AI开始“接活儿“了：GPT-5.6、Grok 4.5、Muse Spark集体亮牌，大模型进入“交付结果“时代

AI开始接活儿了GPT-5.6、Grok 4.5、Muse Spark集体亮牌大模型进入交付结果时代2026年7月的第二周OpenAI、xAI、Meta、Google几乎在同一时间亮出了新模型。如果你只盯着跑分榜单上那几分增长很可能会错过真正发生的事。这一波发布潮里没有人在认真比谁的模型更聪明。OpenAI的GPT-5.6 Sol开始学会指挥一群子智能体马斯克的Grok 4.5是第一个和代码编辑器Cursor一起训练出来的Meta的Muse Spark 1.1第一次开始向开发者收费而且定价直接砍到对手的四分之一。一句话大模型正在从回答问题的人变成能接活儿、干完活儿、交付结果的人。上篇文章我们聊过为什么56%的企业AI项目落不了地问题不在模型够不够聪明而在工程和编排。今天要讲的另一半当模型侧能力这一波集体跃迁之后落地难的第二个答案出现了——你真的可以把活儿交给它了。这篇文章我用这一周的真实发布和数据讲清楚三件事模型到底跨过了哪道门槛、商业模式正在怎么改写、以及这股变化对你我意味着什么。一、从回答问题到完成工作一道被悄悄跨过的门槛过去两年大模型的进化主线是如何更聪明地回答问题。但2026年7月这一批新模型主线变了。OpenAI的GPT-5.6 Sol带了一个叫Ultra的模式核心不是单次对话而是多智能体调度。面对一个包含多步编码、测试、部署的软件工程需求模型会自动把任务拆成子任务启动多个子智能体并行处理最后把结果汇总回来。在端到端编程测试Terminal-Bench 2.1上Ultra模式拿了91.9分比单模型标准模式高了3.1个百分点同时长链路Agent任务的Token消耗反而比前代低了10%到15%。这不是一个人从头干到尾而是自动组建一个项目组有人写代码有人跑测试有人查文档有人做集成最后汇总给项目经理。xAI的Grok 4.5走得更极端。它是第一个专门针对编程和智能体任务、和Cursor联合训练的模型参数规模1.5万亿支持百万级代码库的长上下文读取和跨文件自主调试。最关键的是成本单个任务消耗的Token只有同级领先模型的一半每秒输出80个Token单次任务步骤数也少一半定价是每百万输入Token 2美元、输出6美元成本不到同类可比模型的一半。Google的选择则是与其修补旧房子不如推倒重建。2026年7月发布的Gemini 3.5 Pro不是Gemini 2.5的增量升级而是放弃旧基座、从零开始全量重新预训练。原因是旧基座在前端代码、SVG矢量图生成、基础数学推理上存在代际级短板增量微调已经补不齐了。重训之后基础事实类问题的召回准确率比前代提升了30%以上。这三家的动作看似不同指向却同一个AI的定位正在从提供信息的知识助手转向执行任务的数字劳动力。德勤2026年的企业AI调查说得很直白66%的受访组织表示AI已经带来生产率收益但只有25%的受访者成功把40%以上的AI试点项目推进到生产环境。这说明阻碍AI商业化的最大瓶颈早已不是模型不够聪明而是模型难以稳定地嵌入企业工作流、自主把事干完。而现在模型侧补上了这最后一块拼图。二、商业模式的悄悄改写从卖聪明到卖结果模型能力到位之后第一个被改写的是厂商自己怎么赚钱。Google在重组企业级AI产品线时官方表述出现了一个微妙但关键的变化平台重点从管理单个AI任务转向委派业务结果并支持长时Agent、持久记忆和权限治理。注意这两个词——委派和结果。过去你买的是一个能聊天的工具现在Google想卖的是一个能替你扛下业务指标的系统。Meta的转向更剧烈。过去一年扎克伯格一直坚持做免费开源模型2026年7月Muse Spark 1.1第一次开始向开发者收费并推出Meta Model API平台。扎克伯格自己说这是Meta第一次真正认真推出API服务定价将会非常激进、非常有吸引力——实际价格是OpenAI和Anthropic同类顶级模型的约四分之一。从免费开源到闭源收费几乎等于重建一整套技术体系。为什么这么做因为Meta想掌握底层模型从而围绕个人AI助手这个核心场景塑造最佳体验。扎克伯格有一句话值得记住如果你真的想打造最好的用户体验就必须能够塑造底层技术。微软的动作则从另一个方向印证了同一趋势。