逐浪 · 第十七篇 基模决战：当所有人都在卷模型，我们能卷什么
模型之间的代差在缩小，工程化差距在拉大。
中秋国庆假期还没开始，AI圈已经打起来了。
GPT-6 Astra 发布，Claude Opus 5.2 和 Fable 5.2 灰度测试，Google 用马甲在 Arena 偷测 Gemini 4 Pro，国内 Kimi、DeepSeek、Qwen、阶跃星辰集体亮牌。量子位用一句话概括这场面：“该来的、可能来的、偷偷摸摸已经在考场里的，全赶到一块儿了”。
看完这场“决战”，我的感受不是紧张，是更笃定了。
一、这场决战在打什么
先把各家动态列一下。
OpenAI：GPT-6 Astra（已发布）
9 月 3 日发布，OpenAI 称其为“目前全球最智能、且对齐程度最高的模型”。在代表高阶数学能力的 FrontierMath Tier 4 上得分 97.6%，在 ARC-AGI-3 上从上一代的 7.8% 跃升至 99.9%。上线才两周多，已经拿下约 13% 的企业 AI 支出份额，而 Anthropic 的 Fable 系列只有 8%。
Anthropic：Claude Opus 5.2 / Fable 5.2（灰度中）
社区里呼声最高的是这两款。多位开发者反馈，原本调用 Fable 5.1 的请求，在后台被静默重定向到了新版本；有人在高推理模式下实测，新模型的输出质量明显优于 GPT-6 Astra，代价是速度更慢、成本更高。最戏剧性的是 Opus 5.2 的“午夜惊魂”——9 月 17 日晚间 Anthropic 突然切断灰测通道，活跃测试账号一度归零，仅一天后就重新上线，范围还从 Claude Code 扩大到了 Chat 和 Cowork。
Google：Gemini 4 Pro（马甲测试中）
Arena 平台出现了一个名叫 gemini-3.8-flash 的模型，但测试者很快发现“这玩意儿根本不像 Flash”。社区流传的基准图称其在编码、智能体与推理任务上全面超过 GPT-6 Astra 与 Claude Fable 5.1。不过这张图无官方出处、无测试配置、无复现链接，引用时只能写“网传基准图称”。
国内厂商：集体憋大招
Kimi 官方发布了一串神秘数字（圆周率但缺少最前面的 3.1），疑似预告 K3.1 即将上线，但随后迅速删除。DeepSeek 的下一张 Pro 牌已经提前写进官方文档。Qwen4 亮出了新架构——8 月发布的 Qwen3.8-Flash-Next 就是其架构预览版。阶跃星辰 9 月 20 日突然发布 Step 5 Preview，稀疏 MoE 架构，总参 600B、激活仅 27B，在 AA 榜单拿下 44 分，单任务成本仅为 Claude Opus 5 的 1/8。
二、但我看到的不是模型能力
这场决战里，有一个数字特别值得注意。
Astra 在专门使用 2026 年 6 月至 8 月新漏洞构建的测试中，漏洞利用成功率高达 39%，而上一代 Sol 是 5.5%。
从 5.5% 到 39%，是七倍。媒体会强调“AI 能力暴增”。
但我看到的是另一件事：
还有 61% 没成功。
而这 61%，恰恰是工程化要处理的部分——失败了怎么办？谁来发现？谁来恢复？谁来追责？
模型能力的天花板在快速抬高，但工程化落地的地板还没跟上。
这就是这场决战真正暴露出来的裂缝。
三、为什么我反而更笃定了
过去一年多，我一直在做一件事：Harness 工程。
状态管理、门控、审计、对账、契约守卫、故障恢复。这些词听起来都不如“GPT-6”“Gemini 4”性感。
但这场决战恰好证明了三件事。
第一，模型越强，Harness 越值钱
当模型之间的代差在缩小，工程化差距在拉大。
