整条斩杀线，被DeepSeek V4 Pro和Grok 4.6向前推了一大截
我更愿意把这次变化理解为：大模型竞争的最低标准被重新定义了。
DeepSeek V4 Pro和Grok 4.6在两小时内相继发布。它们走的是两条不同路线：前者把准一线Agent能力压到极低价格，后者则试图同时兼顾性能、价格和速度。
真正值得关注的，不是哪一个模型暂时领先，而是过去支撑大量模型生存的“不可能三角”，正在被撕开一道口子。
性能、价格和速度必须一起计算
评价大模型，不能只看能力。
对每天长时间使用Agent的人来说，速度直接决定工作能否连续推进。一次任务等待十几分钟、半小时甚至更久，不只是效率损失，还会把人的注意力切碎。
过去的模型各有明显短板。强模型往往昂贵而缓慢；便宜模型速度可能不错，但复杂任务能力不足；性能和速度兼备的模式，又通常价格不低。
因此，用户一直在不同模型之间分配任务，而不是寻找一个万能模型。最困难、不能出错的大型任务交给能力最强的模型；日常开发交给响应更快的模型；不要求实时反馈的自动化任务，则交给成本最低的模型。
这不是使用习惯，而是由模型经济性决定的任务调度。
DeepSeek V4 Pro重新定义Agent成本
DeepSeek V4 Pro最突出的价值，不是纯知识和推理全面追平顶级模型，而是在工具调用、终端操作和软件开发等Agent场景中逼近第一梯队。
素材列出的Terminal Bench 2.1成绩中，DeepSeek V4 Pro正式版从预览版的72.1升至87.9，Claude Fable 5为88.0。DeepSWE成绩则从12.8升至62.7，距离Fable 5的70分仍有差距。
这说明它的能力结构很鲜明：进入工具环境后，它已经能够承担大量真实任务；离开工具，只依靠自身知识和推理时，差距仍然明显。面对最困难的软件工程、复杂全栈任务和长期稳定运行，它也还不是最可靠的选择。
没有多模态，同样是一个明确短板。
但价格改变了这些短板的意义。素材给出的当前API价格是：百万输入Token 0.43美元，百万输出Token 0.87美元，缓存命中输入0.0036美元。与Fable 5每百万输入10美元、输出50美元相比，已经不是一般的价格优势。
所以我认为，DeepSeek V4 Pro最合适的位置不是替代所有旗舰模型，而是承接大量不要求实时反馈的异步Agent、自动化流程和常规开发任务。
它的开发速度仍然一般，但异步任务并不要求人坐在屏幕前等待。只要把任务放对位置，速度短板就可以被低成本抵消。
Grok 4.6把速度变成生产力
Grok 4.6的意义不同。它试图把接近一线模型的综合性能、较低价格和很快的开发速度放在一起。
素材给出的API价格是每百万输入Token 2美元、输出Token 6美元。它明显高于DeepSeek V4 Pro，但仍远低于Fable 5的价格。
更关键的是交互速度。原作者连续开发约四小时，几乎没有遇到超过20分钟的任务，有些任务约3分钟完成。他购买300美元的SuperGrok Heavy订阅后，高强度使用四小时，周额度只从1%增加到2%；不过首周包含双倍用量，这个结果不能简单外推为长期成本。
这组体验说明，速度不是附属指标。模型能力只有及时转化为结果，才真正构成生产力。等待时间过长，再聪明的模型也会破坏人的工作节奏。
Grok 4.6并非没有短板。素材中的判断是，它在开发和Agent能力上仍弱于Fable 5，前端审美也不占优势。但在财务模型、PPT、法律案件等真实任务中，它已经表现出较强的综合能力。
因此，它更适合作为高频、实时、需要连续交互的日常开发主力，而不是被简单归类为一个更便宜的旗舰模型。
模型组合比单一排名更重要
这两款模型放在一起看，新的分工已经很清楚。
高风险、超大型、不能出差错的任务，仍应交给最可靠的模型和工具体系。办公、创意、内容生产，以及浏览器和电脑操作，也需要综合能力更完整的平台。
高频开发更看重反馈速度，Grok 4.6因而具有吸引力。大量不要求实时性的自动化和异步Agent任务，则更适合DeepSeek V4 Pro。
我认同这种按任务特征配置模型的思路。模型选择不应追逐一张总榜，而要看错误成本、等待成本和Token成本分别有多高。
被淘汰的是只剩单项借口的模型
过去，由于性能、价格和速度无法兼得，每个模型都能依靠一项优势找到生存空间。能力强，可以贵一点、慢一点；能力弱，可以依靠低价；任务简单，也可以依靠速度。
现在，这种空间正在缩小。
DeepSeek V4 Pro证明，接近一线的Agent能力可以非常便宜。Grok 4.6则证明，接近一线的综合性能可以同时拥有更快速度和相对可控的价格。
这意味着，一个模型如果在性能、价格和速度三个维度都无法胜过它们，就必须回答一个直接问题：用户为什么还要选择它？
因此，这次变化真正淘汰的，不一定是某几个模型，而是模型厂商继续用单项优势掩盖综合效率不足的资格。
大模型竞争正在从“各有所长”进入综合效率淘汰赛。未来的门槛不只是更聪明，而是在真实工作中，以更低成本、更短等待时间，稳定完成任务。