AI模型竞赛正从「谁的模型最强」快速转向「谁能以最低成本完成真实任务」。Google (GOOGL-US) 9月2日推出Gemini 3.8 Flash，将高阶推理与程式开发能力压进更低价格区间；Meta Platforms (META-US) 隔日推出Muse Spark 1.3，在DeepSWE v1.1测试拿下75.4%；与此同时，名不见经传的AI新创Mostik则尝试让不同模型直接交换内部数学表示，甚至省去自然语言传输。三条看似不同的路线，正共同指向AI推理成本可能迎来结构性下降。

Google表示，Gemini 3.8 Flash是其目前最强的Flash系列推理与程式开发模型，也是6周内推出的第3个Flash版本。从Gemini 3.6 Flash到3.7，再到3.8，Google正以极快速度更新较小、更快且成本较低的模型，并将产品定位从单纯追求速度与低价格，逐步转向支援长时间软体工程、Agent工作流程及复杂多步骤推理。

Gemini 3.8 Flash在DeepSWE v1.1这项长周期软体工程测试中拿下约74%的成绩，一度登上排行榜首位。DeepSWE与传统程式码Benchmark不同，测试不是要求模型解一道独立演算法题，而是把AI Agent放进真实程式码库，要求模型理解问题、搜寻程式码、修改档案、呼叫工具、执行测试，若失败还必须持续寻找原因，因此一项任务可能需要数十甚至上百个步骤。

Google指出，Gemini 3.8 Flash在复杂任务上会「更努力」工作，增加推理步骤并反复呼叫工具，以提升完成长周期工作的可靠度。这种设计与过去单纯压低Token消耗的思路有所不同，因为模型可以在Token价格较低的情况下进行更长的Agent回圈。

Gemini 3.8 Flash的API首发价格维持在每100万个输入Token 0.75美元、每100万个输出Token 3.75美元，Google并提供最高100万Token的Context Window及最高6.4万Token的输出上限。官方目前将这一价格列为限时优惠，至少维持至2026年底。

真正受到市场关注的是，Gemini 3.8 Flash并非单纯以较低价格换取较弱能力。以原文所引用的DeepSWE测试估算，Gemini 3.8 Flash完成单一任务的平均成本约2.36美元，相较之下，Anthropic的Claude Opus 5在约74%能力水准下，单任务平均成本约11.84美元；OpenAI的GPT-5.6 Sol则约73%，平均成本约6.46美元。

这代表在能力相近的情况下，完成一项完整软体工程任务的成本可能出现数倍差距。这种差异在传统聊天机器人时代并不明显，但在Agent时代可能直接决定产品能否商业化。

原因在于，Agent并不是回答一次问题就结束。一个程式开发Agent可能连续执行100个步骤；研究型Agent可能搜寻数十个网页、读取数百页文件；企业内部Agent甚至可能持续工作数小时。只要单一任务需要大量Token及工具呼叫，成本差异就会被快速放大。

Google甚至表示，Gemini 3.8 Flash在面对复杂工作时会主动增加推理及工具使用，而不是单纯透过限制思考来节省成本。这也代表AI产业衡量推理成本的方式正在改变，市场未来关注的可能不再只是「每100万Token多少钱」，而是「完成一项真实任务究竟需要多少钱」。

就在Google发布Gemini 3.8 Flash后不久，Meta推出Muse Spark 1.3，AI模型竞赛再次出现快速反超。Meta公布的数据显示，Muse Spark 1.3在DeepSWE v1.1拿下75.4%，高于Claude Opus 5的74.0%及GPT-5.6 Sol的72.7%。Muse Spark 1.2在同一测试的成绩则约为59.3%，意味着新版本单次更新大幅提升约16个百分点。

不过，Muse Spark 1.3最值得注意的并非单纯刷新Benchmark，而是效率改善。Meta表示，相较Muse Spark 1.2，新模型完成Agent任务时工具呼叫约减少20%，Token消耗约降低25%。对需要大量回圈执行的Agent而言，少一次错误工具呼叫、少一段无效推理，都可能直接转化成更低的运算费用。

这种效率改善尤其重要，因为Agent最大的浪费往往不是正常推理，而是「走错路」。例如程式开发Agent如果在第20步误解使用者要求，接下来可能继续修改多个档案、执行数轮测试、搜寻大量程式码，直到数十个步骤后才发现方向错误。若模型能更早辨识需求模糊、更早发现自己无法完成，或在涉及不可逆操作时主动要求确认，就能减少大量不必要的Token与工具呼叫。

Meta的Muse Spark 1.3正强化这类能力，包括在长对话中维持多个工作流程、遇到模糊任务主动询问、无法解决问题时请求协助，以及在长时间执行后维持最初的任务限制。这使「模型知道自己会什么，也知道自己不会什么」成为Agent能力的重要一环。

Meta的另一项技术方向则是所谓「thought compression」，即在训练过程中对过度使用推理Token施加惩罚，使模型逐渐学会以更精简的推理链完成任务，再从较有效率的基础上继续提高能力。相关分析认为，这种训练方式是Muse Spark系列降低Token使用量的重要原因之一。

目前Muse Spark 1.3的部分Benchmark数据仍应审慎看待。第三方分析指出，DeepSWE的75.4%成绩是Meta在自有Muse Code环境下公布的结果，而Terminal-Bench 2.1的88.8%同样主要属于供应商公布数据，尚未全部获得官方排行榜独立验证。因此，对企业而言，这些数字可以作为参考，但真正导入生产环境前仍有必要使用自身工作负载测试。

