国产旗舰模型在 3D 与代码生成上的能力跃升有了实测佐证，但新模型上线初期的拥堵与限流直接影响可用性。

• 影响代码与 3D 生成需求多了一个国产模型选项，但作者单案例消耗 170 到 180 积分，Pro 档成本不低；新模型首发阶段限流明显，关键任务不宜安排在上线初期窗口。
• 参考可考虑用同一组提示词在官方渠道与 WorkBuddy 各跑一遍，对比效果与积分消耗；值得先选 3D 展示或小游戏这类低风险场景试点，关键任务错开上线初期高峰。

新模型上线两天即因限流和额度消耗公开致歉并补偿，模型能力的兑现开始受制于服务端稳定性。

• 影响已把新模型接入生产任务的企业会遭遇限流和额度消耗波动；厂商用额度重置兜底，订阅额度成为可对账的补偿单位；官方减少子 Agent 调用也意味着同样额度能完成的任务量会变化。
• 参考可考虑核对订阅账号的用量进度条并记录补偿到账情况；值得把上线首周的服务稳定性纳入新模型评估项，对额度消耗速度单独记账。

K3.1 Pro是在K3底座上的稳步升级，重心从答题转向执行长任务，降价配合Agent调用场景，具身智能方向初露端倪。

• 影响API输出降价直接降低长任务与Agent调用的成本；月度额度各项功能共享，反复修改会快速消耗预算；具身方向目前只有招聘与演示，尚未有可用的产品形态。
• 参考可考虑选邮箱表格类自动化或终端任务做小试点，记录从生成到修改的全部token消耗再定预算；是否买高速版，值得先按额度翻倍且提速只在输出阶段这两点算账。

本周头条集中指向DeepSeek，开源推理框架、千亿融资传闻与美国禁令同周出现，头部公司的规模扩张与地缘风险同步放大。

• 影响依赖DeepSeek技术方案的第三方产品被纳入美方移除范围，涉美业务合规成本上升；DeepInfer开源并公开收入口径，行业推理成本与吞吐有了可对标基准；一级市场巨额融资传闻与二级市场破发、AI股抛售并存，融资环境分化。
• 参考可考虑先盘点自有系统中基于DeepSeek技术方案的清单并评估涉美合规敞口；值得用DeepInfer披露的吞吐与每卡收入数据重算自有推理成本预算；出海技术选型可将美方禁令的第三方覆盖范围纳入审查项。

这一轮调整的实质是AI资产定价从叙事驱动转向盈利质量与产业绑定，估值在消化而基本面未恶化。

• 影响AI概念定价的公司估值与基本面可能持续背离，融资与上市窗口在收窄，先递表者获得定价权；技术出海路线直接影响合规成本，开源与闭源海外部署待遇分化；算力链订单能见度延伸到2027年，需求侧景气未变。
• 参考可考虑对照征求意见稿梳理自身模型与算力出海形态，分清哪些落入管理范围、哪些适用豁免；值得参考头部光模块厂商订单排至2027年的信号安排采购与产能；需要融资的AI业务可评估产业资本渠道的定价方式。

这批动态的实质是 AI 安全从表态进入实操，厂商主动收窄模型攻击能力，政府机构收紧员工使用并加大安全投入。

• 影响开放权重模型的安全边界开始可用评测数据衡量，模型选型多了一个硬指标；机构对通用 AI 服务的封锁在增多，员工向外部工具输入敏感信息的边界需要先划清；算力扩张的瓶颈正从芯片转向电力。
• 参考可考虑在模型选型清单中加入网络安全能力评测要求；值得参照瑞典多家机构的做法，先盘点员工向外部 AI 输入敏感信息的场景；规划算力投入时，可把电力可得性列为与设备采购并列的前置条件。

词元用量与价格同步上行，说明国内大模型应用进入规模化阶段，竞争重心从价格战转向性能与稳定性。

• 影响以去年价格水平做的 API 预算需要重算，归一化均价接近翻倍且调用量仍在快速增长；同一模型在不同平台性能差距明显，选型不能只比模型型号；国内推理速度整体仍落后于国外。
• 参考可考虑按报告的归一化价格口径重算自家应用的词元成本，把涨幅折进下一年度预算；值得在采购前对候选平台的 TPS、首词时延和调用成功率做实测对比后再定供应商。

