拿舊地圖，找不到新大陸

過去幾個月，這個感覺越來越強�；ヂ�(lián)網(wǎng)時代的 DAU、SaaS、注意力經(jīng)濟、免費增長、從工具到平臺的三級火箭，這些詞匯構(gòu)成了過去十年所有人的認知底座，當然...這里不包括「對齊顆粒度」這種莫名其妙的黑話

而現(xiàn)在，底座在松動。包括我自己在內(nèi)，很多人可能還在用上一局的思路去理解這一局的變化

很巧合的，這幾天許多好朋友也在思考這個問題，比如這個是橘子的：，我們之間的觀點，大致上是一樣的，但也有許多不同，畢竟...現(xiàn)在并沒有形成共識

然后...md 這貨又改名了：橘子汽水鋪->有機大橘子->Agent橘

先說一個具體的事：今天，GLM-5 開源，非常領(lǐng)先

其實，上周 OpenRouter 上匿名出現(xiàn)的 Pony Alpha 就是 GLM-5，我也是第一批內(nèi)測用戶

拿到模型之后做的第一件事，是跑了一個 Minecraft 的工程任務(wù)。兩個小時，5000 萬個 Token，205k 的游戲文件

MineCraft：GLM 版

另一個朋友則完全做出了一個足以上線 Steam 的游戲

游戲：逃離千禧年

簡單說一下 GLM-5：Opus 4.5 級別的開源模型，744B 參數(shù)，激活 40B，Coding 對齊 Claude Opus 4.5，Artificial Analysis 全球前五、開源第一，MIT License

GLM-5 在 Artificial Analysis 的榜單成績

同一周，DeepSeek V4 進入灰度，MiniMax 發(fā)了 M2.5，再往前幾天字節(jié)放了 Seedance 2.0。這一輪中國 AI 公司的模型，都很硬

直到昨天晚上，智譜才正式對外開放 API，就想著...要不要做一個展示性的網(wǎng)頁...

https://showcase.z.ai/

沒錯，GLM 官方的這個 ShowCase 網(wǎng)頁是我做的，昨天用 GLM-5 Vibe Coding 出來的，用 AI 給 AI 做發(fā)布會...

做完上面這些之后，第一個念頭：

GLM，以及各種頭部模型，一定會漲價

在一個 AI Infra 的小群里聊，很多朋友每天的 Token 消耗量已經(jīng)是十億級別的。大家達成了一個共識：
要多準備一些手機號，開始囤 GLM 的 Coding Plan 了，尤其是最大規(guī)格的

Claude 已經(jīng)漲了。Opus 4.6 超過 200K 上下文之后輸入 、 輸 出 37.5，還推了 Fast 模式，2.5 倍速度 5 倍價格

漲價這件事，會蔓延到所有頂級模型：
Token 補貼大戰(zhàn)，即將結(jié)束

但 GLM-5 開源這件事的真正影響，不在于又多了一個強模型

在于 Opus 級別的能力，第一次以 MIT License 的方式對全世界開放。任何人、任何 Agent 都可以無限制地調(diào)用。全球 Agentic 的市場規(guī)模，會因此擴大至少兩個數(shù)量級

而當 Agent 的數(shù)量和調(diào)用量出現(xiàn)這種級別的躍遷，過去所有關(guān)于成本、定價、增長的假設(shè)，都得重新算

以下是最近一直在琢磨的九個判斷，每一條都跟當下的「共識」反著來

不一定全對，甚至全部都不對，僅一家之言

一、免費模式已死

互聯(lián)網(wǎng)時代，免費是最強的增長策略。邏輯很簡單：軟件的邊際成本趨近于零，多一個用戶幾乎不花錢，用戶越多，廣告越值錢，網(wǎng)絡(luò)效應(yīng)越強

AI 產(chǎn)品的成本結(jié)構(gòu)完全不同。每多一個用戶，就多消耗一份推理算力。用戶越多，燒錢越快。ChatGPT 的日活過億，OpenAI 的虧損也過億

DAU 從資產(chǎn)變成了負債

ChatGPT 開始用廣告邏輯擴張了。Claude 擺明態(tài)度：產(chǎn)品里永遠不會有廣告。兩條路，兩種判斷。免費 + 廣告這條路在 AI 時代能不能走通，還沒有人驗證過。但推理成本擺在那里，每一個免費用戶都在燒錢

