2026 年 6 月 9 日， Anthropic 發佈了它有史以來最強悍的模型 Fable 5 。發佈會當天， Stripe 公司用它一天內遷移了一個五千萬行的 Ruby 程式碼庫——這個活手工要一個團隊干兩個多月。基準測試上，它在編碼、金融推理、量化交易等一系列榜單登頂，甚至能在沒有任何輔助腳手架的情況下，靠純視覺通關《寶可夢火紅版》。
看起來是一次教科書式的勝利發佈。但 24 小時之內，劇情急轉直下。
使用者很快發現， Fable 5 被套上了一層叫"分類器"的安全審查機制——一旦你的問題涉及網路安全等"高風險話題"，模型就悄悄把請求降級到能力較弱的 Claude Opus 4.8 去回答，還照著 Fable 5 的價格收錢。 Reddit 上一個高贊帖標題特別扎心："Fable 5, the model that might be the best, but also model I won't use"——它可能是最好的模型，但也是我不會用的模型。
三天後，美國商務部長 Howard Lutnick 一封信件送到 Dario Amodei 桌上，直接把 Fable 5 列入出口管制，禁止全球所有非美國使用者訪問。 Anthropic 緊急下架， Dario 親自飛去華盛頓談判。這在 AI 行業史上是第一次——前沿 AI 模型被正式納入類似晶片和高端武器的戰略資產管控體系。
Fable 5 的 24 小時，是 2025-2026 年整個 AI 大模型產業範式轉移最好的一個截面。過去人們相信"參數越大越好"的時代結束了，現在的問題變成了：一個能力最強的模型，為什麼反而是最難用的？
一、九年信仰，如何在 2025 年 8 月 8 日崩塌
要講清楚今天這場撕裂，得從九年前那篇被引用了十萬次的論文說起。
2017 年， Google Brain 發表《 Attention Is All You Need 》， Transformer 誕生。真正把這個架構點燃的是 OpenAI——2018 年 GPT-1 有 1.17 億參數， 2019 年 GPT-2 有 15 億， 2020 年 GPT-3 暴漲到 1750 億。三年時間，參數量翻了 1500 倍。
同一年， OpenAI 發表了一篇更重要的論文《 Scaling Laws for Neural Language Models 》，把"參數越大、資料越多、算力越足，模型就越強"這件事寫成了數學關係式。從此， Scaling Law 不再是一條經驗規律，而是整個行業的信仰。矽谷、華爾街、創投圈，全部圍繞這條曲線組織起來——輝達的股價、微軟的百億投資、 Anthropic 半年內融的幾十億美元，全都可以還原到這條曲線的假設。
2022 年 11 月 30 日， ChatGPT 上線， 5 天獲得 100 萬使用者， 2 個月突破 1 億。這個原本被 OpenAI 內部當成"低優先順序發佈"的產品，讓整個華爾街相信這是"下一個 iPhone 時刻"。此後兩年，行業邏輯簡單到近乎粗暴：誰在基準測試上刷得更高，誰就贏。 GPT-4 的訓練成本據估計超過 7800 萬美元， Sam Altman 在 2024 年底還公開說過："我們現在知道如何造 AGI 了。"
轉折發生在 2025 年 8 月 8 日。
發佈會前一天， Altman 把 GPT-5 比作"曼哈頓計畫等級的進步"。發佈會當天，資料看起來很漂亮： AIME 2025 數學競賽 94.6%、 HLE 42.0%、編碼 state-of-the-art 。但發佈會一結束，全網評價迅速兩極分化。
第一批使用者發現了三件事。第一， GPT-5 相比 GPT-4o 的實際使用體感提升有限，絕大多數日常任務感受不到明顯差別。第二，最驚豔的部分不是能力，而是價格——GPT-5 的 API 價格僅為 Claude Opus 4.1 的 1/15 。第三，"新功能乏善可陳"——華爾街見聞的這句原話，在中文 AI 圈幾乎被引用爛了。
