1. 首頁 > 生活百科 > >

AI四小強重新上桌了？

人工智能deepseekmanusopenaiminimax

AI四小強重新上桌了？

文章圖片

AI四小強重新上桌了？

文章圖片


當7月16日身著唐裝的黃仁勛在公開演講中 ， 將MiniMax與“DeepSeek、阿里巴巴、百度”一同提及 ， 并稱“開發的產品都是世界級”時 ， 沉寂半年之久的AI四小強 ， 頗似甄嬛回宮 ， 手里拿上了逆襲劇本 。
實際上 ， 進入7月 ， 扎堆推出Deep Research的AI四小強 ， 正躍躍欲試重新登上牌桌 。
近期 ， 階躍星辰的階躍AI Deep Research正式開啟邀請測試 ， 此前6月 ， MiniMax連續5天上新了推理模型M1、視頻生成模型、Agent等 ， 其中MiniMax-M1集成了包括Deep Research（深度研究）在內的技能 ， 同在6月 ， 月之暗面的Kimi Research跟上 。 而早在3月底 ， 智譜發布了AutoGLM沉思版 ， 作為智能體(AI Agent)也融合了Deep Research能力 。
截止發稿前 ， AI四小強已全搶上這一波Deep Research的船票 ， 并在7月爭先恐后在模型層上新 ， 前半年低調發育的AI四小強 ， 在大廠夾擊下正迅速追上 。
“現在大模型進入了深水區 ， 單靠模型參數或者Demo已經沒辦法說服市場了 ， ”某頭部創投機構聯創林晟（化名）告訴字母榜 ， 對商業化壓力越來越大的AI四小強而言 ， 在垂直領域做深 ， 做更能交付價值的Deep Research以及Agent ， 都是在大廠圍剿中較為安全的生態位 。
AI四小強也“需要通過跟上Deep Research這樣關鍵的技術迭代向投資人證明 ， 他能在大模型下半場占有一席之地 。 ”林晟補充道 。
同時 ， 對AI四小強來說 ， 跟進Deep Research ， 押注可以自主規劃任務并交付結果的AI Agent ， 不僅是為重上牌桌 ， 也是要搏一個“錢景” 。
據外媒報道 ， 為了使用OpenAI面向ChatGPT Pro用戶推出的Agent “Deep Resaerch” ， 約20%的用戶升級成了每月訂閱費高達200美元的Pro會員 。 同時 ， 恒業資本管理合伙人江一告訴字母榜 ， 隨著DeepSeek的爆火 ， 他們慧辰股份推出的消費Agent ， 原本在AI方面沒有投入預算的客戶 ， 已經將原本信息化的預算挪向AI ， 而這些應用Agent的訂單往往都在數百萬級別 。
這一次 ， AI四小強能重新上桌嗎？
01
在2025年的AI Agent熱潮里 ， Deep Resaerch（深度研究）類的產品是最早落地的一批 。
從去年底谷歌發布首個Deep Resaerch開始 ， 數月內 ， OpenAI、Anthropic等迅速跟進 ， 能做PPT、寫財報分析、進行學術研究的Deep Resaerch成了新的技術標桿 ， 也讓AI Agent在用AI 輔助人的道路上向前邁了一步 。
如今AI四小強都推出了自家的Deep Research ， 正面硬剛字節、騰訊等大廠 。
不過需要注意的是 ， Agent作為四小強關鍵的技術展示窗口 ， 楊植麟們的表現頗為謹慎 。 都以內測版開路 ， 通過一個月的小范圍內測 ， 去收集專業用戶的反饋意見 ， 在調試后才全量上線 。
這種謹慎開大的做法也顯露出AI四小強對這次亮相的重視 。
此外 ， 在Deep Resaerch的路徑選擇上 ， AI四小強也分裂出了兩種路徑 。
一條路徑崇尚傻瓜式操作 ， 門檻更低 ， 以月之暗面的Kimi-Researcher為代表 ， 摸著OpenAI、Gemini過河 。 正如OpenAI demo所演示的一般 ， 用戶只需發出指令 ， 合上電腦等待 ， 就能得到一份達到研究分析師水準的報告 。 和月之暗面選擇同樣路徑的 ， 還有字節 。
