一周四发之后：模型能力趋同的 7 分差距，与黄仁勋那句“AGI 已到“

一周四发之后：模型能力趋同的 7 分差距，与黄仁勋那句"AGI 已到"

2026 年 9 月的第一周，可能是大模型行业历史上发布密度最高的一周。

9 月 1 日到 3 日，Anthropic、Meta、Google、OpenAI 四家在三天内接连交出旗舰：Claude Fable 5.1、Muse Spark 1.3、Gemini 3.8 Flash、GPT-6 Astra。同周，阿里刷新了 Qwen3.8-Max，阿布扎比 MBZUAI 开源了 K2 Horizon 系列，英伟达则以 129 亿美元把 Hugging Face 收入囊中。

热闹背后，一个此前被发布会声量盖住的问题浮出水面：当四款旗舰的智能指数差距缩小到个位数、价格却差了 100 倍，行业竞争的主战场是不是已经换了？

而 9 月 7 日，英伟达 CEO 黄仁勋在社交媒体上的一句话，又把讨论推向了顶点——"AGI 已到。"

一、先看事实：三天四发的完整时间线

按发布时间梳理，这一周的节奏是这样的：

• 9 月 1 日（周二）：Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1。两者共享同一基础模型，区别在安全防护等级——Fable 5.1 面向所有用户，Mythos 5.1 仅通过受信访问计划提供给经过审核的机构。Anthropic 称这是"全球最先进的编程和知识工作模型"。
• 9 月 2 日（周三）：两家同时出手。Meta 发布 Muse Spark 1.3，首席 AI 官称这是"迄今在模型性能上最大的一次跃升"，编程能力超过 GPT-5.6 Sol、与 Fable 5.1 持平；Google 上线 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber——这是六周内的第三款 Flash，距离上一代 3.7 Flash 只有三周。
• 9 月 3 日（周四）：OpenAI 发布 GPT-6 Astra（及 Astra Pro），总裁布罗克曼以"欢迎进入 AGI 时代"收尾。
• 同周：阿里 Qwen3.8-Max 刷新；英伟达宣布完成对 Hugging Face 的收购。

Altman 事后对节奏加速的解释很直白："我们都在加快迭代节奏。"他甚至把部分原因归给了一个谁都没想到的因素——"大家都结束暑假回来了。"

二、数字真相：智能只差 7 分，价格差 100 倍

把四款旗舰放进同一张表，最能说明问题的不是各自的宣传口径，而是横向对比：

按 Artificial Analysis 的智能指数，四款模型的差距只有 7 分——最高与最低几乎在同一个能力档位内。但每百万 token 的输出价格，从 Gemini 3.8 Flash 的 3.75 美元到 Fable 5.1 / Astra 的 50 美元，相差 13 倍；如果算上 Meta 允许用自有数据训练的 0.2 美元档位，价差被拉到 100 倍以上。

换句话说：过去一年，旗舰之间的能力差距是"代际"的；现在，差距是"价位"的。 你在意的不是选谁更聪明，而是选谁更划算、更符合你的任务类型。

独立评测也在印证"能力趋同"的判断。在 DeepSWE 编程基准上，Gemini 3.8 Flash 拿到 73.7%，几乎追平 Claude Opus 5 的 74.0%——而它的价格只有后者的零头。Muse Spark 1.3 在部分编程测试中甚至冲到 75.4%。综合最强的是 Fable 5.1，但它也是"完成任务最贵"的模型：独立成本测算里，它平均每个任务约 3.69 美元，比上一代 Fable 的 3.14 美元更贵。

Astra 则靠"偏科"取胜：它不追求全面第一，但在计算机操作、网络安全、抽象推理上拉开身位——ExploitBench 满分、能在加固浏览器里找到代码执行路径，这是它首个达到"关键"级网络安全风险阈值的底气，也是它敢定价 50 美元的原因。

这一周最重要的产业信号：模型的能力天花板在趋同，竞争焦点从"谁最强"转向"谁的经济学更匹配我的任务"。 对开发者来说，"最优模型"的单一答案正在消失，取而代之的是按任务选模型的常态。