两家大模型公司的招聘分野，实质是算力储备差距投射到用人策略上的结果，选人逻辑由资源约束而非单纯品味决定。

• 影响搭建 AI 团队时，选人标准需要与自身算力和业务节奏匹配；算力受限时招即战力更省隐性成本，算力充裕才谈得上养长周期新人；有大厂模型训练背景的人才溢价正在缩水。
• 参考可考虑先算清自家可用算力与项目交付节奏，再决定倾向竞赛型新人还是成熟工程师；值得在面试中引入模型作弊识别、大规模实验经历这类实操题，替代单纯的履历筛选。

办公套件通过接入第三方旗舰模型补强能力，模型供给正在成为企业办公产品的竞争变量，而非仅靠自研。

• 影响已在用 WorkBuddy 的企业可按订阅档位获得新模型能力；高速版与高阶套餐绑定，模型能力开始影响办公工具的选型与预算；相关成绩均为厂商口径，引入前宜自行验证。
• 参考可考虑盘点现用办公套件已接入哪些模型，把长上下文文档处理或代码、Agent 类任务列为试点场景；值得在升级高阶档位前先做小范围对比实测，再决定是否扩量。

月之暗面借K3.1 Pro主打Agent实战与低价，把国产模型重新带回第一梯队竞争，但榜单跃升不等于真实任务表现。

• 影响Agent与代码类任务的选型多出一个低价候选，官方口径成本约为对标闭源模型的五分之一；3D Make把建模、前端到网页发布压进一个对话输入框，相关人手与外包预算值得重算；权重尚未发布，私有化部署暂不可行。
• 参考可考虑在Agent终端操作和财务建模各挑一个真实任务做对比试点，用自有数据重算单任务成本；值得盘点现有3D建模与外包需求，用kimi.com的3D Make试做一单验证交付质量。

Kimi 用更重的后训练把长程 Agent 与代码能力推近闭源前沿，但模型冗长让订阅额度取代能力本身成为可用性瓶颈。

• 影响API 场景单位任务成本约 2.11 美元，低于文中对比的 Claude Opus 5.5 约 5.98 美元，按量付费跑长任务更可控；订阅套餐额度成为长程 Agent 任务的实际约束，重度代码使用要先核算消耗；完整权重 11 月 4 日前开放，有算力的团队可评估私有部署。
• 参考可考虑先用 API 在代码修复或投研场景做小规模试点，记录单任务 Token 用量和耗时，再决定按量付费还是订阅；11 月 4 日权重开放后，具备算力的团队可评估私有部署用于内部代码审查。

国产大模型的竞争焦点从速度与价格重新转回能力上限，K3.1 Pro 让企业在高难度任务上多了一个国产旗舰选项。

• 影响3D 创作、长程编码、金融建模等高上限任务多了一个国产替代选项，按作者实测可花更少的钱拿到相近效果；完整权重计划开放，私有化部署在选项之内；能力结论目前主要来自官方口径。
• 参考可考虑把 3D 网页、财报建模或长程编码这类现有场景拿出来做对照测试，记录效果与 token 成本；值得等 11 月 4 日权重开放后评估私有化部署的可行性；先算出当前闭源模型调用账单作为比较基准。

头部公司同日在模型能力、Agent 算力与资本层面密集动作，AI 竞争从单点产品扩展到全栈布局。

• 影响内容与 3D 制作的模型工具同日更新，制作团队选型空间扩大；DeepSeek 引入产业资本并传筹备上市，评估模型供应商长期稳定性多了参考点；谷歌 ACE 若开放预览，Agent 部署的算力成本结构可能出现新选项。
• 参考可考虑把 Kimi K3.1 Pro 和 Seedance 2.5 4K 加入内容与编程场景的候选评测清单；选择模型供应商时值得把融资与 IPO 动向纳入稳定性评估；做 Agent 部署的团队可关注 ACE 预览的开放节奏。

