昨天夜裡的矽谷發生了三件大事。

Google發佈了Gemini 3.8 Flash，Meta發佈了Muse Spark 1.3，一家此前沒人討論過的初創公司Mostik則登上了權威媒體WIRED的專訪。

如果只看前兩件，這很像又一個普通的AI刷榜之夜。

Google剛剛把Gemini推上DeepSWE榜首，幾個小時之後，Meta又公佈了更高的成績，世界第一的頭銜甚至只維持了幾個小時。

這種事情到了2026年，大家甚至已經快麻木了。

模型發佈、benchmark刷新、X上慶祝幾個小時，然後等待下一家公司繼續刷新。

但如果把昨天晚上這三件事連起來看，我覺得真正值得關注的東西完全不在那些榜單上。

AI的經濟學正在發生突變。AI成本正在從“一百萬token多少錢”變成“修好一個Bug多少錢”，變化意味著什麼？

過去幾年，我們討論AI成本，最常看的數字都是每百萬token多少錢。

但Agent出現以後，這套計量方式正在變得越來越不夠用。

未來真正重要的問題可能不是“一百萬token多少錢”，而是修好一個Bug多少錢、完成一份研究多少錢、讓一個Agent連續工作三個小時到底多少錢。

而昨天晚上，推理成本正在從幾個完全不同的方向同時往下降。

Google在把frontier等級的能力塞進越來越便宜的模型，Meta在讓Agent用更少的token和工具呼叫完成同一個任務，而Mostik更進一步，他們開始質疑：

如果通訊的雙方本來都是AI，模型之間為什麼還需要用為人類設計的語言交流？

Google發佈了他們全新的旗艦模型Gemini 3.8 Flash，官方稱之為這是他們迄今為止最強大的推理與程式碼模型。

這也是Google在六周時間內對Flash系列的第三次更新，從3.6到3.7，再到現在的3.8。

過去Flash給人的印象一直非常簡單：更快、更便宜，但能力會比最強模型差一些。

Google現在正在一點點改變這個定義。

這一次3.8 Flash最核心的提升集中在long-horizon coding和agentic workflow。

在衡量AI長周期軟體工程能力的DeepSWE v1.1上，它拿到了約74%的成績。

DeepSWE和傳統程式碼benchmark最大的區別在於，它不是扔給模型一道演算法題，而是真的把Agent放進一個程式碼倉庫裡。

模型需要理解問題、搜尋程式碼、修改檔案、呼叫工具、運行測試，失敗以後繼續尋找原因。

一個完整任務可能持續幾十甚至上百步。

在這樣的測試裡，Gemini 3.8 Flash一度登上世界第一。

Claude Opus 5同樣大約是74%，GPT-5.6 Sol大約73%，此前領先的Fable 5大約70%。

如果只看能力，這幾個最強模型之間已經沒有特別巨大的差距。

真正恐怖的是另外一個數字：錢。

Gemini 3.8 Flash的API首發價格依然保持在輸入0.75美元/1M token、輸出3.75美元/1M token。

在DeepSWE上完成一道完整任務，它的平均成本只有2.36美元。

作為對比，同樣約74%的Claude Opus 5，單任務平均成本達到11.84美元；GPT-5.6 Sol約73%，平均成本也要6.46美元。

也就是說，同一等級的軟體工程能力，執行成本已經可以差幾倍。

這在Agent時代會變得非常重要。

聊天機器人時代，一次回答貴幾分錢還是便宜幾分錢，普通使用者基本沒有感知。

但Agent完全不一樣，一個coding agent可能連續運行100步，一個research agent可能搜尋幾十個網頁、讀取幾百頁資料，未來企業裡的Agent甚至可能連續工作幾個小時。