貼錢換規(guī)模的窗口期快關(guān)了，行業(yè)會轉(zhuǎn)向追求為 Token 付費的用戶

二、Token 降價是假象

所有人都在慶祝 Token 單價下降。但沒人算過總賬

2022 年，一個帶搜索的復(fù)雜對話，消耗大約 3K Token。上周跑的那個 Minecraft 工程任務(wù)，兩個小時，5000 萬。從 3K 到 5000 萬，漲了一萬多倍

更關(guān)鍵的：對話任務(wù)不一定要用頂級模型，中等的就夠了。但工程任務(wù)不行，所有人都在拿最貴最強的模型去跑。消耗量在爆炸的同時，消耗的還都是最貴那一檔

單價降了，賬單炸了

包括我自己在內(nèi)，用量也在按月翻倍。降價給人帶來的安全感，正在被消耗量的增速吃掉

GLM-5 開源之后，這個趨勢會加速。當 Opus 級別的模型免費可用，跑工程任務(wù)的人會從幾萬變成幾百萬。單價降到零了，但全球的 Token 總消耗量會炸

三、Token 不會一直便宜

很多人拿手機流量做類比。3G、4G 到 5G，流量單價一直在降，Token 也會一路降下去

但手機流量的使用者是人。人的數(shù)量有上限，每個人每天刷手機的時間也有上限。需求增長有天花板，供給擴容追得上

Token 的使用者正在變成 Agent。一個人可以同時跑 10 個、100 個 Agent，每個 Agent 每天調(diào)用外部接口幾千幾萬次。Agent 還會調(diào)用 Agent。需求增長沒有天花板

人的需求有頂，Agent 的需求沒有

當需求增速超過算力增速，頭部的 Token 就會漲價。拐點什么時候來不確定，但方向確定

四、規(guī)模效應(yīng)反轉(zhuǎn)了

互聯(lián)網(wǎng)時代，公司越大越有優(yōu)勢。網(wǎng)絡(luò)效應(yīng)、規(guī)模經(jīng)濟、品牌壁壘，都跟體量正相關(guān)

但仔細看一家公司的人員結(jié)構(gòu)。有多少人在做「上傳下達」？寫周報、寫公文、做匯報材料、把老板的想法翻譯成執(zhí)行方案、再把執(zhí)行結(jié)果翻譯成老板能看的 PPT

這些崗位的本質(zhì)是信息轉(zhuǎn)譯。而信息轉(zhuǎn)譯，恰好是 AI 最擅長的事

未來一家公司只需要三種人：做判斷的、做交付的、以及去解決 AI 在現(xiàn)實世界里搞不定的事的。中間那一大層「信息中轉(zhuǎn)站」，會被 Agent 吃掉

人多不再是優(yōu)勢，人多是成本

過去看到「5000 人團隊」會覺得壁壘高�，F(xiàn)在應(yīng)該想一想：這 5000 人里，有多少會在兩年內(nèi)被 Agent 替掉

對應(yīng)著這次的 GLM-5，作為國產(chǎn)模型，能任何一個小團隊都能拿它去做工程交付。以前 10 個人干不了的事，現(xiàn)在 2 個人 + 一個頂級開源模型就能搞定。大公司的人數(shù)壁壘，正在被模型能力抹平

五、面向 Agent 的界面還沒有被建好

最終的人機交付還是得看 UI。而且 UI 對 AI 來說反而簡單，直接生成就好了，現(xiàn)在已經(jīng)能做得很好

真正缺的是面向 Agent 的那一層

面向人的界面是屏幕上的按鈕和頁面。面向 Agent 的界面是文檔和 API

但現(xiàn)在的文檔和 API，全是給人看的。自然語言寫的說明、給人類工程師讀的 README、手動配置的鑒權(quán)流程。Agent 需要的是能直接解析、直接執(zhí)行的結(jié)構(gòu)化描述

更麻煩的是，各家產(chǎn)品自成生態(tài)，文檔格式不統(tǒng)一，API 規(guī)范各不相同。Agent 要調(diào)用十個服務(wù)，就得適配十套完全不同的接口。這一層的基礎(chǔ)設(shè)施嚴重缺失