模型降价与权重开放在继续压低应用成本，监管层则开始为 AI 的就业冲击预置缓冲和评估机制。

• 影响Kimi 三项价格较 K3 低 33%、完整权重 11 月 4 日前开放，模型调用与自部署成本继续下探；就业风险评估进入市场准入评审，大规模推广 AI 的场景需提前安排告知与转岗；存储成本高企推高整机价格，硬件采购预算承压。
• 参考可考虑借降价窗口重算模型用量预算，并在权重开放后评估自托管方案；值得对照国办意见盘点受影响岗位，设计提前告知与转岗培训流程；硬件换机可先测算存储涨价对整机采购成本的影响。

月之暗面新旗舰聚焦编程智能体与 3D、金融等垂直工作负载，官方称基准成绩已逼近头部闭源模型。

• 影响编程智能体和财务分析类任务多了新的国产选项，按 Token 计价便于直接测算调用成本；完整权重 11 月 4 日前发布，评估私有化部署时会有新的候选。
• 参考可考虑用自有编程或财务分析任务与现有模型做同题对比；若调用量大，先按缓存命中与未命中的价差测算账单；待权重发布后再评估私有化部署成本。

Kimi K3.1 Pro 把开放权重模型与闭源前沿的指数差距拉到 3 分量级，Moonshot 同时开始主动削减开放版本的攻击性网络能力

• 影响若权重按计划开放，企业自托管近前沿模型的选项将增多；Token 降价 33% 直接降低智能体与代码场景的推理成本；开放版本攻击性网络能力被有意削减，安全攻防类用途可能受限
• 参考可考虑将其纳入代码与办公自动化场景的选型对比，用自有任务实测与 Claude Opus 5.5 的差距；权重开放后可测算自托管与 API 采购的单任务成本再定配比

开放权重模型在编程和智能体任务上追近闭源前沿，厂商同时在开源前主动削减网络安全能力以控制滥用风险。

• 影响编程、3D 与金融工作流多了一个可自托管的开放权重选项，私有化部署与供应商议价空间扩大；API 提供零数据保留，Kimi 企业版默认不启用该模型；各项性能与幻觉率收益均为官方口径，选型前可先用自己的任务样本复测。
• 参考可考虑先用 API 在编程助手或财务分析场景小规模试跑，与现用模型对比通过率；需要数据不出域的团队可等权重放出后评估私有化成本；Kimi Code 用户可用 /model 命令直接切换试用。

这是Kimi K3.1正式发布前的预热阶段，匿名打榜加官方视频造势已成行业惯例，模型真实能力与定价竞争力要等发布后检验。

• 影响若K3.1延续K3在Coding和Agent上的定位，开发团队多一个高性价比模型选项；海外模型把API价格压低后其定价空间收窄，使用成本会成为选型关键；匿名造势容易抬高预期，正式版表现可能与社区测试存在落差。
• 参考可考虑把K3.1列入正式发布后的评测清单，沿用现有Coding和Agent任务做对比实测；值得按Claude Sonnet 5.5每百万Token 2美元和10美元的价位重算当前用量成本，作为选型或议价基准。

月之暗面沿用匿名打榜玩法预热K3.1，能力信号集中在前端与3D代码生成，关键变量可能在价格而非跑分。

• 影响若延续K3的性价比路线，编码与Agent场景会多一个低成本选型项；匿名测试期的热度多来自精选作品，采购评估宜以正式发布后的独立测试为准；竞品降价也压低了这一档位的价格预期。
• 参考可先算清现有编码与Agent场景的Token成本基线，对照K3的3美元、15美元和竞品新价格；待K3.1正式发布后，可在前端代码或多Agent协作场景做小规模对比试点。

多条接口与代码痕迹指向 Kimi K3.1 已就位，改动偏工程兼容与档位细分，官方细节空缺，现阶段选型依据不足。

• 影响K3 已进入 GitHub Copilot 与 AWS Kiro，模型更新会直接传导到企业已在用的编程助手；推理档位若扩到四档，效果与成本之间多一档可调；参数定价未公布，现在做模型替换决策缺关键输入。
• 参考可考虑盘点团队编程工具中哪些依赖 Kimi K3，待 K3.1 发布后用同一批开发任务做新旧对比；值得把推理档位与 1M tokens 上下文表现列入选型测试项。

