端侧多模态的可行上限被推到 35B MoE 一档，竞争重心从芯片制程转向模型与端侧推理栈协同，目前数据以官方口径为主。

• 影响断网出差、客户现场、敏感文档等场景多了一条不出设备的离线 AI 路径；终端内存门槛抬升，存量设备能否承载需要重估；开源权重与微调方案让私有化和二次开发的成本下降。
• 参考可考虑盘点断网高频与数据不宜外传的业务场景清单，待开源权重释出后用自有文档和视频在目标设备复测官方分数，再评估是否小范围试点端侧部署。

视觉推理正被做成独立赛道，Elorian 用小模型和更低定价把反复回看图像变成产品主线，挑战多模态只看一次的主流做法。

• 影响机器人、科研和媒体等视频密集型业务多了一个针对视觉推理的新选项；定价介于中档与轻量模型之间，可据此重新核算图像和视频分析任务的成本。
• 参考可考虑梳理人工看图看视频的环节清单，挑一个图表或短视频场景用 API 做小规模对比；值得按每百万输入 0.6 美元、输出 3 美元的价格先测算用量预算。

腾讯把智能体记忆做成可独立复用的开源基础设施层，并称专用小模型在记忆任务上能胜过通用旗舰模型。

• 影响长程 Agent 应用中的记忆环节可用开源框架加小模型自建，减少对旗舰模型的调用开销；权重开源带来数据自持选项；腾讯金融、办公等内部业务已在使用，落地参考增多。
• 参考可考虑在现有 Agent 试点中接入 Hy Memory SDK，用自身会话数据与 Mem0 等现有方案做一组对比；值得评估 3B 量级专用模型承担记忆层的可行性，把大模型预算集中到主任务。

具身世界模型正从视频生成加策略网络的模块拼接，转向表征层统一建模，头部机器人厂商开始押注统一基础模型路线。

• 影响计划引入机器人的制造与物流企业多了一个考察泛化与跨形态能力的选型维度；开发者可跟进其二次开发开放计划；该路线依赖大规模异构数据与数据基础设施，自研团队需先评估投入。
• 参考可考虑先读 arXiv 技术报告与三大基准的指标构成，判断与自有场景的匹配度；部署机器人的团队值得盘点可用的第一人称视频与真机数据规模，评估接入统一世界模型的可行性。

在手机和电脑本地运行智能体多了体积更小的选项，存储与算力门槛继续下探，但性能数字目前只有厂商口径。

• 影响智能体可在员工手机和电脑上本地运行，数据不出设备，适合对数据出域敏感的场景；存储占用 0.43GB 到 2GB，多数现有设备可承载；Apache 2.0 开放权重，可私有化部署。
• 参考可考虑选一个数据不宜出域的场景，用 llama.cpp 或 MLX 在现有设备上试跑 2B、4B 档，实测吞吐与任务质量；值得先盘点存量设备能否承载 9B 档。

谷歌以价格为主卖点重返旗舰模型竞争，能力上称追平竞品，榜单显示各基准互有胜负，成本优势是这一代最实的信息。

• 影响旗舰档调用成本被拉低，文中粗算Argon约为Opus5.5的一半、Astra的五分之一；半价窗口只到11月30日，迁移测试有明确截止；早期使用者反馈复杂多智能体任务仍有差距。
• 参考可考虑在11月30日前选1到2个长流程任务与现用模型做同题对比，记录成功率、token消耗和人工返工量，再决定是否迁移部分调用。

微软自研基模把卖点放在预训练算力效率而非性能榜单，全部关键数据出自官方口径，暂无独立验证。

• 影响微软自研基模若进入产品化，企业可在 OpenAI 之外多一个模型选项；4~12 倍效率口径若获独立验证，成本测算基线需重新校准；当前数据均为官方自述，尚不构成选型依据。
• 参考可考虑将 4~12 倍效率数据按官方口径对待，等独立评测或模型可用后再纳入供应商对比；已使用微软 AI 服务的企业值得盘点 OpenAI 模型依赖占比。