2026年7月初微软开始在Excel、Outlook等主力办公App里用自研的MAI模型替换OpenAI和Anthropic的模型每周处理AI提示词达数万条量级。微软AI模型业务负责人的目标很明确减少并最终消除支付给Anthropic等外部厂商的大笔费用。把这三件事放在一起看结论很清楚当模型能交付闭环收费的单位就从Token变成了结果。厂商不再只是出租算力而是在出售把事办成的能力。这对企业采购者意味着一件事你评估AI供应商的标准该换了。三、推理成本正在坍塌这是Agent能真正跑起来的前提光有能力跃迁还不够。Agent要大规模进企业必须跨过第二道坎成本。2026年7月这波发布把成本这件事摊得很开。OpenAI的GPT-5.6分了Sol、Terra、Luna三档Terra是面向高吞吐业务的均衡型价格比GPT-5.5便宜2倍性能却有竞争力Luna是 Everyday 最快最省的选项。xAI的Grok 4.5如前所述Token成本不到同类一半。DeepSeek把V4的推理加速方案DSpark、DFlash、Eagle3三种主流方案用MIT协议开源线上真实流量实测单用户生成速度提升60%到85%任何厂商都能拿来就用。更值得关注的是国产算力侧的突破。美团在2026年7月开源了万亿参数大模型LongCat-2.0总参数1.6万亿平均激活约480亿是业界首个在五万张国产算力集群上完成全流程训练与推理的万亿参数模型原生支持100万Token超长上下文在SWE-bench Pro上得分59.5领先Gemini 3.1 Pro和GPT-5.5。腾讯的混元Hy3也已经接入超过50个自家业务产品。把这些拼起来就是一句话推理成本正在经历类似光伏和摩尔定律叠加式的坍塌。这意味着什么过去很多企业犹豫上Agent理由是跑一次太贵不划算。现在成本线已经被压到不用都对不起自己的位置。但我要提醒一句反直觉的话成本坍塌也意味着用了AI本身不再是差异化优势。当所有人都用得起顶级智能有没有用AI不再是护城河怎么把活儿委派给AI、并让它稳定交付才是。这正好接上了上篇文章的结论——工程能力和编排能力才是下一阶段的真壁垒。成本把门撞开了但门后面怎么走还是拼组织能力。四、给你的三件马上能做的事说了这么多落到行动上。大模型进入交付结果时代企业现在最该做的是三件事。第一重构采购标准。别再问哪个模型最聪明了。要问三个新问题这个Agent能不能把任务跑成闭环它的过程能不能被审计、出错能不能被干预它能不能接进我现有的业务系统和权限体系Anthropic在2026年7月的一项研究值得参考他们首次观测到Claude内部存在一个类似人类全局工作空间的J-space能通过J-lens技术读取、审计甚至干预模型正在想什么。这不是噱头而是Agent进入生产环境后可审计、可干预会成为硬指标。买模型要买可被监管的结果不是黑箱里的聪明。第二重算一遍ROI。把你团队里重复性的知识工作列一张清单周报、客服首轮应答、代码初稿、合同初审、数据报表、竞品监控……然后按2026年7月的新成本重新算一遍账。德勤说66%的组织已经看到生产率收益——但很多收益卡在没推进到生产。成本线已经低于你心里的盈亏线了卡住你的往往不是钱是没把它当成正经流程来排。第三建立委派文化而不是问答文化。这是最容易被忽略、却最关键的一点。绝大多数人用AI的方式还是我问一句它答一句。但新模型的能力是建立在你把一个目标当工单派出去它自己拆解、调用工具、跑完回来交付之上的。怎么判断一个任务该不该交给Agent给你一个简易三问法一问这活儿能不能拆成明确的步骤能拆才跑得动。 二问产出能不能被验证有可验证的交付物才不会跑偏。 三问万一失败代价是否可控代价可控才敢放权。三步都答是就别再自己扛派给Agent。三步里有否就先把它拆到能答是为止再派。写在最后大模型这一年的竞争主线变了三次最早比参数后来比工程上篇讲的56%落地真相而2026年7月这一周比的是交付。模型开始接活儿了。这不是噱头是德勤66%和25%之间那道缝、是Meta四分之一定价、是DeepSeek开源提速85%、是Grok单任务Token减半共同指向的现实。下一个十年赢家大概率不是模型最强的那一家而是最会把活儿委派出去的那些组织。门已经被成本撞开工单已经可以派发。剩下的看谁先动。