大模型价格战结束，词元服务转向按性能竞争，企业此前按低价建立的 API 成本假设需要重新校准。

• 影响以 API 交付的 AI 应用单位推理成本上升，毛利与定价需按新价格重算；吞吐翻倍和上下文扩展可部分对冲涨价，但首词时延上升会影响交互体验；同一模型跨平台性能差距明显，采购比价空间大。
• 参考可考虑重新核算现有应用的词元用量和成本，更新年度预算；选型时值得对候选平台实测 TPS、首词时延和调用成功率，按业务场景比价后再签约。

美妆投资正从平台流量叙事转向产业资本主导，资本为技术壁垒与供应链能力定价，纯种草打法换不来估值。

• 影响纯流量叙事的美妆品牌融资难度上升，资本转向功效、研发差异化与留存等硬指标；平台投资收缩后，技术型企业更多对接产业基金；消费资产估值重定价会传导到并购与退出定价。
• 参考消费品牌可考虑把融资材料从种草量转向复购、留存与供应链数据；有成分或研发积累的企业值得研究欧莱雅BOLD基金、BIGBANG计划等产业资本入口；可先测算自身对单一渠道流量的依赖度。

国家AI基金公开可查的出资不足基金规模一成，但八笔全部落在各环节头部公司，实质是用长周期财政资金为AI产业链关键环节定方向。

• 影响被投企业资本节奏加快，月之暗面、DeepSeek目标2027年上市，国家队股东名单将进入招股书；模型公司融资主要流向算力采购，国产芯片需求随之放大；AI普及已波及审计等行业招聘规模。
• 参考可考虑将国家队入股记录作为评估模型供应商资金续航的参考之一；可关注月之暗面与DeepSeek的上市进度，为国产模型合作与估值建立参照；算力相关预算可同步跟踪昇腾芯片采购等需求信号。

国家AI基金的公开投向显示财政资本在为回报周期五到十年的AI产业链补位，标的集中在已跑出产品与客户的头部公司。

• 影响基金投向覆盖模型、应用、具身智能、算力芯片与AI安全五个环节，为超出多数市场化资金久期的长周期投入提供资本；被投头部公司密集走向公开市场，月之暗面已保密递表港交所，DeepSeek筹备科创板上市。
• 参考可考虑对照该基金覆盖的模型、算力、具身智能等五个环节，评估自身业务位置与国家资本投向的契合度；计划融资或上市的AI公司值得研究八家被投企业的估值口径与披露节奏。

AI前沿优化人才稀缺到一名17岁研究员的去向就能牵动大厂和VC，个人议价能力与其底层技术积累深度直接挂钩。

• 影响前沿内核与算法岗位的薪酬锚点被抬到百万美元量级；核心技术会沉淀在模型和代码里，人员流失不等于能力清零；低龄、非传统学历背景的人才也可能直接进入行业核心圈。
• 参考可考虑盘点核心技术模块对个别人员的单点依赖，评估关键内核与算法是否有文档化沉淀；值得用市场传闻的薪酬量级重估自家前沿算法岗位的对标口径。

FDE高薪抢人的实质，是AI to B交付仍靠人力兜底，模型能力不足把交付缺口转成了人才成本。

• 影响AI to B交付当前仍是人力密集生意，项目制按人天计费让成本难以摊薄；已有客户首年采购几十万、次年不续约的亏单案例；落地会触碰企业内部数据开放与岗位利益的再分配。
• 参考可考虑先列出哪些部门数据可开放、谁为上线结果签字，再启动AI项目；值得要求供应商给出Token用量与效率提升的可量化口径；中小企业可对比百万元软件报价与20万元自聘懂Agent开发的成本。

顶尖大模型人才的争夺已延伸到高中在读研究者，年龄与学历门槛在前沿训练岗位进一步弱化。

• 影响前沿训练人才的稀缺定价被新公司高估值进一步抬升；核心研究员流动直接影响模型迭代节奏；企业引进AI人才时非常规履历的候选人会更多进入视野。
• 参考可考虑复盘内部录用标准对在校生和低年龄候选人的限制是否过严；值得对研究型核心岗位做留任与交接预案盘点，明确关键人流失后的应对路径。