两家厂商隔日互发决策模型并用官方基准互相对标，这一赛道的头名更替已进入以天计的节奏。

• 影响模型排名可能隔日刷新，按季度节奏做的选型评估容易过时；各家对比数字均出自厂商自身口径，直接照搬官方排名做采购或迁移依据会引入偏差。
• 参考可考虑缩短候选模型的复核周期，用自己的真实任务集对 d1-ultra 与 Jev 1.14 做小样本对比；值得在选型文档里注明每个数字的出处是厂商还是第三方。

微软把训练效率作为自研模型的核心卖点，公开点名超越 OpenAI，但全部数据出自其单方表述。

• 影响训练效率若能兑现，模型成本下降可能传导为更低的模型采购价格；该结论目前只有微软单方口径，缺独立验证；微软在 OpenAI 之外强化自研能力，企业模型选型的可选项在增加。
• 参考可考虑将 MAI-Base-2 列入模型选型候补清单，待独立评测和定价信息落地后再做替换决策；值得先算清训练算力差异对自己模型采购支出的影响有多大。

小米把音频大模型的能力从听懂内容推进到感知声音方位，并用可商用开源许可证把这套能力开放到自有生态之外。

• 影响Apache 2.0 许可证允许商用，语音交互相关企业可低成本获取空间听觉能力做测试；小米自用场景指向智能家居与车载座舱，音频交互能力正从内容识别扩展到空间感知。
• 参考可考虑从 HuggingFace 获取权重，在座舱语音、智能家居等需要声源定位的场景做小规模评测；值得对照 arXiv 技术报告核对空间感知指标的测试条件。

Meta 明确把开源线定位为发布优秀模型而非最顶尖模型，开放权重路线不承载其前沿能力。

• 影响依赖开放权重模型做私有化部署的企业，能从 Meta 拿到的能力上限会低于其闭源前沿模型；后者宣称达到前沿水准但未公布基准成绩，选型需自行实测核对。
• 参考可考虑盘点现有基于 Meta 开放权重模型的部署清单，评估与闭源前沿的能力差距是否影响核心业务；新模型可用自有业务数据先跑对比测试，再决定是否升级或更换供应商。

可灵 4.0 的升级集中在长叙事、镜头控制与口型音效，视频生成的适用范围正从短片段向完整成片制作靠近。

• 影响单条 30 秒、续拍至 2 分钟的时长上限，可覆盖广告与电商内容里更多成片类需求；多语种配音与口型匹配降低出海内容的多语言制作成本；企业 API 尚未开放，深度接入需等正式上线。
• 参考可考虑选一条现有广告或电商短视频做对照生成，记录可用率与返工成本；做出海内容的团队值得先测多语种口型的可用程度，并留意 API 开放时间以规划工作流接入。

Meta 把开放权重加桌面端可跑作为核心卖点，美国最强的定位目前只有官方口径支撑。

• 影响限制性商用许可降低了试用与私有化部署的许可门槛；本地运行需两台 512 GB 内存版 Mac Studio，硬件条件并不轻；多家 API 平台同步开放，接入路径选择较多。
• 参考可考虑先核对 Muse Model License 限制条款与自身商用计划是否冲突；值得在 vLLM、SGLang 等现有推理栈上评估接入成本，再选一两个长程任务场景做小规模试点。

蚂蚁把大参数开源模型的本地部署门槛压到 4 卡 Hopper，主攻长资料处理的自托管企业场景。

• 影响有服务器级 GPU 的团队可用更少卡数自托管长上下文模型，部署预算相应下调；官方延迟与吞吐测试可作为容量规划起点，但实际需求随上下文和并发量变化；限时折扣降低了 API 试用的对比成本。
• 参考可考虑在知识问答、办公助手等长资料场景，先按官方测试口径测算自身负载所需卡数与预算；值得趁 2.5 折优惠用 Ling Studio 或 OpenRouter 小规模试用，再决定是否投入本地部署。