MCP 和更早的 OpenAI Plugin 開了第一道口子。之前做過一個嘗試：讓 AI 去改 GitHub 上的 .md 和 README，改完之后 AI 能自動識別項目、自動部署。方向?qū)α耍h遠不夠

給 Agent 建一套統(tǒng)一的文檔和接口標準，是下一個基礎(chǔ)設(shè)施級的機會

這件事跟十年前做移動端適配一樣緊迫。但目前幾乎沒人在系統(tǒng)性地推。這里順道 echo 一下我之前的一個工作：給 AutoGLM 寫了一份「給 Claude Code 看的文檔」

六、AI 教育的窗口期極短

現(xiàn)在教人怎么寫 Prompt、怎么用 AI 工具，市場很熱，課賣得也好

但培訓(xùn) AI 使用 AI 的 ROI，遠高于培訓(xùn)人使用 AI。教一個人學(xué)會用 Claude Code，要一周。讓一個 Agent 學(xué)會調(diào)用另一個 Agent，要幾分鐘

規(guī)�；实牟罹嗵罅�。當企業(yè)發(fā)現(xiàn)與其花錢培訓(xùn)員工用 AI，不如直接讓 AI 自己學(xué)自己用，這個市場就會迅速萎縮

教人用 AI 的生意，窗口可能只有一兩年

包括我自己在做的一些內(nèi)容，可能也在這個窗口里。這一波紅利來得快，走得也會快

七、融資邏輯變了

過去 VC 看一家公司，第一個數(shù)字是 DAU，第二個是增長率，第三個是留存。這套框架跑了二十年

AI 時代應(yīng)該看另外兩個數(shù)字：每天消耗多少 Token，每個 Token 能產(chǎn)生多少收入

一家公司日消耗 10 億 Token，每百萬 Token 產(chǎn)生 50 塊錢收入，商業(yè)模型就是成立的。反過來，DAU 好看但 Token 變現(xiàn)效率低，燒得越多虧得越多

Token 消耗曲線和變現(xiàn)效率，比 DAU 重要一百倍

整個評估體系的切換還需要時間。但先想清楚的人，會先找到好標的

八、產(chǎn)品競爭的終局變了

過去做產(chǎn)品，核心是搶用戶心智。讓用戶記住你、打開你、依賴你

Agent 時代，產(chǎn)品的核心客戶正在從人變成 Agent。你的產(chǎn)品能不能被 Agent 發(fā)現(xiàn)，能不能被 Agent 順暢調(diào)用，用了之后會不會被設(shè)為默認

讓 Agent 第一時間找到你，用了就不換

互聯(lián)網(wǎng)時代做 SEO 是讓人搜到你。Agent 時代做 SEO 是讓 AI 選擇你

那些還需要聯(lián)系銷售才能開通的產(chǎn)品，在 Agent 時代會很被動。Agent 不會打電話給銷售團隊，不會填表單，不會等三個工作日。調(diào)不通，就等于不存在

GLM-5 發(fā)布的時候，官方適配了 OpenClaw，發(fā)布當天就掛上了 Skills。這個動作本身就說明了方向：即便是模型廠商如智譜，也要先占上位置，讓 Agent 能找到

九、最終只有兩種企業(yè)

這些判斷匯到最后，指向一個很簡單的分法

能讓 Token 產(chǎn)生正 ROI 的企業(yè)，會越來越強。更多 Token 產(chǎn)生更好的結(jié)果，更好的結(jié)果產(chǎn)生更多的收入，更多的收入買得起更多的 Token。正循環(huán)一旦轉(zhuǎn)起來，差距只會越來越大

Token ROI 為負的企業(yè)，每燒一個 Token 都在虧錢

沒有中間地帶

GLM-5 開源，從道理上，把入場券的價格打到了零。但項目能不能活下來，取決于 Token 的 ROI（至少得把電費賺回來）。門檻降了，淘汰賽反而更殘酷

包括我自己在內(nèi)，也在反復(fù)想：目前做的事情，Token 的 ROI 到底是正的還是負的

最后

這九條，很多還沒完全想清楚。有些可能半年后就被證偽

但有一件事越來越確定：過去十年建立的那套認知框架，正在整體性地失效。包括我自己，手里大概率也攥著上一局的牌

舊思考每多固化一天，新機會就多溜走一天

接下來會很有趣