开源模型竞争从参数规模转向基础组件与 Agent 执行效率

01 · Current read

当前判断

模型和Agent框架的竞争正把成本优化下沉到任务拆分、上下文、工具调用和推理档位。效率必须以同一真实任务的成功率、总成本、延迟和人工修复来衡量，不能只看token单价或厂商Benchmark。

02 · Pulse / Evidence

这个判断由什么支持

1. 发布于 2026-09-23 19:16BlockBeats 368639 ↗

   Cua把下一步操作拆成小模型选择题（支持：任务拆分的工程线索）：Cua宣布两款S1开源模型及基准：约85.5万可训练参数的Nano和Qwen3.5-4B微调版本；评测给定界面和候选动作，只判断下一步。 对Signal的意义：把Agent的某个决策环节拆给专用组件，可能降低部分任务成本。 边界：项目方说法经快讯转述；85.5万是可训练参数口径，不能推成包含视觉…
2. 发布于 2026-09-23 15:21BlockBeats 368597 ↗

   Opus部分研发任务会降级，实际执行模型需要进入评测（重构：可用能力与路由边界）：Anthropic帮助文档明确，Opus 5.5在少量前沿LLM研发任务（如特定加速器kernel开发）触发分类器时，会回退到Opus 5，并显示模型变更。 对Signal的意义：购买的模型名不一定等于实际完成任务的模型，研究和生产评测应记录回退与拦截。 边界：限制不覆盖绝大多…
3. 发布于 2026-09-23 11:52BlockBeats 368561 ↗

   OpenMuse提供可自部署参考，仍处Alpha（支持：开源运行框架）：CopilotKit公开OpenMuse，提供浏览器、可选Linux终端、持久任务状态和接管界面，MIT许可；README明确为Alpha，自动结账仍属未来工作。 对Signal的意义：长任务执行、授权和恢复机制开始作为可复用开源层交付。 边界：已读取仓库说明，未运行测试；真实账号、模型…
4. 发布于 2026-09-23 11:12BlockBeats 368553 ↗

   Step Code开源，效率来自模型与执行框架共同优化（支持：开源工程／跑分待复核）：阶跃开源MIT许可的Step Code。其自测称Terminal-Bench 2.1完成72/89任务，长任务测试110/150，强调token用量更低。 对Signal的意义：开源竞争下沉到文件读取、工具输出和上下文管理，而非仅参数大小。 边界：仓库存在及说明已核对，本轮…
5. 发布于 2026-09-23 00:43BlockBeats 368509 ↗BlockBeats 368532 ↗BlockBeats 368584 ↗

   模型单价下降，但高推理档的每任务账单未必下降（支持效率竞争／重构成本指标）：官方发布Opus 5.5与GPT-6 Sol/Luna：每百万输入/输出分别为4/20、2/10、0.10/0.50美元。Anthropic称默认典型负载降本40%；Artificial Analysis的最高推理档对照却为每题5.98对5.86美元，输出119k对73k token…

03 · What must be proven

下一步如何验证

04 · Exposure map

相关主题与资产

05 · Sources

来源与原始记录