這種路徑選擇讓AI自主思考和理解 ， 推理和調用工具來解決問題 ， 極大降低了用戶的使用門檻 。 “用戶不需要準備復雜的提示詞 ， 只需要等待 ， 甚至為了沒有耐心的大部分用戶 ， OpenAI官方宣稱任務交付時長在1-30分鐘 ， 測試下來Kimi-Researcher一般都會在10-20內生成結果 。 ”在某國企AI相關部門就職的宋城（化名）告訴字母榜 。
另一種則是高用戶互動型 ， 結果很可控 ， 包括智譜、Minimax ， 選擇了類Manus的工作流（Workflow）模式 。
此外 ， Kimi還會提供一份可視化的報告 ， 提供提供卡片、表格、思維導圖等多種信息 ， 目前ChatGPT 尚未提供類似的功能 。
在這種模式下 ， 用戶需要準備復雜的提示詞 ， 提示詞的復雜程度決定了生成效果 ， 而且在Agent工作過程中 ， 隨著持續調用工具 ， 用戶需要加入提供反饋 ， 宋城表示 ， 這種模式AI的動作軌跡都一早設計好 ， 可控性更高 ， 只是用戶被綁在了任務上 ， “如果一個任務需要跑1-2個小時 ， 為了及時給AI做確認、糾偏 ， 需要時刻注意頁面 。 ”
但最終兩種路線的分歧 ， 實際上都指向了一個核心問題 ， 即無論走哪一條路 ， 當下大模型的能力還不足以支持更智能的Agent的推出 ， 對用戶來說 ， 每次任務執行都有開盲盒的錯覺 ， 因此AI四小強也在補足自身的模型能力 。
無論是Mini Max推出的M1新模型 ， 上下文的長度達到一兆 ， 還是月之暗面的K2模型 ， 總參數量達到一萬億 ， 就在7月25日 ， 階躍星辰場發布了Step 3大模型 。 針對國產卡32K上下文 ， 這代模型推理效率最高可達到deepseek R1的300% 。
02
事實上 ， 從AI六小龍到AI四小強 ， 楊植麟們的2025年過的頗為艱難 。
隨著年初Deepseek帶起推理模型的新潮流 ， 原本佛系觀戰的騰訊攜元寶強勢下場 ， 阿里也用夸克瀏覽器爭奪新流量入口 ， 字節的豆包短暫從下載榜滑落 ， 但憑借頻繁的迭代上新持續探入垂直場景 。
“在年初我們（Kimi）停止投流之后 ，國內不少應用商店搜索 kimi 甚至第一頁都看不見 ，在蘋果 App Store 搜 kimi 會推薦豆包 ，在某度搜 kimi 會推薦 某度 DeepSeek-R1 滿血版 。 ”
Kimi發布K2 大模型后 ， Kimi 的技術員公開表示 ， 即便面對如此艱難的情況 ， Kimi 也沒有恢復投流 。
去年在大模型賽道上激進砸錢推流的AI六小龍 ， 一時之間陷入了對自身技術實力的自證漩渦 。 這似乎也讓楊植麟們意識到 ， 技術實力似乎遠比用戶規模 ， 更能決定大模型創企的發展 。
半年內 ， AI四小強悄悄調整重心 ， 在生存壓力下 ， 放棄對用戶規模的追逐成了第一步 。
從去年12月至今 ， 一批負責應用和商業化的六小龍高管相繼離開 。 其中包括但不限于前智譜COO張帆、前MiniMax商業化負責人魏偉、前月之暗面核心產品負責人明超平、前階躍星辰“冒泡鴨”產品負責人張心皓（尚未離職 ， 轉為內部顧問）等等 。 月之暗面也傳出了調整投放策略的消息 。
從Deepseek的推理模型 ， 海外科技大廠如Claude、XAI等在Deep Resaerch上的新突破 ， 到Manus的Agent熱 ， 大模型的競爭熱詞短短數月換了幾輪 ， 被DeepSeek沖擊估值體系的AI四小強 ， 不得不重新將技術迭代確立為公司的最高優先級 。
而在這場AI時代的“注意力資源”比拼之戰中 ， 重新跟上節奏的AI四小強 ， 需要向外界證明自己有重上牌桌的實力和可能性 。 Agent成了最好的發力點 。
“過去國內大模型都在對標OpenAI、復制OpenAI ， 現在在Agent這樣的應用層 ， 要打差異化了 。 ”江一告訴字母榜 ， AI頭部創企正試圖在垂直技術的長板上去做突破 ， 避免與大廠的同質化競爭 。
Kim7月推出萬億參數的 K2模型 ， 為智能體任務（agentic tasks）做了專門優化 ， 被Hugging Face、Perplexity CEO 發文稱贊 。 多模態則是MiniMax的舒適區 ， 近期發布的視頻模型Hailuo 02在Artificial Analysis Video Arena評測榜上排名第二 ， 僅次于字節的Seedance 1.0 。