GPT-5 更像是一次"效率提升"，而不是"能力躍遷"。翻譯一下就是：它把之前用 o1 推理模式才能做的事做得更快、更便宜、更穩，但沒有開闢一個新的智能維度。如果 Scaling Law 還在有效運轉， GPT-5 本應像 GPT-2 到 GPT-3 那樣帶來一次代際跳躍。但它沒有。
Ilya Sutskever 在離開 OpenAI 後對 Reuters 說的那句話，此時顯得格外精準——"2010 年代是 Scaling 的時代，現在我們又回到了充滿好奇心和探索的時代。"
這是範式轉移的第一個鐵證。行業的核心變數，從"能力上限"悄悄轉向了"能力性價比"。
二、 DeepSeek 衝擊波：撕開西方敘事的第一道口子
其實早在 GPT-5 發佈之前七個月，中國這邊就已經先打出了一記重拳。
2024 年 12 月 26 日， DeepSeek 發佈 V3 ，訓練成本557.6 萬美元，性能對標 GPT-4o 。一個月後， DeepSeek-R1 發佈，性能對標 OpenAI o1 ，完全開源， API 價格是 o1 的3%。
這兩個數字的組合是核彈級的。它同時打破了兩個行業默認假設：一是"頂尖能力必須靠海量投入"，二是"頂尖模型必須閉源"。
2025 年 1 月 27 日，美國股市迎來"DeepSeek 黑色星期一"，輝達單日市值蒸發近 6000 億美元。這個數字，比整個中國大模型行業過去兩年的融資總和還要大。華爾街用最誠實的方式表達了震驚：如果高性能模型可以用 1/20 的成本訓練出來，那輝達 GPU 的估值邏輯就得重新算。
DeepSeek 的意義不在於"中國追上了美國"這種民族敘事。它真正的意義是給"技術壟斷+資本密集+算力壁壘"這個西方主導的敘事體系鑿開了第一個洞。它證明了兩件事：演算法最佳化的空間比行業想像的大得多， MoE 架構、最佳化的 KV-cache 、精妙的強化學習管線可以把訓練成本壓到原來的 5-10%；開源可以逼近甚至匹敵閉源。
一個直接後果是——"性價比"從邊緣變數變成了核心變數。在這之前，大廠討論模型時說的是"能力如何"；在這之後，所有討論都要帶上一句"每百萬 token 多少錢"。 GPT-5 發佈時為什麼反覆強調"僅為 Claude Opus 4.1 的 1/15"？就是因為它必須給出這個數字，否則市場不認。
史丹佛 2026 年的 AI Index 報告直白地寫著：從 2023 年 5 月 GPT-4 發佈時的"閉源領先幾十分"，到 2025 年底"頂級開源模型和閉源模型只差幾分"。差距還在，但已經不是護城河。
三、 Fable 5 事件：能力異化的悖論
如果說 DeepSeek 撕開了商業維度的口子，那 2026 年 6 月的 Fable 5 事件則暴露了這場範式轉移最核心的矛盾——能力本身正在被它的"守護者"給綁住手腳。
Fable 5 的技術水平毫無爭議。它就是 Anthropic 內部代號"Mythos 5"的同一個底層模型——那個原本只通過 Project Glasswing 小範圍提供給美國政府和網路防禦合作夥伴的"未閹割前沿模型"，只不過外面套了一層安全"降級"機制，就變成了對外發佈的 Fable 5 。
Anthropic 官方的原話是："我們把這些安全閾值調得比較保守——它們有時會攔截無害請求，但平均觸發率不到 5%。"看起來挺合理。但使用者實測發現，誤攔截率遠高於 5%。稍微涉及安全相關的技術討論——比如問一個 CSRF 漏洞的防禦方式、問某個 RCE 原理來加固自己系統——都會被降級到 Opus 4.8 。有安全研究員在 Reddit 上寫了個尖刻的比喻："Fable 5 是那個考 100 分但你一問它專業問題就裝聾作啞的學霸。"
更糟的是"隱形降級"引發的信任危機。 Anthropic 最初的實現是"靜默降級"——API 返回沒有報錯，只是在結果裡帶了個stop_reason: "refusal"欄位，很多使用者根本沒注意到自己拿到的其實是 Opus 4.8 的回答，但被按 Fable 5 的價格收費。這件事被開發者揭穿後爆發大規模抗議。 6 月 11 日 Anthropic 公開道歉，改成顯式 fallback ：明確告訴你切換了、這段不收 Fable 5 的錢。