官方称美国最强的开源权重模型被推向 Mac 本地运行，但内存门槛把本地部署限制在高配硬件，多数企业的实际入口仍是 API。

• 影响开源权重在成本与透明度上相对闭源模型有优势；本地运行至少需要 1TB 内存，硬件投入会把多数企业推向 API 路线；编码与智能体演示效果均来自 Meta 自述。
• 参考可考虑先经 API 平台小范围试用该模型跑编码或智能体流程再评估价值；若考虑本地部署，值得先算清 1TB 内存级 Mac Studio 的采购成本与使用频次是否匹配。

Meta 重回开源权重赛道对抗 Qwen、GLM、Kimi 阵营，同时用许可证条款为大规模商用保留收费空间。

• 影响开源权重让企业可自行部署多模态与百万 token 上下文模型，但本地满配需要两台各 512 GB 统一内存的 Mac Studio；许可证的标注义务和 2000 万美元收入门槛会进入商用合规考量。
• 参考可考虑先核对许可证的标注义务与 2000 万美元收入门槛是否触及自身业务，再挑智能体或多模态场景做小规模试点；本地部署前先算清双 Mac Studio 的硬件预算。

这次发布的看点不只是模型本身，而是 Meta 与苹果公开联手，把开放权重和苹果硬件打包成一套桌面本地部署方案。

• 影响顶级开放权重模型多了一个桌面本地部署的参考路径；若企业考虑自托管，成本重心会落在高端硬件采购上；Meta 与苹果的公开结盟也是生态站队的一种参照。
• 参考可考虑按官方给出的配置先算出两台 M5 Ultra Mac Studio 的采购与运维成本，同云端 API 价格做对比；模型能力口径值得在自己的长程任务场景里复测一遍。

开源权重图像模型能力被官方宣称超越部分闭源对手，运行门槛降到单张 8 GB 消费级 GPU，企业图像生产的成本结构需要重算。

• 影响年收入低于 $5 million 的公司可免费商用权重，图像素材成本有望压缩到硬件和电费；有 8 GB 显存设备的团队可先尝试本地部署，减少 API 支出；LoRA 微调从第一天就可用，自制风格化素材的门槛降低。
• 参考可考虑挑一个批量图像素材场景做对比测试，记录与现有 API 采购的质量和耗时差异；值得先盘点手头 GPU 是否达到 8 GB 显存，并确认公司年收入是否落在免费授权范围内。

Google 试图用一个模型包揽机器人仿真、控制和评估全流程，但演示细节与第三方成绩都显示距自主落地仍有明显落差。

• 影响若单张照片生成训练仿真的流程成立，机器人部署的数据采集成本有机会压缩；但第三方真机成绩落后说明选型不能只看官方演示；物理 AGI 仍是长期方向，短期商用要按场景验证。
• 参考可考虑把官方演示与第三方真机基准分开评估再定供应商；值得梳理哪些机器人环节可用仿真训练替代实地调试，并先算清数据与试错成本。

Nvidia 以开源模型拉动自家硬件需求，权重开放但优化绑定其芯片与软件栈，企业自托管智能体的算力开支最终流向其硬件销售。

• 影响需要用自有数据微调并自托管的智能体场景多了一个开源选项；文档密集行业的案例显示落地空间，但本地版需 24GB 显存，多数企业仍要走数据中心路线。
• 参考可考虑在票据识别、合同审查、理赔筛查等文档密集流程中试点并记录吞吐与准确率；值得对比 NIM 微服务与自购 DGX Spark 两条路线的总成本。

英伟达以智能体推理效率为主打开放多模态模型，权重、训练配方和数据集一并开放，意在让企业自建智能体留在自家硬件和工具链上。

• 影响开放权重让企业自托管多模态智能体成为可选项，智能体任务的推理成本基线可能随之下移；官方案例的降本数字均为预计值，选型前需按自有负载实测；NVFP4 量化等效率特性与英伟达硬件绑定，会影响设备与采购取舍。
• 参考可考虑从文档分析、收据处理这类流程固定的场景中选一个，用开放权重做自托管小试点并记录单任务成本；值得先盘点现有智能体负载的 GPU 用量，再对比单卡 5 倍吞吐与 24GB 端侧方案是否适用。

