解指令、写代码、调用工具，但面向的用户群体不同。他认为，面向普通人的办公产品，“一定需要极致省钱，极致性价比。”

今年1月，腾讯混元负责人姚顺雨在AGI-Next峰会上谈到用户需求的差异：企业进行生产力任务时仍愿使用能力最强的模型，但普通用户多数时候不需要。

两类用户选择模型的方式也不同。“程序员会自己分辨哪些任务用更贵的模型，哪些用更便宜的。”普通用户未必知道处理表格、撰写报告需要多强的模型。上述创业者说：“这是办公Agent的产品经理需要想办法解决的问题。”

今年1月，Anthropic推出Claude Cowork，使原本主要辅助写代码的Agent也能处理桌面办公任务。OpenAI随后推出ChatGPT Work，让用户直接交代一项工作，而无需在对话框中逐步提问。

与此同时，国内产品也从编程走向办公。3月，腾讯云CodeBuddy团队推出WorkBuddy；8月，阿里整合QoderWork、悟空和MuleRun，推出千问办公；而在差不多时间，字节将飞书、TRAE Work等产品的办公能力整合到豆包，推出“豆包工作”。

QuestMobile报告显示，2026年7月，腾讯WorkBuddy有658.2万月活跃用户；PC客户端用户当月人均使用19次。

面对数百万用户反复交办的日常任务，办公Agent不能只按复杂编程的标准选择模型。在一些WorkBuddy用户社区中，有用户这样评价DeepSeek V4 Flash和GLM-5.3-Flash：“有这两个Flash干活基本够用。”而在企业端，一位接近智谱的人士表示，GLM-5.3-Flash发布后，不少企业客户对这款总参数320B的模型表现出浓厚兴趣。

而在真实的办公Agent使用场景里，执行任务的模型甚至可以更小，小到百亿级别。

聚焦办公Agent的创业公司元空智能，已在元空AI Work中使用几十B的模型。团队基于开源模型进行后训练，使其处理更垂直的任务；通用任务则调用云端的混合模型。

用户交办任务，产品替他选择模型，在这样的模式下，元空团队观察到用户对交互速度非常敏感。一位团队成员说：“我们现在系统稍微慢一点点，一分钟之内一堆用户马上就找过来了。”

事实上，一些办公任务甚至不需要用到DeepSeek Flash的最高思考强度。一位元空团队成员说，这样做对他们的部分任务“其实是过剩的，会输出非常多的Token，产生大量成本浪费”。

元空智能在权衡任务效果和Token消耗，千问办公也将任务分为两档：标准模式处理日常办公，高级模式应对更难的问题。8月底，千问办公将Qwen3.8-Flash应用于标准模式。

按千问办公公布的测试结果，标准模式完成单项任务的速度提高约一倍，平均Token消耗减少75%；这一模式可完成其定义的约95%的日常任务，更难的任务则交由高级模式。

03 更大，但也更卷的市场

几个月前，美国创业公司Lindy宣布开始使用一款中国模型——将平台管理的大部分日常工作Agent调用，从Claude Sonnet、Gemini切换至DeepSeek V4 Flash。公司披露，切换后这部分调用的模型费用下降约九成。

“这是公司成立以来，对成本结构影响最大的一次调整，产品质量未受影响。”Lindy创始人Flo Crivello这样说道。

8月下旬，一款名为Ox-Alpha的匿名模型进入海外编程Agent平台OpenCode和模型平台OpenRouter，立即引发广泛讨论。

美国编程Agent公司Cline用自家代码库中的真实故障进行了测试：Ox-Alpha和另一款模型都修复了问题，但前者消耗的输出Token只有后者的约三分之一。

这款被中国用户戏称为“牛来”的模型，上线不到一周，仅在OpenCode就有约50万人使用；8月26日，智谱认领了这款模型——GLM-5.3-Flash。“牛来”模型与智谱的旗舰GLM-5.3形成了高低搭配——难题依靠旗舰，日常任务则交给Flash版本。

开发者的免费试用只是第一步。显然，中国模型公司希望借助Flash的能力和价格，进入全球Agent产品， 让用户的更多日常任务转向自己的模型。

这几乎是一个由DeepSeek带动的市场。全球范围内，DeepSeek在V4 Flash发布后调用量一直居高不下。OpenRouter 6月数据显示，DeepSeek占该平台Token用量的份额，从年初的9%升至6月初的18%；增长主要来自Agent任务。到5月底，V4 Flash已占DeepSeek系列Agent任务Token用量的70%。

DeepSeek让其他模型厂商看到，在300B至500B区间的Flash模型，拥有巨大市场潜力——这是一个被拓宽的新市场。

不同类型的模型针对不同定位的市场，模型厂商赚钱的概率也会提升。

从市场角度看，旗舰模型和Flash模型正在形成不同的战场。但在大模型研发团队看来，这似乎并非两个对立的策略。

一位业内人士表示，旗舰模型仍有继续训练的价值。他将其比作车企的赛车：“它不一定能量产，但会有一些技术下放。”在他看来，旗舰探索出的能力和训练经验，最终可进入服务更广泛用户的小模型。

例如，智谱上周披露，一个由GLM-5.3驱动的Infra Agent，参与了GLM-5.3-Flash推理服务的搭建与优化，并成功将GLM-5.3-Flash部署到国产芯片上。从初步适配到投入生产，不到两周；经过优化，同一套服务处理请求的能力提升至最初的三倍。

另一方面，Flash模型也成为下一代模型的试验场。Qwen先在Qwen3.8-Flash-Next上使用计划用于Qwen4的新架构；据团队介绍，这款模型的训练算力消耗约为Qwen3.7-Plus的九分之一。

这场竞争不仅发生在中国厂商之间，美国模型公司也参与其中。

价格战已经打响。

7月，OpenAI将较轻量的GPT-5.6 Luna价格下调80%。在OpenAI公布的客户反馈中，美国办公Agent公司Dust表示，换用Luna处理同类任务后，速度提高40%，费用降低40%。显然，在全球范围内，模型厂商们都在试图用更小的模型，凭借速度和价格优势争取Agent客户。

OpenAI首席财务官Sarah Friar写道：“只要质量够用，低价模型就会被用于更多任务。”而“模型处理更多任务”给模型公司带来的收入反馈，我们或将在下一季度见到。

文中林舟为化名

在此背景下，中欧平台也观察到，小模型在提升任务效率与降低成本方面的潜力正逐步显现，成为连接技术应用与商业化的重要桥梁。