AI办公的同质化竞争让买量只能换到短期曝光，模型能力底座与行业场景适配才是厂商要守的防线。

• 影响企业办公的AI粘性主要来自既有文档与沟通生态的沉淀，首次入口选择会影响长期使用惯性；营销买量换来的是曝光而非壁垒，排位仍可能被模型能力或政企沉淀改写；财务、审计等严肃场景开始出现预置专业智能体的供给。
• 参考可考虑在选型前先盘点自身文档与沟通沉淀所在的办公生态，优先试用与之打通的产品；值得按财务、研报等具体岗位任务做小样本试点，用复杂任务的交付质量而非功能清单做比较。

大模型会员价差催生了成熟的灰色转售链条，低价共享的实质是把账号和输入数据交给不明第三方。

• 影响员工用共享账号处理工作内容时，提示词、文件和生成结果可能被留存或倒卖；租用服务随时可能因密钥封禁而中断，影响任务连续性；企业需把非官方 AI 渠道纳入数据安全与合规盘点范围。
• 参考可考虑盘点员工在用 AI 工具的账号来源，识别非官方渠道；值得为高频使用场景配备正规企业订阅或 API 预算，压缩灰色替代的动机；可在安全培训中说明共享账号对出租方可见的风险。

中国大模型行业的胜负标准正从比谁更聪明转向比谁被真实使用和付费，头部公司提价未流失客户，生意开始自我造血。

• 影响头部供应商提价站稳后，靠低价锁定模型的采购窗口在收窄；供应商能否长期服务，开始取决于其毛利率与收入结构；豆包以约四分之一于 Claude Opus 的成本应战，预算可按场景分层配置。
• 参考可考虑把提价情景计入明年模型用量预算，重算各供应商总拥有成本；值得梳理自身对现有模型的依赖深度与替换难度，再决定签长期合约还是保留多供应商组合。

截图热传的实质是竞争叙事之争，DeepSeek展示了不靠刷榜和投放、靠算法创新与人才密度取胜的路径。

• 影响榜单排名与融资估值、营销预算挂钩的行业打法价值被稀释；企业选型时榜单分数与实际场景表现的差距需要单独核算；智谱转向云端API服务、Kimi收缩营销转投研发，企业的合作与采购选项随之变化。
• 参考可考虑在模型选型时把公开榜单分数与自有业务场景实测分开算账，避免单一榜单驱动采购；值得对照文中组织方式，盘点内部汇报与跨部门对齐占用的研发时间。

疑似内部截图难以核实，文章的实质判断是国内大模型竞争正从榜单工程转向算法架构与人才密度的比拼。

• 影响模型选型中榜单分数的参考价值可能下降，自有任务实测的权重值得提高；国内头部厂商投入方向分化，智谱转向企业API服务，Kimi收缩营销回归底层研发。
• 参考选型时可考虑用自身业务场景复测模型表现，而非只参照DeepSWE等榜单成绩；值得留意智谱与月之暗面的商业策略调整，评估对既有API合作的影响。

国内头部大模型公司开始按生态位分工，Kimi沿产品与收入曲线定价，DeepSeek按效率与算力底座定价，两者已不适合用同一把尺子衡量。

• 影响企业采购模型的评估逻辑需要分开，选Kimi路径要算交付黏性与替换成本，选DeepSeek路径要算调用成本与自部署空间；系统集成商和国产芯片厂商在两条路线里各自获得新的生态位置。
• 参考可考虑把模型供应商分成产品型与底座型两类分别评估，前者看交付能力与合约黏性，后者看单位推理成本和国产芯片适配；深度接入前值得先测算替换成本。

本期盲测榜显示国产模型在代码、前端等场景已稳定进入中上游，与海外头部的差距落在可试点评估的区间。

• 影响选型可把国产模型纳入性价比候选，例如 mimo-v2.6-pro 每百万 token 输入输出 $0.44 / $0.87，低于头部海外模型；盲测榜反映用户主观偏好而非绝对能力，采购结论仍需结合自家任务实测；智能体榜国产净提升度与头部仍有数倍差距，智能体场景替换需谨慎。
• 参考可考虑按用途对口选型，代码场景先实测 kimi-k3-max 与 mimo-v2.6-pro，前端场景对比 qwen3.8 系列；值得用小流量 A/B 测出国产替代与头部海外模型的成本差再定预算。