最要命的是使用者開始質疑安全對齊的邊界。有使用者在 Twitter 上把 Fable 5 問懵："Anthropic 最近宣佈我要被悄悄降級……我最擔心的是，最強大的能力通過金錢和合作關係被賦予某些人，而普通開發者卻拿到沒有明確通知的降級答案。"這段吐槽被廣泛傳播，因為它戳中了一個核心矛盾——Mythos 5 和 Fable 5 是同一個模型，一個賣給美國政府和特許夥伴，一個賣給普通人。這種"分層安全"，本質上是分層能力。
事情到這裡還沒完。6 月 12 日，白色靴子落下——美國商務部長 Howard Lutnick 援引國家安全權力，要求 Anthropic 立即對 Fable 5 和 Mythos 5 實施出口管制：禁止任何外國國籍人士使用這兩款模型，無論人在那裡，包括 Anthropic 自己的外籍員工。全球所有非美國使用者瞬間失去訪問權。 Anthropic 在 AWS Bedrock 、官方 API 、 Claude Code 等所有管道緊急撤下 Fable 5 ，全球使用者下線 18 天。直到 2026 年 7 月 1 日，商務部才解除限制。
Fable 5 事件把範式轉移的所有核心張力，濃縮成了一個案例：
能力異化悖論——想像一下，一輛 F1 賽車，為了讓普通人也能開，裝上了自動限速、防撞雷達、車道保持、緊急制動。這些東西每一樣都很合理。但裝完之後，它跑出的成績還是 F1 的成績嗎？ Fable 5 就是那輛裝滿了安全裝置的 F1 ，底盤、發動機、變速箱都是 Mythos 等級的頂尖水平，但外面套了一層分類器"限速"，導致它在很多場景下跑不出應有的速度。使用者付了博士的學費，拿到的是被剪掉了半條舌頭的答案。
對齊稅的顯性化——過去"safety tax"和"alignment tax"是論文裡的術語， Fable 5 讓全世界的開發者第一次直觀感受到——安全對齊是要用能力實實在在換的。研究已經證實，過強的 RLHF/CAI 訓練會導致模型在推理任務上下降 5-15 個百分點，對齊得越狠，掉得越多。
國家安全化的加速——出口管制的引入意味著，前沿 AI 已經不再是純粹的商業產品，它是戰略資產。這一步一旦跨過去就再也退不回來了。未來所有的前沿模型發佈，都要過美國商務部這一關。
"技術能力"這一根原本獨大的軸，已經徹底被安全、合規、成本、生態、地緣政治這些"非技術變數"共同拉扯，變成了一個多維張力系統。
四、五強的答卷：每家都在這場轉移裡賭了一次
如果把 2026 年年中的 AI 大模型格局攤開來看，五個玩家各自選了完全不同的路徑。這不是隨機的分工，是在同一場範式轉移面前，各自基於歷史積累、資源稟賦和信仰體系做出的差異化生存策略。
Anthropic ：安全信仰的極端化實驗
Anthropic 是這個故事裡最純粹、也最矛盾的角色。 Amodei 兄妹在 2021 年帶著 OpenAI 安全團隊核心出走時，就把"AI Safety"寫進了公司 DNA 。 Constitutional AI 、 ASL 分級體系、 Responsible Scaling Policy——這一整套東西建立了 Anthropic 獨特的品牌。但同一套 DNA 走到 2026 年，就變成了 Fable 5 的"過度保守分類器"。它不是 Anthropic"忽然變差"了，是它十年前埋下的種子長成了今天該有的樣子。
商業上很難受。 Fable 5 定價$10/百萬輸入 token 、$50/百萬輸出 token ，對比 DeepSeek-V3 的 0.5 元人民幣/百萬輸入 token ，價差在百倍以上。 Anthropic 的賭注是：頂級客戶願意為"能幹真活的 Agent 能力"付溢價。 Stripe 那個"一天頂兩個月"的案例是這個賭注的最好背書。但這個賭注有個前提——企業客戶願意接受"我買了博士生但你偶爾給我碩士生"。目前來看，這個前提在動搖。
