AI大模型越训越大,为什么几家巨头反而踩了刹车

9 月 16 日，央广网发了一篇报道，标题里有个词很扎眼：踩刹车。

说的是大模型训练进入十万卡时代，头部厂商反而在节奏上收着走了。

一边是 9 月里 28 个新模型扎堆发布，一边是"踩刹车"，这两件事放一起，得掰扯清楚。

先看这个 9 月有多猛

9 月 1 日 Anthropic 发 Claude Fable 5.1，9 月 3 日 OpenAI 发 GPT-6 Astra，9 月 10 日 DeepSeek 发 V4.1-Flash，9 月 21 日 xAI 发 Grok 4.7。11 天里 28 个模型，最多的一天一口气发了 7 个。

这个节奏不是巧合，是谁家先动、对手几个小时内就得跟的军备赛。

GPT-6 Astra 烧掉了什么

GPT-6 Astra 是 OpenAI 史上最大规模的训练项目，用了超过 10 万块 GPU。十万卡是什么概念，一座超算中心的规模，电费、卡钱、机房，全是天文数字，这个不用展开，常识就能算明白。

支撑这一切的，是一个叫 Scaling Law 的东西，翻译过来是缩放定律。

2020 年 OpenAI 发过一篇论文，结论是：只要同步往上堆参数、堆数据、堆算力，模型能力就会沿着一条可预测的曲线往上涨。

过去几年，全行业就是照着这张图烧钱的。

刹车踩在哪

国金证券的分析师在采访里给了两句话，放在一起看就有意思了。第一句：Scaling Law 还没有被打破，堆料依然有效。第二句：超过某个临界点后，效果的边际改善在放缓。

翻译成人话：钱还能换能力，但兑换率在跌。以前一块钱能买两分进步，现在一块钱可能只买半分。

刹车不是不踩油门了，是不愿意再为那半分进步翻倍烧钱了。

实际的动作说明了一切

看各家 9 月实际发了什么，比听发布会实在。

28 个模型里，带 Flash、Lite 这种后缀的占了一大片，全是效率款。DeepSeek 干脆换架构，把推理效率拉上去，价格压到每百万输出 token 1.2 美元。OpenAI 出的 Sol 和 Luna，主打快和便宜，API 价格降一半。

旗舰照冲，那是撑门面的；真正打市场的是便宜、快、够用这一档。一边往上够天花板，一边把地板铺厚，两手都在做，钱更多流向了后者。

这事对普通人是好事

巨头踩刹车，用户是受益的一方。竞争从"谁训练得最贵"转向"谁的单位成本最低"，最后传导下来就是你用 AI 越来越便宜、越来越快。

下次再看到"参数又翻倍了"的新闻，可以平淡一点。真正影响你钱包的消息长这样：哪家把同样任务的成本又砍了一半。

盯价格表，比盯参数表有用。

（本文由 AI 辅助整理，内容为作者本人实操核对）