智能的应用奇点可能到了

AI 圈子经常被调侃的一句话是‘AI 这个行业呀，你要是几天不学习，那就不用学了。’——说的是 AI 行业发展太快了，每次学到的知识/信息只在那一小段时间有用，随着 AI 的快速演进，之前学的东西往往都没用了。比如之前风靡一时的 promot，比如现在逐渐被内化成模型能力的 harness。

调侃归调侃，个人感觉 2026 年AI 的发展确实越来越快。以 7 月为例，

A 社延期了 Mythos 阉割版的Fable 5；
OpenAI 发布了能力堪比Fable 5 的 GPT5.6 ，同时发布了几乎媲美人类聊天体验的 GPT-live；
XAi 也通过 Grok 4.5 逆转了马家 AI 的口碑；
Kimi K3 的发布也让中国的（开源）模型达能力到了世界一线 frontier 。

......当然除了这些事件外，AI 领域还发生了很多，不一一列举。

所有这些事件都推动 AI 能力的持续提升和拓展。但在 7 月 AI 领域发生的所有大事中，有两件发生在月底的事情尤为重要，我认为它们对整个行业的影响比上述的都要深远：一是 8.1 日OpenAI 说内部的下一代模型Astra数学、量子复杂性和理论计算机科学中的 10 个主要开放问题；二是 7 月 31 日，deepseek 发布了 deepseek v4 flash 0731 版（命名好随意啊），能力接近GPT5.6 Sol 和 Claude opus 4.8，价格却只有后者的几十分之一。

第一个事件的意义不仅仅意味着 OpenAI 新一代模型更高的智能能力、AI 可以加速帮助科研、医学研究等学科的发展。更重要的是如果这个信息真实的话，AI 就不是局限在人类已有的知识里做分析、总结、拓展这些偏效率维度的处理，某种程度上来说，已经开始产生新的知识/信息。换句话说，AI 接下来的演变大概率会超出我们理解的范畴了。

智能的上限更高了，而且我们并不知道那条线在哪里。

第二件事情的技术科学价值没有Astra 解决 10 个科学问题高，但它的实用价值在中短期内可能比其更大——它某种程度上解决了AI 应用普及的问题。不管AI 作为一种技术还是一种商品，它必须达到一定能力 or 实用水平才有实用价值。如果某家公司提供的视频能力是三年前威尔斯吃面的水平，白送我们都不会要。同时，如果这个商品足够好，但是价格很贵，也很难大规模普及，就像一开始的网络和通信费，只有当资费大幅度下降后，使用率才普及起来。AI 作为一种商品也需要满足这些要求，更准确地说，要在智能程度、成本和速度三个维度都达到一定的门槛，才能真正到可以被大规模普及和使用的阶段。在deepseek v4 flash 0731 发布之前，市面上的模型基本上没有能在智能程度、成本和速度三个维度上都达到基础要求的：

deepseek v4 Flash preview 足够便宜和快，但智能程度不行，agent 和多轮任务效果很差；
GPT5.6 Sol 智能程度够，但是比较贵，而且有点慢；Fable 5 和 Opus 4.8 更不用说了，智能程度不见得更高，一点也不便宜；
Kimi K3 智能程度接近GPT5.6 Sol ，但一点不便宜，而且更慢（包月竟然还限流）；
G 家的几个模型倒是很快，但是太拉跨，根本无法处理复杂任务；
Grok4.5 在三个维度相对均衡，但还是有点贵，无法大规模普及。

盘点完市面上所有模型，从可大规模应用的角度来看，只有deepseek v4 flash 0731 （降价后的 GPT5.6 Luna 也还可以）可以一打：智能够、便宜，而且快。

就像电商平台始终围绕’多、快、好、省‘四个维度竞争一样，模型也需要在智能程度、成本和速度综合维度上胜出，否则就无法大规模普及。而只有AI 能力和价值顺利过渡到应用层，AI 所能带来的价值就不只是局限在替代/提升人类智力劳动这一个偏效率的边界内，才能真正带来革命性生产力的爆发。

而Deepseek v4 flash 0731 就是 AI 能力和价值可以被大规模过度到应用层的分水岭。当然并不是说deepseek v4 flash 0731 足够好，而是它在三个维度上都达到了可被普及的门槛，我相信接下来还会有比它更好（同时更便宜、更智能、更快）的模型出现，但不管是出现哪家、多少个模型，对应用层的普及都是利好的。这一些都意味着AI 的应用时代要来了。

两个事件，一件提高了智能上限，往深了走；一件拓宽了智能的普及，往广了走。都很好！