OpenAI ：從技術神廟下沉到超市
OpenAI 是這波 AI 浪潮的開創者，但 GPT-5 的發佈某種意義上是它"祛魅"的開始。GPT-5 沒有給出讓人驚呼的新能力，它給出的是效率和價格。從 GPT-4 到 GPT-5 ， OpenAI 完成了一次心態上的下移：從"引領人類走向 AGI"的技術神廟，變成"把大模型能力像水電一樣送到每個開發者手上"的超市。
有趣的是，這種降維反而讓 OpenAI 在這場範式轉移中活得挺舒服——它其實是最早接受"性價比時代來臨"的美國頭部玩家。當 Anthropic 還在死磕 Safety 信仰、 Google 還在追逐 benchmark 冠軍時， OpenAI 已經在打價格戰了。這是一個戰略上的清醒。它對技術領先的追求，本質上是為了講故事、拿錢、擴使用者。一旦 Scaling Law 失效， Altman 立刻切換到"管道+價格"的商業邏輯，動作非常幹脆。這種切換能力，是 Anthropic 做不到的（價值觀太重），也是 Google 做不到的（組織太大太慢）。
Google ：靠"重資產"完成帝國反擊戰
ChatGPT 發佈後的兩年， Google 的公眾形象跌到谷底——一家發明了 Transformer 的公司，居然眼睜睜看著 OpenAI 把這個技術做成了產品霸主。轉折點是 2025 年 11 月的 Gemini 3.0 Pro 。LMArena 以 1501 分登頂（歷史最高）， Humanity's Last Exam 拿下 37.5%（超過 GPT-5 ），原生多模態能力全面領先， 100 萬 token 有效上下文窗口，全部依託 Google 自研 TPU v6 。
Gemini 3 背後有一個 Anthropic 和 OpenAI 都沒有的獨特優勢——Google 的全端自持。它有自己的晶片、自己的資料中心、 YouTube 和 Search 帶來的獨家資料、 Android 和 Chrome 帶來的分發通道。這些資產在 Scaling Law 時代不太重要（有錢就能買 GPU ），但在範式轉移之後極其重要——當競爭維度從"誰能造出最強模型"變成"誰能在成本、能耗、資料、分發上綜合最優"，這些包袱一夜之間變成了護城河。
短板依然明顯——Gemini App 、 AI Studio 、 Vertex AI 三個產品定位互相打架，普通使用者搞不清該用那個。技術很強，但組織病一直在。
DeepSeek ：不融資、不廣告、不商業化的"技術民粹"
DeepSeek 在整個故事裡扮演的是"點火者"角色。但 2026 年上半年，它的處境其實有點尷尬——它突然沉默了。從 2025 年 12 月發佈 V3.2 到 2026 年 4 月， DeepSeek 近五個月沒有新模型發佈。財經報導甚至用了"DeepSeek 在被期待什麼"這種略帶焦慮的標題。
DeepSeek 的商業邏輯非常特殊——它不融資、不廣告、不做 to C 商業化，純粹靠創始人梁文鋒和幻方量化的資金養著。這在傳統矽谷敘事裡是不可想像的。但恰恰是這種"反常識"的選擇，讓 DeepSeek 成為全球 AI 陣營裡最獨特的存在。你沒有商業目標要迎合，所以你可以做純技術；你沒有股東壓力，所以你可以開源；你沒有增長焦慮，所以你可以沉默。
2025 年底，中國開源 AI 模型全球下載量首次超過美國， DeepSeek 是最大貢獻者之一。它不需要每個季度都發佈模型維持存在感，它需要的是每 18-24 個月一次的"重錘"。
Qwen/Kimi ：不做前沿之王，做"夠用+便宜+開源+生態"的贏家
阿里的通義千問和月之暗面的 Kimi 選擇了一條和美國頭部完全不同的路徑。 Qwen 走"開源+多規格+行業深耕"路線， Kimi 走"專注長上下文+程式碼 Agent"路線（ 2026 年 4 月的 K2.6 主打"可連續編碼 13 小時"）。兩家的共同戰略是"生態位差異化"——不硬拚前沿能力，而是找到自己能贏的細分場景。