开源权重与多家国产芯片同日适配配套出现，私有化部署场景下的国产模型加国产算力组合开始具备当天可用的条件。

• 影响需要私有化部署的企业多了一个可自托管的前沿定位模型选项；昇腾、沐曦等国产算力当日适配，缩短了国产硬件跑新模型的等待期；官方性能口径暂无独立评测，选型效果需自测。
• 参考可考虑用 vLLM 或 SGLang 部署 BF16 或 FP8 权重，用自有业务数据跑一轮效果与推理成本对比；有国产算力采购计划的企业，值得把该模型列入适配验证清单。

全身控制让人形机器人从平地定点伸手走向边移动边作业，足式机器人干活开始有了具体依据，但目前仍是演示阶段。

• 影响人形设备的可用场景有望从平地定点扩展到楼梯、货架等真实环境；当前能力以厂商演示为准，需按任务成功率、运行时长和维护成本另行检验；本体硬件与交付方式可能围绕实际劳动调整。
• 参考可考虑把登高取物、跨地形搬运等任务列入自动化试点的候选场景；值得先算出现有方案在楼梯与高位货架场景的覆盖缺口；评估供应商时可要求提供真机任务成功率与运行时长数据。

百灵把模型竞争点从榜单参数转向真实任务交付与智效比，开源加低调用成本给办公Agent选型多出一个低成本选项。

• 影响高频调用与长文档处理场景有了成本更低的开源选项，量化后4卡即可部署，试点门槛随之降低；模型无原生视觉理解，含图表图片的流程仍需另配视觉模型，这部分成本要重新核算。
• 参考可考虑在报告整理、投研或客服这类多步骤流程中做小规模试点，先算清Token调用量与替代人工工时的成本账；值得对比长文本一次交付和分步交付的成功率差异，再确定适用边界。

视频生成从生成片段演进到单张消费级显卡实时可玩，昆仑万维把游戏世界模型的落地门槛押在消费级硬件上，性能表现暂无独立评测佐证。

• 影响游戏原型开发与 UGC 多了一条开源可试的路径；若单卡指标属实，试验门槛可以降到一张 RTX 5090 级别设备；性能数据目前只有官方口径，立项前需按自身场景实测。
• 参考可考虑让游戏或内容团队拉取 GitHub 仓库与 HuggingFace 模型，在现有 RTX 5090 级别设备上实测延迟与画质，先算出原型开发的工时与成本对比；值得评估个性化定制与 UGC 玩法是否适合小范围试点。

游戏世界模型的竞争焦点从生成画质转向规则可靠性与硬件成本，引擎与模型分工让单卡实时运行成为可能。

• 影响游戏与互动内容团队用消费级硬件就能试做AI实时世界，试错成本明显下降；权重代码开源，规则和场景可自行修改；但480p画质与长时运行稳定性仍处早期。
• 参考可考虑下载开源权重，在游戏原型或互动演示里小规模验证单卡部署成本与画质是否够用；做技术选型时值得把引擎管规则、模型管画面的路线纳入对比清单。

阶跃以开放权重方式加入开源模型竞争，把差异化押在长程 Agent 任务与百万 token 上下文能力上。

• 影响开放权重使企业可自托管模型并接入自有数据、工具和系统；每 token 激活 27B 的稀疏 MoE 架构影响推理成本结构；性能与调用量排名目前为官方口径。
• 参考可考虑在 AI 编程、软件工程等官方宣称突出的场景做小规模试点，用 vLLM 或 SGLang 搭建测试环境；先算清百万 token 上下文在自有业务负载下的推理成本再决定接入方式。