可以看到 ， 跑在前面的已經拿到了來自資本市場的好消息 。
智譜頻頻傳出融資消息 ， 又成為首個正式開啟上市輔導備案的AI大模型創企 ， MiniMax爆出即將完成近3億美元（約合人民幣22億元）新融資 ， 并向港交所提交IPO申請 ， 目標“今年內上市” ， 估值從25億美元沖到40–50億美元之間 。
押注Agent ， AI四小強已經跟上來了 。
03
不過 ， 在Agent時代 ， 跟上節奏的AI四小強還需再次證明自己的價值 。
技術卡位戰是楊植麟們首先要自證的第一道坎 。 盡管月之暗面6月發布的 Kimi-Researcher， 聲稱在「人類最后一場考試」(Humanity's Last Exam) 中 ， 取得了 26.9% 的 Pass@1 成績 ， 創下最新的 SOTA 水平 ， 但可以看到 ， 相比起引發熱議的Manus、Lovert ， 前者拿到硅谷知名風投Benchmark領投的7500萬美元融資 ， 亮相3個月完成文生圖、視頻生成功能的迅速迭代；后者頂著全球首個設計Agent的名頭得到了馬斯克的激情點贊 。
更為出圈的Manus、Lovert ， 調用的都并非國內的大模型 。 對楊植麟們而言 ， 拿出自研Agent只是第一步 。 他們需要用更出圈的應用案例 ， 證明自身技術的優越性 。
“Agent需要給客戶創造愿意付費并且可量化的價值 。 ”
江一告訴字母榜 ， 在Agent創企們拿著錘子找釘子的過程中 ， 出圈的應用案例要給客戶提供真金白銀的可量化價值 ， 而這往往并非用ChatBot這類基礎功能可以達到的 。 他們為一位大客戶交付了Agent矩陣 ， 涉及到從門店銷售、找高潛門店售點鋪貨 ， 到定市場策略、協同物流等多個流程 。 其中 ， 客戶有20萬地推銷售 ， 工資高 ， 流動性更達到60%-70% ， 培訓成本占到了營收的12% 。 通過培訓銷售使用Agent ， 客戶將原本銷售30天的入職培訓時間縮短到了兩天 ， 新人用agent也能達到中等偏上的銷售水平 。
對AI四小強來說 ， 找到目標客戶后如何創造遠大于售賣價格的交付價值 ， 用出圈的應用案例證明自己 ， 是必然要闖的第一關 。
但在Agent大爆發的2025年 ， 楊植麟們也缺“錢多、有耐心”的好客戶 。
盡管算力價格被大廠聯手打進“厘時代” ， 但不同于單純對話的有限的算力消耗 ， 需調用多個大模型、訪問多個網址的Agent ， 每個任務的Token消耗量都不低 。 “生成一份還可用的調研報告 ， 要22萬token ， 用cursor（智能編程）一個來回就消耗300萬token” ， 在某國企就職的宋城告訴字母榜 ， 對企業來說 ， 使用Agent的成本并不算低 。
同時 ， 技術的迅速迭代也讓Agent的使用成本節節攀高 。 “Manus發布前核算完成單次任務的成本在2-3美元 ， 幾輪優化后原本成本已經降低 ， 但迭代添加視頻生成能力等等 ， 成本又再次拉了上去 ， ”前Manus員工方成（化名）告訴字母榜 。
而使用成本的高昂、單次任務執行動輒要半小時、甚至一小時完成任務 ， 就連OpenAI也在“祈求”用戶的耐心 。
在OpenAI面向ChatGPT Pro用戶推出的Agent “Deep Resaerch”后 ， 其團隊核心成員Issa Fulford接受采訪時就表示“（OpenAI Deep Resaerch）的目標用戶是專業消費者（prosumer） ， 那些愿意為了一個詳細報告等待 30 分鐘的人 。 ”
根據SimilarWeb的監測數據顯示 ， 2025年以來 ， Manus的月訪問量從3月的2376萬次 ， 跌到了6月的1730萬次；Genspark的月訪問量從4月的888萬次 ， 下降到了6月的769次 。 頭部Agent 的增長頹勢也告訴我們 ， Agent距離跑通PMF（產品市場匹配度）還有一段路要走 。
【AI四小強重新上桌了？】無論如何 ， 可以肯定的是 ， AI四小強 ， 必須開始賺錢了 。

    推薦閱讀