中國使用者對國產模型的評價是"夠用、便宜、開源、能私有化部署"，對海外頂級模型的評價是"更聰明、但用不起也用不上"。這種口碑分層，就是"性價比範式"取代"能力至上範式"最直接的體現。
五、三層結構與三個劇本
2026 年年中的全球 AI 大模型格局是一個"三層結構"，不是簡單的兩強或多強。
頂層是 Anthropic 和 Google ，在前沿能力上仍處領先，但各自被不同問題拖累（ Anthropic 被安全和監管拖累， Google 被產品化拖累）；中層是 OpenAI ，不再追求技術神廟敘事，靠規模和生態守成；底層是 DeepSeek 和中國系，不做前沿之王，但通過開源、低價、生態和落地重塑價值鏈。
這個格局的詭異之處在於——技術上的"頂層"不一定是商業上的贏家。Fable 5 可能是能力最強的模型，但它服務不了全球市場，服務不了成本敏感的中小企業，服務不了對開源有強需求的開發者。 Anthropic 贏了 benchmark ，但可能輸了廣度。
這就是範式轉移最深層的表現：競爭維度從一維變成了多維，沒有任何一家能在所有維度上都贏，每家都必須做出取捨。
未來 2-3 年，最可能的劇本是"三世界"分化格局——美國前沿閉源世界、中國開源落地世界、垂直行業專用世界。這三個世界之間會有交叉但不會融合。企業和開發者會根據場景在不同世界之間切換。
最危險的劇本是 AI 冷戰化。 Fable 5 的出口管制是一個訊號。如果這條路繼續走下去，美國把前沿 AI 全面納入戰略資產管控，中國以牙還牙禁止國產開源模型被特定用途使用，全球 AI 社區被切成兩半， Hugging Face 這類開放生態受重創。Fable 5 那句"最強大的能力通過金錢和合作關係被賦予某些人"，會成為常態而不是例外。
最樂觀的劇本，是中國開源陣營繼續壓制模型價格倒逼全球平價化， Anthropic 和 OpenAI 因商業壓力放鬆部分安全限制，全球監管在 AI 安全標準上達成基本共識（類似核不擴散條約），頂級能力通過開源+API 普惠+邊緣計算實現真正的民主化。這是最好的可能，但需要多方博弈的極佳運氣。
六、能力異化，是 AI 進入壯年的第一次系統性反思
Fable 5 事件暴露的"能力異化"悖論，其實不是 AI 獨有的問題。它是所有強力工具在文明化過程中都會遇到的一個根本張力。
你不能既要求 AI"絕對安全、不出任何風險"，又要求它"完全釋放能力、真正解決問題"。這兩個目標在 AGI 臨近的邊緣會撞在一起。 Anthropic 選的是安全優先，代價是能力被犧牲。 Mythos 5 給美國政府用（不裝限速）， Fable 5 給普通人用（裝限速），本質上是把這個矛盾用"分層"來處理——但分層本身就是新的不平等，是新的爭議源。
這個悖論未來只會更嚴重，不會更緩和。因為隨著模型能力接近或超過人類專家，"安全風險"和"實際效用"這兩條曲線都在陡峭上升，而它們之間的張力也在加大。
回望 2020 年那篇《 Scaling Laws for Neural Language Models 》，六年時間，行業信仰從"參數即真理"走到了"平衡即藝術"。如果說 2017-2024 是 AI 的"暴力美學時代"，參數、算力、 benchmark 是唯一的語言；那麼 2025-2026 則是 AI 的"複雜性時代"——技術能力不再獨尊，它必須和成本、安全、合規、生態、地緣政治一起被同時最佳化。
Fable 5 是這個時代最完美的隱喻：它可能是人類造出的最聰明的模型，但也是人類第一次意識到——光有聰明是不夠的。
範式轉移的本質不是 Scaling Law 失效了，而是Scaling Law 不再是唯一重要的東西。這看起來是一句輕飄飄的話，背後是整個產業結構、競爭格局、商業邏輯和地緣博弈的重構。當一個技術從青春期走向壯年，它必須學會和世界的複雜性共處。 Fable 5 那道被套上的安全外殼，某種意義上就是 AI 這個物種進入壯年的第一次系統性反思。 (華勝商略)