Google官方甚至提到，3.8 Flash遇到複雜任務時會主動work harder，進行更多推理和工具呼叫。

Google沒有為了省錢讓模型“少思考”，而是因為token已經足夠便宜，所以可以允許它跑更長的loop。

所以我覺得3.8 Flash真正重要的地方不是又拿了一次世界第一。

而是它正在把過去只有最昂貴frontier model才能提供的能力，硬生生壓進Flash的價格區間。

正在Google眾人為Gemini 3.8 Flash的發佈慶祝時，Meta突然殺回來了。

Meta突然發佈了Muse Spark 1.3模型。

按Meta公佈的評測，Muse Spark 1.3在DeepSWE v1.1上的成績達到了75.4%。

這個數字超過了Gemini 3.8 Flash、Claude Opus 5和GPT-5.6 Sol。

更誇張的是，Muse Spark 1.2在這個測試上的成績還只有約55%。

從1.2到1.3，一個小版本更新直接提升了約20個百分點。

但我覺得Meta這次真正值得看的同樣不是75.4%。

還有兩個數字：工具呼叫減少約20%，token消耗減少約25%。

這件事很容易被忽略，但它其實非常接近Agent真正商業化以後最重要的問題。

一個Agent最浪費錢的地方，很多時候不是正常思考，而是跑偏。

比如coding agent在第20步錯誤理解了需求，它可能繼續修改五個檔案、運行三輪測試、搜尋大量程式碼，最後才發現路線錯了，然後全部重來。

幾十次tool call和幾萬token就這麼浪費掉了。

所以一個模型如果能夠更早發現任務存在歧義、更早知道自己做不下去、更早詢問使用者，實際上就是在直接降低成本。

Muse Spark 1.3這次強化的很多能力都屬於這一類：它能在長thread裡同時維護多個workflow，遇到模糊任務主動詢問，解決不了的問題主動請求幫助，涉及不可逆操作先確認，而且長任務運行很多輪以後也更不容易忘記最開始的約束。

Meta甚至開始強調模型對自己能力邊界的認識：知道自己會什麼，也知道自己不會什麼。

這些能力放在Chatbot時代可能沒有benchmark漲20分那麼性感，但到了Agent時代，它們都可以直接換算成錢。

Agent少犯一次錯誤，本身就是一次推理最佳化。

所以把Google和Meta放在一起看，大模型競爭的計量單位正在悄悄發生變化。

以後大家可能越來越少關心“一百萬token多少錢”，而越來越關心另一個數字：

把一個真實任務從頭跑到尾，到底多少錢。

如果Google和Meta還在研究如何用更便宜、更少的token完成任務，那麼Mostik開始碰一個更加底層的問題：

Mostik在俄語裡的意思是“橋”。

CEO Sasha Malysheva是這套方法的主要開發者，它的首席科學家則是日內瓦大學教授、2010年菲爾茲獎得主Stanislav Smirnov。

他們正在嘗試做一件聽起來很簡單、實際上極其困難的事情：讓兩個AI模型不再通過自然語言互相交流。

今天絕大多數Multi-Agent系統都是這麼工作的：

Model A得到一些資訊以後，先生成幾百甚至幾千個token，把自己的結論用自然語言說出來；Model B再把這些文字全部讀進去，重新理解並建立自己的內部表示，然後繼續推理。

但問題在於，大模型內部真正進行計算的東西，本來就不是中文或者英文，而是：

這就相當於兩台電腦明明可以直接傳資料，電腦A卻先把檔案列印成幾百頁紙，再讓電腦B用攝影機一頁一頁OCR回去。

大家過去一直在研究怎麼把列印費降下來，Mostik想乾脆把印表機扔掉。

他們試圖在不同模型的內部表示之間建立一座Bridge，讓模型直接交換latent representation，而不是先生成自然語言。

矽谷權威媒體WIRED披露的一個實驗非常有意思。

Mostik把完整版的GLM-5.2 753B和只有4B、可以運行在移動裝置上的Qwen 3.5進行了橋接。

最後得到的混合系統，能力落在兩個模型之間，但推理成本只有完整GLM-5.2的1/20。

當然，現在就說Mostik已經解決了模型通訊肯定太早。

Latent communication本身也不是昨天第一次出現，過去幾年已經有不少研究嘗試交換embedding、hidden state、KV cache等內部表示。

真正困難的是，不同模型的架構、參數、訓練資料和內部坐標系都不一樣，怎麼讓兩個模型真正理解彼此的latent space，本身就是一個非常困難的問題。

Smirnov自己也承認，目前甚至還缺少成熟的數學語言來描述不同模型之間的共同表示。

但1/20這個數字還是讓我非常興奮。

因為它讓我開始認真思考一種完全不同的未來AI架構。

04. 未來你只需要一個零點幾B模型

過去兩年討論端側AI，我們一直在研究怎麼把更大的模型塞進手機：7B、4B、3B、1B，不斷蒸餾、量化、壓縮。

但如果Mostik這條路線最後真的能夠跑通，我覺得未來的手機也許根本不需要一個“什麼都會”的大模型。

你的裝置裡可能只需要運行一個0.xB或幾B的小模型。

它很便宜，可以持續運行，負責理解你當前在那個App、剛剛做過什麼、裝置是什麼狀態，並且處理絕大多數簡單、高頻的任務。

真正碰到困難的問題，再通過潛空間的通訊呼叫遠端的大模型。

但關鍵區別在於，它不用像今天這樣，把十萬token的Context全部重新傳送到雲端，讓遠端模型從頭讀一遍。

它可能只需要傳輸一段高度壓縮的latent state。

彙整鉅亨號中所有使用「Mostik」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

昨晚，矽谷經歷了AI諸神之戰