AI产业上周再度迎来一轮密集更新：Anthropic先升级Fable与Mythos模型，Meta、谷歌相继推出新版模型，OpenAI紧接着发布 GPT-6 Astra。短短一周多家竞逐AI技术领先地位的公司接力出招，节奏之快令人目不暇给。

OpenAI执行长奥特曼上周四(3日)接受《CNBC》访问时坦言：「我们都在加快迭代节奏。」他认为，近期更新速度加快的部分原因，在于「大家都结束暑假回来了」。

不过，对AI模型与服务的用户而言，这种快速迭代也带来复杂与混乱。为避免掉队，企业执行长与IT主管不得不投入大量时间与资源，比较不同产品的价格与能力。

AI新创公司Runpod执行长 Zhen Lu直言：「我觉得『模型疲劳』确实已成为一个真实存在的问题。别误会，我对目前发生的各种创新感到非常兴奋，但我确实认为，我们现在所处的环境有太多泡沫，企业不得不不断制造声量。」

圣母大学门多萨商学院教授、拥有25年AI从业经验的Ahmed Abbasi指出，各家模型开发商如今都在争夺用户预算份额，一方面努力跟上对手节奏，一方面不断提醒开发者，自己至少与其他公司一样快地推进创新。

由于Anthropic与OpenAI正朝IPO上市迈进，竞争节奏格外激烈。目前，私募投资人给这两家公司的估值都已接近1兆美元。Google 与 Meta 亦各有战略目标，而快速发展的开源 AI 社群最近又迎来重量级新成员—辉达。

上周更新潮由Anthropic在上周二(1日)率先揭开序幕。该公司发布Claude Fable 5.1与Claude Mythos 5.1，号称是「全球最先进的程式设计与知识工作模型」。

隔天，Meta发布Muse Spark 1.3，谷歌推出Gemini 3.8 Flash，两家公司都主打新模型在程式设计与AI Agent 任务上的能力提升。

到了上周四，OpenAI发布GPT-6 Astra，重点强化网路安全与电脑操作能力，并称其为「多年研究和重大投入」的成果。同日，位于阿布达比的穆罕默德·本·扎耶德人工智慧大学也向开源社群发布K2 Horizon系列模型，再次凸显AI研究与投资已是一场全球竞赛。

与此同时，全球市值最高的公司、本波AI 热潮核心晶片供应商辉达也不甘示弱，宣布以129亿美元收购开源AI平台Hugging Face。

近期，辉达亦持续推出开源模型，包括上个月发布的Nemotron 3.5 Lightning，强调这是一款可在笔电或桌机单颗GPU上运行的「轻量级」模型。

2.59 万亿美元大饼当前

这些公司无不希望从今年规模高达2.59兆美元的 AI 支出中分一杯羹。根据调研机构顾能(Gartner)预估，该数字将比2025年成长47%。该机构在今年5月的报告中指出，逾半AI支出将用于AI基础设施，而服务、软体、网路安全、模型及其他工具的支出总额也将超过1兆美元。

如此密集的模型更新，加上AI监管政策仍存在诸多不确定性，也加剧外界对先进 AI 模型风险的疑虑。

过去几周，OpenAI、Anthropic 与 Meta 开发的模型都曾造访原本不该造访的第三方网站；OpenAI的模型上个月更成功入侵 Hugging Face，在整个产业引发震动。

Abbasi等专家尤其担忧AI Agent快速发展。他表示，令人忧虑的不仅是这些能力，更在于「它们正被如此轻易地部署。随着这些 Agent出现，它们不只存在于你的电脑，也开始活跃在网路上，整个威胁与漏洞环境都变得更复杂。如果我们不够谨慎，局面可能彻底陷入混乱」。

他并认为，各大开发商恰好在同一周宣布更新，「这并非巧合」。

AI金融新创公司Farsight技术负责人Noah Faro也抱持类似看法。他指出，企业可透过多种方式掌握对手动向，例如观察云端运算资源供给，因为这些公司都在争夺少数供应商的大规模算力；产业内部亦有大量资讯交流，「任何一点微小风吹草动，都会以极快速度传播出去」。

当然，并非所有更新都同等重要。Faro指出，不同于OpenAI的 GPT-6 Astra，Anthropic、Meta 与谷歌上周推出的多数更新属于「点版本更新」，也就是在既有模型上升级，而非从零开发全新模型。

Faro认为，近期真正对产业格局产生重大影响的两款模型，是 Anthropic 6 月发布的 Fable 5，以及中国月之暗面 7 月推出的 Kimi K3。

不过，企业AI新创Clockwork Systems执行长Suresh Vasudevan认为，即使只是渐进式更新，在AI快速改变商业与软体开发方式的当下仍具意义。「现在每一次发布的产品都强得离谱，以至于人们已很难判断什么才算真正的跨越式进步。大家都知道，当你身处指数成长曲线之中，往往意识不到自己正在经历什么；只有退后一步，回头看看自己原来在哪里、现在又走到哪里，才能真正感受变化。」

Vasudevan也坦言，持续追踪每一次模型更新已成头痛之事，尤其评估过程还需消耗宝贵算力。若新创公司想针对某项任务评估 10 个模型，最终可能只挑其中5个测试，「要把目前所有正在推出的模型逐一评估，真的非常困难」。