前沿模型经济学（2026 年 8 月）
截至 2026 年 8 月趋势窗口的前沿 LLM 竞争格局：开源权重与闭源模型之间的基准差距持续缩小，而
价格差距依然巨大——"推理质量"不再是护城河；分发与集成速度才是。
8 月 13 日的双重发布
- DeepSeek V4 Pro 正式版（GA） —
DeepSeek-V4-Pro-0813一夜之间从 preview 晋升为 GA。新增 agent 级能力（JSON 结构化输出、工具调用、Responses API、Anthropic 兼容 API、Codex 集成）， 1M token 上下文、最高 384K 输出。DeepSeek 的基准表：在 10 项 agentic 基准上约落后 Anthropic Claude Fable 5 5% 以内，并在 Cybergym（83.3 vs 83.1）与 AutomationBench（31.8 vs 29.1）上 反超；最大跃升是 DeepSWE（长时程软件工程，12.8 → 62.7）。自报测试框架；DSBench-FullStack/Hard 为内部基准 → 第三方验证待定。 - xAI Grok 4.6 — 面向长时程 agent 与视觉/交互任务调优，在长轨迹上有更好的自我验证。Artificial Analysis Intelligence Index 61，与 GPT-5.6 Sol Max 相当（61 vs 62）；CursorBench v3.2 约 69.9%，DeepSWE v1.1 约 65.9%。API 及 OpenRouter/Vercel/Cloudflare 渠道 $2/M 输入、$6/M 输出。 闭源，未宣布开放权重。
形态
三个闭源前沿锚点（Claude Fable 5、GPT-5.6 Sol、Grok 4.6）与一个快速崛起的开源权重梯队
（DeepSeek V4 Pro、Motif 3、Qwen-Max 级），如今在 agentic 基准上只差几分，却横跨巨大的输入价格
区间。"推理质量是护城河"正在失效；前沿是一场围绕价格 + 分发 + 工具集成展开的多方竞赛。
Qwen-Max 走向开源（8 月 14 日）
Qwen3.8-2.4T-A95B — Qwen/Qwen3.8-2.4T-A95B — 是阿里首个完全开源的 Qwen-Max 级（旗舰）
模型。一个细粒度 MoE，2.4T 总参数 / 约 95B 活跃参数，每层 512 个专家（10 个路由 + 1 个共享），
混合 Gated-DeltaNet + Gated-Attention，并采用多 token 预测训练。原生 262K 上下文（可扩展到约
1M）；开源版本为纯文本、强制开启思考。自报基准：Terminal-Bench 2.1 86.6、PaperBench 93.0、
GPQA Diamond 92.6、SWE-bench Pro 67.7。权重（约 4.9TB BF16）以自定义 Qwen3.8-Max 许可发布在
Hugging Face + ModelScope；NVIDIA 博客展示了它在 GB300 NVL72 机柜上以 FP8 每 GPU 4,000+ tok/s
经 vLLM/SGLang/TokenSpeed 提供推理。
这补上了能力曲线最顶端的开源 vs 闭源差距：一个可下载的 Qwen-Max 级模型，改变了那些此前只能
调用阿里 API 的团队在微调与自托管上的经济学。它是 8 月形态迄今最强的实例——中国实验室交付前沿
规模开源权重（DeepSeek V4 Pro、Qwen-Max 级），而美国实验室交付更小、更快的闭源模型。
定价（2026-08-13 已核实）
feed 的"约 1/46 价格"标题是错的，已更正为"输入约 1/23"。已对照一手来源核实——DeepSeek 定价页
（DeepSeek-V4-Pro-0813）与 Anthropic 公布的 Fable 5 价格：
| Token | DeepSeek V4 Pro | Claude Fable 5 | Fable 5 ÷ V4 Pro |
|---|---|---|---|
| 输入（cache miss） | $0.435/M | $10/M | 约 23× |
| 输出 | $0.87/M | $50/M | 约 57× |
| 输入（cache hit） | $0.003625/M | $1/M | 约 276× |
可辩护的标题是输入约便宜 23×——正是正文自己的"$0.435 vs $10"。输出约便宜 57×。"46×"这个数字
对不上任何一个：这正是 fact-check 方法要防范的那类 Void 式失败——一个从未指向来源的标题数字。
feed 标题已更正（en/zh/jp）。
开源权重越出美中
- Motif 3 —