DeepSWE本身则被设计成降低传统程式码Benchmark可能存在的资料污染问题。该测试包含113项任务，涵盖91个开源程式码库及TypeScript、Go、Python、JavaScript与Rust等语言，并采用新撰写的行为验证器，避免直接使用公开Pull Request中的解答。这使DeepSWE更适合评估模型是否具备真正的长周期软体工程能力。

但如果Google与Meta仍是在研究「如何用更少的Token完成同一件事」，Mostik正在尝试的方向则更加激进：如果两个AI模型本来就不是人类，为什么一定要用人类语言互相沟通？

WIRED报导，Mostik由CEO Sasha Malysheva主导，其首席科学家为日内瓦大学教授、2010年菲尔兹奖得主Stanislav Smirnov。团队正在研究让不同AI模型直接交换内部的数学表示，而不是先把内部资讯转换成中文或英文，再让另一个模型重新读取并理解。

目前多Agent系统通常采取类似人类对话的方式。模型A完成一部分推理后，先产生数百甚至数千个Token，把结果用自然语言描述；模型B接收这些文字后，再重新建立自己的内部表示，接着继续推理。

但大型语言模型真正进行计算时，并不是直接在中文或英文句子上运作，而是依赖高维度、连续性的数学表示。因此，Mostik的核心构想就是建立一座「Bridge」，让不同模型可以直接交换latent representation，而不是先把资讯转换成大量自然语言Token。

这个概念若能成熟，可能大幅改变AI系统的架构。

WIRED披露的一项实验中，Mostik把拥有7530亿参数的GLM-5.2与仅有40亿参数、可以在行动装置上运行的Qwen 3.5进行桥接，形成混合系统。实验结果显示，混合系统的能力介于两个模型之间，但推理成本只有完整GLM-5.2的约1/20。

当然，这并不代表Mostik已经解决了AI模型之间的「心灵感应」。Latent communication并非全新概念，过去研究也曾尝试交换embedding、hidden state及KV cache等内部表示。真正困难之处在于，不同模型的架构、参数、训练资料及内部坐标系都不同，要让两个模型真正理解彼此的latent space，本身就是非常复杂的问题。

Smirnov也指出，目前甚至还缺乏足够成熟的数学语言，用来描述不同AI模型之间可能存在的共同表示。因此，1/20的实验结果虽然令人瞩目，但距离大规模商业应用仍有相当距离。

不过，如果这条路线最终证明可行，可能带来的影响远超过单纯降低API价格。

过去两年，端侧AI的重要课题一直是如何把更大的模型塞进手机与其他装置，包括7B、4B、3B甚至1B级模型，透过蒸馏、量化与压缩降低运算需求。

另一种可能的未来则是，手机根本不需要一个「什么都会」的大模型。装置可能只需要运行一个0.xB或几B参数的小模型，负责理解使用者正在使用的App、装置状态及高频简单任务；只有遇到真正困难的工作，才透过某种Bridge呼叫远端大型模型。

更重要的是，远端模型未必需要接收完整的十万TokenContext，再从头阅读一遍。若latent communication技术成熟，系统可能只需要传输高度压缩的内部表示，由云端模型完成复杂推理后，再将新的内部状态传回本地模型。

这将使本地小模型负责高频、低成本及持续运作的工作，云端frontier model则专门处理低频但高难度的任务，两者透过更有效率的通信方式协同工作。

因此，Google、Meta与Mostik看似在做完全不同的事情，实际上却指向同一个趋势：AI的「智能单位成本」正在快速下降。

Google是在降低高阶能力的模型价格；Meta则是在降低完成任务所需的Token与工具呼叫；Mostik则试图从根本上减少模型之间传递资讯所需要产生的Token。

这意味着AI产业下一阶段的竞争，可能不再只是谁能在Benchmark上多拿几个百分点，而是谁能以最低的计算成本完成一个完整、可验证的真实任务。

这种变化对Agent商业化尤其重要。当一个Agent完成普通工作仍需要花费数十美元时，许多应用的经济效益并不存在；但如果同样工作未来只需要几毛美元，原本不具商业价值的AI应用就可能突然成立。

同样的逻辑也适用于多Agent系统。今天企业很难让数十个AI Agent围绕一名使用者24小时持续运作，因为Token、工具呼叫及云端运算成本太高。但如果推理成本未来再下降一至两个数量级，这种模式可能从昂贵的实验变成AI产品的预设架构。

Google目前已经透过Gemini 3.8 Flash展示「更高能力+更低单价」的组合，Meta则利用Muse Spark 1.3展示「更高能力+更少Token」的路线，而Mostik则提出「更少Token甚至不必产生自然语言Token」的更激进假设。

AI模型的排行榜每天都可能被刷新。Gemini 3.8 Flash的约74%、Muse Spark 1.3的75.4%，未来很可能很快就会被新的模型超越。但比起谁在某一天拿下世界第一，更值得关注的是另一个问题：当AI的能力持续提高时，这些智能究竟能便宜到什么程度？

历史上的技术革命往往不是发生在某项技术第一次能够运作的时候，而是发生在成本下降到足以让人们「随便使用」的时候。如果AI推理真的能从今天的价格再下降一至两个数量级，许多目前看来过于昂贵、过于疯狂甚至没有经济效益的Agent应用，可能才真正迎来大规模爆发。