推理提速的竞争已下沉到内核编写层面，同等 GPU 能跑出更高吞吐，成本红利更多来自工程优化而非换新硬件。

• 影响对在自有 GPU 上跑开源模型的企业，同等硬件吞吐提升意味着单位 token 服务成本下降；优化合入 vLLM 上游，需要跟进框架版本才能兑现收益。
• 参考可考虑把 vLLM 升级排入推理基础设施的迭代计划，并参考 423 tok/s/user 这类公开吞吐数据先算出自家场景的成本基准；值得核对目标模型是否已有现成内核优化，避免重复投入。

Gemini 4 的官方内部战报与外部独立盲测严重背离，其表现深度依赖标准化工程环境，官方数字难以直接外推到普通企业的真实项目。

• 影响Argon 处理复杂任务耗时长且额度消耗高，高频接入前要先核算单位任务成本；官方收益建立在 Monorepo、遥测和大量测试护栏之上，工程体系不完善的团队未必能复制同等效果；同场对比中 Claude Opus 5.5、GPT-6 Astra 等表现更稳。
• 参考可考虑用自己的真实代码库任务做小规模对照实测，记录完成质量与额度消耗；值得把 Claude Opus 5.5、GPT-6 Astra、Kimi K3 列入同一评测清单；先盘点自身工程标准化程度与 Google 内部环境的差距再定引入范围。

大模型价格战的比拼单位正从Token标价转向订阅补贴深度和单个任务的综合成本，国产模型的低价壁垒正被结构性削弱。

• 影响企业选型的成本口径需要重算，同批任务的实际支出取决于计费方式而非标价；高频编码和Agent场景的国产低价优势在收窄，批量推理与自主部署场景仍可能保留成本空间。
• 参考可考虑按自身任务结构实测各订阅套餐的额度消耗速度，折算成同等API成本后再比价；值得把高频交互、批量处理和私有部署分开估算预算，而非沿用单一标价口径。

可灵分拆实质是让快手最值钱的增长资产单独定价，母体业务失速下母子公司估值倒挂成为市场对快手的新拷问。

• 影响对采购视频生成API的企业，可灵API收入占六成且大客户贡献八成以上，供应商议价与多源接入需要重新权衡；对筹划分拆的企业，于越特殊投票权低于港交所5%例外门槛，上市前股权架构大概率还要调整。
• 参考使用视频生成服务的企业可对比fal平台报价与Artificial Analysis榜单再定采购组合，并留意本月推出的可灵4.0 Flash完整版；筹划分拆的企业值得先算清激励股权比例与港交所不同投票权门槛的差距。

Kimi留住了技术却没留住人，非典型研究人才的留存取决于真实问题、算力、贡献归属和长期选择空间，而非招聘门槛。

• 影响AI顶尖研究人才的竞争已延伸到无学历门槛的非典型背景；技术成果留在公司，但后续迭代能力随人流动；先看上限再看岗位的招聘逻辑，需要配套更高的交流密度和试错空间。
• 参考可考虑盘点核心研究岗位的人员依赖度和成果归属文档；值得检查给关键贡献者的算力支持、问题真实性与职业路径设计，再决定是否为非典型人才设独立通道。

这份20人评选是资本转向的风向记录，一级市场估值标尺正从规模扩张换成技术叙事，能定义技术路线和走出海外的创业者拿走定价权。

• 影响一级市场资金加速向硬科技集中，六大硬科技赛道吸纳52%的资金，靠规模扩张与模式复制的融资故事更难拿到大额支持；技术定义力和全球表达能力进入资本评价尺度，组织转型也被纳入考量。
• 参考可考虑对照技术定义力、组织再造力、全球表达力三个维度自查，把可第三方核验的技术指标和海外收入占比写进融资材料；值得评估现有组织面向AI原生的改造进度。