Motif-Technologies/Motif-3-Beta（韩国 Motif Technologies），MIT（instruct + base）。 一个从零训练的稀疏 MoE：约 314B 总参数 / 约 13.2B 活跃参数，384 个路由专家（top-8），原生 256K 上下文， 约 12.5T token 预训练，用 768 张 NVIDIA B200 GPU 训练约 5 个月。含自研组件（Grouped Differential Latent Attention、Grouped PolyNorm、流形约束超连接）——不是 Llama/Qwen 的重参数化。Artificial Analysis Intelligence Index 47：全球第 9、开源权重第 4、美中之外第 1；SWE-bench Verified 76.2， Terminal-Bench 74.9。前沿如今有了宽松许可下的开源权重第三极。
安全门槛（一条新的前沿约束）
OpenAI 暂停了未发布的前沿模型 Astra，因为其自有的 Preparedness Framework 得出结论"无法排除
Critical 能力"——这是第一个触顶最高等级的模型（可独立发现零日漏洞、无需人类指令即可端到端执行
网络攻击）。开发现在只在隔离沙箱中进行，配以受限的网络/工具访问、权重加密与思维链监控。这是对
"推理质量不再是护城河"的活体检验：在最高端，攻击性网络能力是如今决定能否发布的门槛。由 PCMag /
InfoSecurity 报道（二手来源）；OpenAI 自身的声明此处尚未一手确认。
这只是一个实验室的一次实例，背后是跨实验室收敛的形态。OpenAI PF v2（两档——"High" 与
"Critical"）、Anthropic RSP v3.0（ASL-1 → ASL-5+ 生物安全等级式分级，2026 年 2 月 24 日生效）与
Google DeepMind FSF v3.1（Critical Capability Levels，现又新增用于更早、较轻信号的 Tracked
Capability Levels）都在跑同一个循环——能力门槛 → 评估 → 预先承诺的应对。它也在走向法定化：
加州 SB 53（2026 年 1 月 1 日生效）要求大型开发者发布并遵守前沿安全框架，欧盟 AI 法案为通用 AI
增加了系统性风险义务。共同的保留项：三者都带有"竞争对手调节条款"——若同行在无对等防护下发布，
实验室可降低自身防护——这是对门槛机制的反向拉力，可能导致向下竞赛。
谁度量这一门槛（已回答，8 月 14 日）。 SB 53 即《前沿 AI 透明法案》（TFAIA；2025 年 9 月 29 日
签署，2026 年 1 月 1 日生效）：前沿开发者的安全框架必须描述"使用第三方评估灾难性风险的可能性与
缓解措施的有效性"，且每次部署前的透明度报告必须说明"第三方评估者参与的程度"。因此第三方度量正在
出现——但它是针对各实验室自发布框架执行的披露义务（每次违规最高 100 万美元民事罚款），而非
共享的外部地板。执法问的是"你是否遵守了自己的框架"，而非"你是否错过了共享门槛"。剩下的缺口是
跨实验室的度量标准。
隐藏推理可被提取（8 月 14 日）
arXiv:2608.09867——《Stealing Reasoning Traces from Proprietary LLM APIs》（Panfilov 等）——是一
项前沿安全发现，而非经济学发现，但它落在同一个窗口内：专有 API 返回的加密"推理块"（用于隐藏
思维链同时让客户端渲染它）在同一供应商内的会话、用户与模型之间完全可互换。作者利用这一点，
将能力更强模型的加密轨迹注入同供应商一个更弱、防护更少的模型，迫使其逐字解码该轨迹——无需直接
越狱强模型。已演示的向量：
- 反蒸馏绕过——从 Anthropic、OpenAI 与 Google 提取专有推理。
- 私有数据恢复——解码从公开仓库抓取的 315,320 个推理块，恢复出 367 项 PII 与 182 个凭证。
- 危险内容披露——在"安全"的最终拒绝背后暴露危险推理。
- 隐形提示注入——在加密块中嵌入恶意载荷以毒化 agentic 系统。
结论是架构性的：如果块是任何同族模型都会解密的可互换令牌，那么按块加密推理毫无意义；修复方法
是把推理绑定到其会话（论文负责任披露中给出的密码学 + 系统级缓解）。"隐藏 CoT" 是三大实验室全都
违反的保密假设，而非保护边界。
关注点
- 对 DeepSeek V4 Pro 声明做第三方（非厂商）评估——两个内部基准（DSBench-FullStack/Hard）是保留项。
- 开源权重模型是否会补上长时程 SWE（DeepSWE）的最后几分——这是单次发布中跃升最大的基准。
- 价格战的二阶导数：如果约 $0.435/M 输入成为新地板，闭源实验室就必须用分发与企业信任来为 约 $10/M 辩护，而不是靠原始质量。
- Motif 3 的 MIT 权重能否经受第三方评估（而非仅凭其自引的 AA Index）。
- "Critical 能力"门槛（OpenAI/Astra）是否会扩散为事实发布标准——SB 53 如今给出了"谁度量"的答案 （基于披露的第三方评估）；剩下的缺口是跨实验室的度量标准，以及法定披露是否会取代自愿框架。
- 哪家供应商会率先交付推理块会话绑定修复（arXiv:2608.09867）——以及它是否会成为隐藏思维链的 跨厂商标准。
- Qwen 的自定义 Qwen3.8-Max 许可与约 4.9TB 权重是否真的会被大规模微调/下载——只有当生态能跑得 动它们时，开源权重才真正改变经济学。