不知道大家有没有注意这两天DeepSeek又一次把价格往下打了。听到这个消息，可能很多人第一反应是又来打大模型价格战。但厂厂觉得事情没有那么简单，这轮降价和前两年已经不是一回事了。 过去的低价，很多时候是商业策略。先补贴、先抢市场、先做规模。但现在，行业更像是在进入一个新阶段，价格下降，不只是因为想降，而是因为真的更能降了。说白了，不是单纯“卷价格”，而是在卷训练效率、推理效率、资源调度和整体工程能力。这一轮变化，厂厂会更愿意把它理解成：大模型行业开始进入效率竞争阶段。也就是说，价格下降当然重要，但它更像是结果，真正值得讨论的，是价格为什么还能继续降。 厂厂最近看了一圈，越来越明显的一个趋势是，今天决定模型竞争力的，不只是单点能力，而是整套系统效率——训练怎么做、推理怎么做、资源怎么调、成本怎么摊、能力怎么复用。比如文心 5.1 提到，预训练成本被压缩到了同规模模型的约 6%。它背后有一个思路厂厂觉得挺值得关注——“多维弹性预训练”。简单理解，就是一次训练过程中，让模型学出不同深度、不同容量的“子模型”，把训练资源尽可能复用起来，在性能、规模和时延之间找到更灵活的平衡。这件事的意义可能不只是“省钱”这么简单，如果预训练成本真的能系统性下降，那API变便宜只是表层结果。更深层的变化是，行业竞争会越来越看“谁能把整套基础设施做得更高效”。换句话说，行业正在从“谁模型更强一点”走向“谁能把一整套AI基础设施跑得更高效”。 过去大家会默认，大模型要想更强，就得投入更大的训练预算；现在越来越多公司在证明，模型能力提升未必只靠更贵，也可能靠更好的方法、更成熟的工程体系、更细的成本控制。厂厂也想听听大家的看法：你觉得下一阶段，大模型最核心的竞争点会是什么？ #DeepSeek #文心#百度#AI#大模型#API降价#行业观察#AI效率竞赛#模型训练