上一次智谱AI与月之暗面同台，还是在1月10日。那天是智谱通过港交所聆讯后的第三天，一个周六，在中关村国际创新中心进行了一场名为AGI-Next的媒介峰会。 市场新闻显示，月之暗面正思考在香港进行初次公司募股（IPO），目前已与中金公司及高盛发展协商，有关事务仍处于初期阶段，具体功夫尚未确定。对此，虎嗅向月之暗面方面求证，对方不予置评。 台上坐着的，是这一轮大模型海潮中最主题的一批玩家：月之暗面首创人杨植麟、智谱CEO张鹏、无问芯穹首创人夏立雪、幼米MiMo掌管人罗福莉，以及香港大学助理教授黄超。 从前一个月，这只“龙虾”险些把大模型的挪用曲线沉新拉了一遍。蕴含智谱、Kimi，以及幼米MiMo在内的多家模型厂商，都在这一波中吃到了最直接的盈利。 更沉要的是，龙虾带来的，并不只是挪用量的暴涨。它让行业清澈地看到：大模型起头“干活”之后，一整套新的技术与贸易逻辑，在被同时改写。 而此刻，OpenClaw带来的最大变动，是把模型拉进了工作执行环节。用户给出的不再是问题，而是指标；系统必要实现拆解、尝试、建改和交付。 在张鹏的界说里，它更像一个“脚手架”——通常人能够在其上挪用顶级模型，实现齐全工作链路。用户与模型的关系，也从“提问—回覆”，转向“指标—执杏转迭代”。 这直接扭转了评价方式。单循环覆已经不沉要，关键在于复杂工作能否不变收敛。模型第一次被放进交付了局的语境里。随之出现的，是“慢”的感知。系统在做规划、调度和试错，这些都在亏损功夫，也在堆叠能力。 从前，在大模型对话问答时期，Token亏损量低，通常用户免费就能用得AI。但龙虾出现之后，这个共识被颠覆了。Token用量在短功夫内呈指数增长，已经成为新的共识。Agent工作的亏损量，远高于传统对话。 但Token不再只是成本指标。它对应的是规划、执杏注挪用工具的全过程，靠近一种“机械工时”。这会沉塑价值系统。成本上升不再是单纯压力，而是和工作价值绑定，成为新的定价基础。 而具体来诠释，随着工作复杂度上升，Context长度在迅快拉长到1M甚至10M级别。这迫使厂商起头在推理侧做结构创新，例如：Hybrid架构、Linear Attention、Long Context Efficient设计。 以下是月之暗面首创人杨植麟、智谱CEO张鹏、无问芯穹首创人夏立雪、幼米MiMo掌管人罗福莉，以及香港大学助理教授黄超的精选部门对话： 杨植麟：此刻最火的无疑就是openclaw，各人在日常使用或者类似产品时，感触什么最有设想力或印象深刻？我们从技术角度，先请张鹏谈谈对openclaw和有关Agent的见解。 张鹏：我把它称作一个“脚手架”。它提供了在模型基础上搭建极度牢固、方便且矫捷的可能性。通常人能够极低门槛地使用顶尖模型，尤其是编程和整体能力。以前设法受限于不会编程等技术，此刻通过单一互换就能实现，这是一个极度大的突破。 夏立雪：我最起头用不太适应，习惯了谈天式交互，感触openclaw很慢。后来发现它其实是能助我实现大型工作的。从按Token谈天到此刻能实现工作的Agent，设想力空间提升了，但对系统能力要求也变大了，这就是为什么一路头会感触卡。 作为基础设施厂商，我看到的是机缘和挑战。BB电子资源要支持起这个急剧增长的时期。好比我们公司从1月底起头，每两周Token量翻一番。此刻的Token用量就像昔时100兆手机流量的时期。我们必要更好的优化和整合，让每一个鲜活的人都能用起来。这对整个社区是巨大的优化空间。 罗福莉：我以为openclaw是一个极度革命性和颠覆性的事务。固然深度Coding的人首选可能还是Code，但用过openclaw的人会感触到它在Agent框架设计上是当吓宗Code的，Code的最新更新其实都在向openclaw靠近。 它给我的最大价值在于“开源”：这有利于社区深刻参加。它把国内次顶级关源模型的上限拉得极度高，在绝大部门场景下工作实现度已极度靠近最新模型，同时又靠Skill系统保障了下限。 此表，它点燃了各人的设想力。各人发现大模型表的Agent层有巨大空间，更多人，不仅是钻研员，起头参加AGI刷新，这在肯定水平上代替了沉复工作，开释了功夫去做更有设想力的事。 黄超：首先是从交互模式上，openclaw给了各人一种“更有活人赣妆的履历。之前的Agent工具感更强，而openclaw以“软件切入”的方式，更靠近各人设想中的幼我贾维斯（J.A.R.V.I.S.）。 其次，它证了然架构Agent的框架能够既单一又高效。它让我们沉新思虑：是否必要一个All in one的超等智能体，还是必要一个轻量级操作系统或脚手架式的幼管家？它让各人更佑装玩起来”的心态，撬动生态里的所有工具，通过Skills或Tool的设计，赋能各行各业。 杨植麟：顺着刚才各人一向在会商 OpenClaw，我也想接着问张鹏一个问题。智谱最近颁布了新的GLM Turbo模型，这个模型在有关能力上也做了很大的加强。能否介绍一下新旧模型的分歧？以及观察到的提价战术反映了什么市场情况？ 张鹏：颁布Turbo重要是为了从“单一的对话”转向“干活”。openclaw让各人看到大模型能干活，但干活背后的Token亏损极度高，必要规划、尝试、Debug、处置吞吐需要。Turbo在这些方面做了优化，性质上是多智能体协同架构，但在能力上有左袒性加强。 关于提价，由于干活亏损的Token量是单一问答的10倍甚至100倍，成本大幅提高。持久廉价竞争不利于行业发展，调整价值是为了回归正常的贸易价值，让我们能持续优化模型，提供更好的服务。 两年前，中国团队在算力受限，尤其是互联带宽受限的情况下，做出了突破：在低端算力限度下，通过模型结构创新（如DPCV3、M1、MA等）去钻营最高效能。这给了我们勇气和信念。 为什么结构创新沉要？由于openclaw越用越聪明的前提是推理Context。此刻的难题是：怎么在1M或10M的长高低文下，做到成本够低、快率够快？只有这样，能力引发逾越产力工作，实现模型自迭代，在复杂环境中依附超长Context实现自我进化。