这代 Gemini 的实质是用半价促销和长上下文能力抢市场，官方跑分领先，但独立实测显示成品质量仍与最贵竞品有差距。

• 影响促销期到 11 月 30 日，对比试用的成本门槛比 12 月后低一半；输入、思考和输出共用 100 万 token 额度，预算要按含返工的完整任务算；实测显示复杂美学和多智能体任务仍有短板，关键交付需保留人工审查。
• 参考可考虑在 11 月 30 日促销期结束前，选一个代码改造或 3D 演示类场景做同题对比试点，把含返工的总账单算出来再比单价；值得先整理项目代码规范清单和人工审查关口，ADK 复盘显示补全规则后它才能稳定干活。

语音模型的比拼重点正从单一智能转向智能、延迟与成本的平衡，企业语音智能体选型开始有可对标的第三方基准。

• 影响客服与电销场景可按独立基准和实际通话成本重算语音方案预算；每分钟 0.08 美元与上代持平，试点的成本可测算；星链案例中单个智能体覆盖核验、退款、补发设备，客服岗位的分工边界值得重新审视。
• 参考可考虑选一两个高频客服话务场景做小规模对比试点，并按自身话务量和每分钟 0.08 美元的定价先算出成本账；值得盘点现有语音供应商和人工坐席解决率数据，作为替换或组合使用的依据。

通用模型护栏收紧把安全团队往外推，Artemis 用专用模型接住这个缺口，但比较成绩全部出自其自建基准。

• 影响安全团队用通用模型做攻击分析会更多遇到权限拦截，专用安全模型可能成为新的采购品类；厂商自建基准成绩无法直接横向比较，选型需要另外的验证手段；自主响应落地时，人工审批边界直接决定风险敞口。
• 参考可考虑盘点目前依赖通用模型做安全分析的环节并记录被拒案例；值得把是否采用厂商自建基准列为安全模型选型的问询项；试点自主响应时可先只对低影响动作放开自动化。

谷歌用五分之一价格提供追平而非领先的智能分数，实质是把旗舰推理变成云和订阅体系的引流品，以价格换生态黏性。

• 影响低价窗口只到11月30日，企业试用旗舰推理的成本短期下降；独立测算显示其单任务 Token 消耗为 Astra 的2.3倍，12月恢复原价后成本优势可能反转，选型预算需按标准价重算。
• 参考可考虑在11月30日前选一个真实编码或智能体场景做迁移验证，记录单任务 Token 消耗与成本；值得按12月1日恢复的4/20美元标准价重算总成本，再决定是否长期绑定。

Meta借个人智能体叙事重返前沿模型竞争，但第三方榜单和开发者实测显示，这次发布尚未真正扭转其落后身位。

• 影响智能体任务的单次成本被推高，选型时除API单价外还需核算任务级Token消耗；免费档继续沿用上一代模型，付费与免费的能力分层会更明显；头部阵营重回三强，企业换模型与议价的备选空间略增。
• 参考可考虑把Wonder Full纳入编程与智能体场景的对比测试，用真实任务同时记录产出质量和Token开销；值得把厂商自报分数与Artificial Analysis等第三方榜单分开采信，再定采购权重。

谷歌以物理推理能力和明显低价重返模型竞争，但Ultra专属获取和产品体验短板会限制企业实际用上它的程度。

• 影响视觉与物理推理若落地，制造和机器人相关场景多了新的模型选项；实测中的低价若在自家场景成立，模型调用成本预算可以重算；获取渠道集中在Ultra档，多数团队短期内接触它的路径有限。
• 参考可考虑用同一提示词把3D生成、视觉提取或视频类任务与现有模型对比一次耗时和花费；值得先确认公司订阅档位能否用到Argon，再决定是否投入试点。

