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。