Fable 5.2 推理比 Astra 强，Opus 5.2 前端有优势，Astra 网络操作领先，Gemini 4 Pro 网传编码和智能体任务突出。没有一个模型全面胜出，每一个都有自己的擅长域。
这意味着未来 Agent 系统必须能动态路由到不同模型。
而“路由到不同模型”这件事，不是模型能力问题，是工程问题。
我在 DebateClaw 里设计的契约路由和场景白名单，恰好就是解决这一复杂性的先手。当时做的时候觉得是“过度设计”，现在看来是“提前量”。
第二，安全对齐成了隐形门槛
Astra 发布前已经触及关键网络能力门槛，OpenAI 明确表示该模型的网络安全能力暂不开放。Anthropic 也因国家安全指令暂停了部分访问。
这预示着一件事：未来模型的可用性，将越来越受制于“信任框架”。
不是“哪个模型更强”，而是“哪个模型被允许用、在什么场景下用、谁有权调用”。
这些问题的答案，不在模型里，在 Harness 层。
我在信创环境部署的经验——私有化、审计、权限控制——在合规敏感场景中，会越来越值钱。
第三，“模型无关性”成了稳定锚
基模决战意味着模型格局仍会剧烈变化。
今天 Fable 5.2 领先，明天可能是 Gemini 4 Pro，后天可能是别的。
如果我的系统绑定某一个模型，就意味着每次格局变化都要重做。
而我的选择是：不绑定任何单一模型，构建跨模型的 Harness 层。
这个“模型无关性”，在未来变局中是稳定的锚点。
模型会换，Harness 不会。
四、这场决战改变了什么，没改变什么
| 改变了 | 没改变 |
|---|---|
| 模型能力上限 | 工程化落地的瓶颈 |
| 模型之间的代差 | 可靠交付的需求 |
| API 可调用的能力 | 谁为调用结果负责 |
| 基准测试的分数 | 真实业务中的稳定性 |
换句话说：模型在卷“能做什么”，但没人替用户回答“做错了怎么办”。
这就是 Harness 工程要回答的问题。
五、一个更冷的判断
这场决战让我想起一句话：
当所有人都在卷同一个方向时，价值正在向另一个方向迁移。
当所有人都在卷模型能力时，“让模型稳定干活”的能力正在变得稀缺。
模型能力是显性的，可以比较，可以排名。所以大家都在卷。
工程化能力是隐性的，不容易被看见，不容易被量化。所以大家都不愿意卷。
但真正的护城河，恰恰在没人愿意卷的地方。
六、收尾
这场基模决战，表面上是 OpenAI、Anthropic、Google 和国内厂商的能力比拼，深层是 AI 产业从“内容生成”向“任务执行”的范式迁移。
对一线开发者来说，最直接的影响是：
模型 API 的能力天花板在快速抬高，但“工程化落地”的瓶颈依然存在。
模型发布在加速，但让这些模型在真实业务中稳定运行，是另一场更持久、更困难的战役。
这场战役不在模型里，在 Harness 里。
所以，当所有人都在问“哪个模型更强”的时候，我更关心另一个问题：
当模型换了一代又一代，你的系统还站得住吗？
大厂在卷底座。底座很重要，但底座有一个特点——它会换。
模型会换，框架会换，底座的状态机会重写，API 会升级。每一次变化，都会向上传导。如果没有一层结构挡住它，业务就要跟着重做一遍。
我在做的，就是那一层。
不在底座里，也不在业务里，在它们之间。负责翻译、负责约束、负责兜底。底座不可改的时候，它绕；业务要演进的时候，它挡。
这一层没有名字，大厂内部通常把它分散在各团队里。但它是把“模型能力”变成“可靠交付”的必经之路。
模型会换，Harness 不会。底座会换，适配层不会。
这就是我选择站的位置。
技术标签：#基模决战 #Harness工程 #AI Agent #工程化 #AI趋势
专栏：《逐浪》