一家九个月大的初创公司把大语言模型验证过的规模路线搬进物理世界，试图用通用模型取代一道题配一套程序的机器人交付模式。

• 影响若通用模型兑现，机器人项目有机会从驻场调试的定制交付转向可复制产品，自动化改造的交付成本结构会随之变化；目前能力展示均为团队自述，企业引入时缺乏独立测试参照。
• 参考可考虑等其外部现场测试结果出来后，再把环境多变的操作岗位列为候选验证场景；现有自动化项目值得先算清驻场调试与定制交付的成本占比，便于对比通用模型方案的报价值不值。

谷歌把旗舰模型的卖点从基准跑分转向真实工程与科研任务交付，并用首发减半定价继续加码竞争。

• 影响代码维护等长时自动化任务多了一个旗舰级选项；截至11月30日的半价定价直接改变token成本测算；谷歌展示的成果多为自家工程口径，采用前宜先小场景试跑。
• 参考可考虑在半价期内挑一个真实工程任务，对比Gemini 4与在用模型的成本和交付质量；值得盘点适合无人值守长任务的代码库或文档处理清单。

谷歌用激进定价和长程任务能力重回旗舰竞争，模型比拼的重点正从聊天技巧转向代码库与生产管线里的实际产出。

• 影响重生成类任务的第三方实测成本差距达数倍到数十倍，相关 API 预算值得重算；免费与订阅侧改为每 5 小时刷新的动态限额，重度用量需按阶梯付费做预算；文中提到 Claude 封号背景，多模型接入可分散供应商风险。
• 参考可考虑用同一组提示词在 Argon 与现用模型间跑一轮生成成本和耗时对比再定采购；值得盘点依赖单一模型的业务环节并准备备选接入；迁移前先核对动态限额规则对用量的影响。

Meta 把主动记忆与持续执行作为旗舰差异化卖点切入个人超级智能定位，文中领先结论均出自官方口径而非独立评测。

• 影响Agent 长任务、跨会话记忆与编程场景多了一个旗舰级候选模型；接入经 Meta Model API 或 Muse Code，Full 版需订阅；现有成绩未经第三方验证，选型结论要靠自测。
• 参考可考虑把跨会话记忆与长程 Agent 任务列入选型评测场景，用自有业务数据对比现用模型；如需 Full 版，先按订阅门槛测算成本。

端侧小模型为端到端加密平台提供了一条不接触用户聊天内容的诈骗拦截路径，也是政府与模型厂商共建公益技术的一个参照。

• 影响消息平台与操作系统厂商可直接集成这类轻量模型，在不解密对话的前提下提供本地防护；案例中社交工程类骗术占损失最高达 80%，依托聊天触点获客或服务的企业面临话术升级风险；训练不含个人信息、环境隔离的治理安排可为政企 AI 项目参照。
• 参考可考虑评估自家消息或客服产品接入端侧诈骗检测的可行性，先测算轻量模型在主流机型上的耗电与延迟；涉及聊天数据的风控流程，值得对照训练脱敏、环境隔离的做法梳理数据边界。

谷歌以限时半价和95%缓存折扣争夺长时程Agent调用量，能力上长程专业任务有独立榜单支撑，但并非全面领先对手。

• 影响依赖大型代码库或长文档读取的Agent场景，缓存折扣能明显摊薄多轮调用账单；11月30日后价格翻倍，Q4预算需按恢复价测算；部分软件工程测试仍落后对手，选型要对照自身任务结构。
• 参考可在11月30日前用真实长上下文任务试算账单并与现用模型对比；值得优先试点代码库分析或长文档审读类Agent；同时盘点现有Agent的越权行为监控与人工确认机制。

谷歌以限时五折和百万token长任务能力参战，前沿模型竞争重心转向Agent长程任务的成本效率。

• 影响限时五折与95%缓存折扣降低了长上下文Agent应用的试用成本，但11月30日后输入和输出价格将翻倍恢复，预算应按恢复价测算；文中工程提效与安全案例均为谷歌披露口径，选型结论需用自有场景验证。
• 参考可考虑在促销期内选一个代码重构或文档分析场景做付费对比试点；值得先按4美元/20美元的恢复价重算长任务成本，再决定是否迁移。