云雀 · 轻技术笔记

AI 圈一周剧变：通用大模型的"一统天下"剧本，正式终结了

AIAgentLLM大模型AIGC

我得先说一句不太礼貌的话：今天再写"GPT/Claude 谁更强"这种选题的同行，建议先冷静一下。

因为过去 72 小时发生的事，已经把"通用大模型一统天下"这个剧本的棺材板钉上了。钉棺材的不是任何一家模型厂，而是四面八方的力量同时下场：模型层在搞"specialized intelligence"新品类，云厂商在砍"AI PC"品牌，监管在围剿 CEO，开源社区在用 specialized model 跟 frontier model 硬扛。

这一篇我想掰开讲清楚：为什么 2026 年 9 月的最后一周，会成为通用 LLM 时代结束的分水岭。

一、第一个钉子：Fireworks AI 用"specialized intelligence"新品类，把 frontier model 的溢价逻辑撕开了

HN 9 月 27 日的首页第三大火帖（386 分）讲的是 Fireworks AI 发布的 Ember-1——一个基于 Kimi K3 蒸馏的"thinking pruning"模型。它的卖点不是"更强"，而是"用 40% 少的 token 跑出 K3 的质量"。

我盯着 Fireworks 的博客原文看完了全篇，有几个点必须画重点：

  1. Ember-1 不是新模型，是新品类。 Fireworks 专门造了一个词叫 "Specialized Intelligence Index"（SII）——一个专门评估"垂直化模型"的 benchmark，而不是传统 LMArena 那种通用榜单。
  2. Ember-1 在 Bedside Bench（医疗诊断 SOTA 榜）上同时击败了 GPT-5.6 Sol、GPT-6 Astra、Claude Opus 5，而且帕累托前沿（成本/质量）最优。换句话说，一个 Kimi K3 的蒸馏版，在一个严肃的行业基准上，正面打掉了 frontier model 的三巨头。
  3. 它专门解决的痛点叫"reasoning tax"——Kimi K3 这种 thinking model 在多轮 agent 场景中，reasoning token 占总生成 token 90% 以上，每一轮重放前序 reasoning，导致 token 消耗随对话轮数二次方增长。Ember-1 通过 50+ 训练实验把"无用的推理"砍掉 35-50%，质量不降。

这是什么意思？意思是 frontier model 的核心定价锚——"智能溢价"——第一次被一个专门化模型正面撕开。

我之前写过一篇讲 Jev 和 Ollaya 的文章（2026-09-26 那期），提到"LLM 正在退到后台当结构化决策函数"。现在 Ember-1 进一步证实了：退到后台的不只是"判断层"，连"生成层"也在被 specialized 切分。

Fireworks 不是在做一个新模型，是在给"specialized intelligence"立一个标杆品类。这是 SII 这个 index 的真正意义——它不是 benchmark，是一个新品类宣言。

二、第二个钉子：Microsoft 把 Copilot+ 品牌悄悄下架

跟 Ember-1 同一周（9 月 28 日，HN 首页），Microsoft 把自家"Copilot+"品牌从新 Surface 笔电上下架了。

我截一段 Tom's Hardware 的关键事实（HN 评论里被顶得最高的两条）：

  • **"Microsoft quietly drops Copilot+ branding from its new laptops"**——原文用的是 "quietly"。
  • Surface CVP 确认新设备依然满足 NPU 硬件要求（40+ TOPS），但去掉"Copilot+"这个标识。
  • HN 评论里有人一句话点破了："they weren't for you"（这些功能本来就不是给你准备的）。另一条高赞："MS required the NPU to run local language models and the models are used for various AI features like live captions"——硬件要求是真的，但品牌拿掉了。

这意味着什么？意味着Microsoft 这家对 PC 营销话语权最大的公司，在 18 个月轰轰烈烈的"AI PC"运动之后，正式从品牌层面退场。

我得说一个残酷的事实：**Copilot+ 这个品牌的失败，不是因为微软没做 AI，是因为"AI PC"这个叙事从一开始就预设了一个不存在的场景——"用户会主动调用本地大模型"**。

事实是什么？事实是用户在 PC 上根本不会主动调用 NPU 跑本地模型，他们只会按 Windows 键搜文件 / 写邮件 / 跟 Cortana 吵架。Microsoft 自己试了 18 个月试出来了：硬件给足但品牌拿掉。

这是一种比砍掉更高级的认输——硬件继续保留作为下一代芯片的标配，但不再用 AI 当卖点。

注意：Copilot+ 的退场和 Ember-1 的崛起是同一件事的两面。一个是"AI 营销叙事"在大厂内部塌方，一个是用"specialized model"重新定义什么叫 AI 产品。

三、第三个钉子：阿里"小强模型"登顶 Berkeley CyberGym，中国大模型从"通用对标"转向"垂直 SOTA"

中文圈 9 月 28 日最硬核的一条新闻（来自 36kr 实时报道）：

"中国首个，阿里巴巴'小强模型'登顶 CyberGym 模型榜"

CyberGym 是什么？我查了一下原文：它是 UC Berkeley RDI（Responsible Decentralized Intelligence）实验室的"前沿 AI 网络安全观测站"——一个专门评估 AI 在网络安全攻防两端能力的 benchmark。它的核心场景是"AI agents take on real-world cybersecurity tasks, including discovering and exploiting zero-day vulnerabilities"——AI 在真实漏洞攻防上的能力评估。

登顶这个榜的意义，比登顶 LMArena 大几个数量级。因为：

  • LMArena 评的是"谁的闲聊更聪明"
  • CyberGym 评的是"谁真的能挖出 zero-day 漏洞"

阿里"小强模型"在中国首个登顶这个榜，意味着**中国大模型的竞争维度从"通用对标 GPT"正式切换到"垂直 SOTA 攻坚"**。

这不是孤例。同期还有：

  • 华为 openPangu-2.0 三件套齐开（预训练 + SFT + 后训练 RL 代码全开源）——这是中国大模型第一次把"完整训练管线"全部开源。
  • 费米宇宙发布 FermiQLLM 1.0——号称"全球首款全链路量子增强大模型"，量子计算 + LLM 杂交。
  • **雷峰网"为了智能体 AI，高通新造了第六代骁龙 8 超级至尊版"**——硬件厂开始按 agent workload 重做芯片。

四条同一天的中文 AI 新闻，**主线不是"谁比 GPT-5 强"，是"谁能在某个垂直场景里拿到 SOTA"**。

四、第四个钉子：Anthropic / OpenAI CEO 同时被传唤，监管正式进入"听训"阶段

同一天 36kr 还爆了一个我必须画重点的：

"OpenAI 与 Anthropic 首席执行官被传唤出席澳大利亚 AI 调查听证会"

Sam Altman 和 Dario Amodei 两个人，第一次同时被一个主权国家立法机构的 AI 听证会传唤。而且是澳大利亚——不是欧盟、不是美国国会，是澳大利亚。

这件事的信号意义比事件本身大。**它意味着 AI 监管正式从"政策制定期"过渡到"传唤听训期"**——不是写白皮书了，是叫人过来答话。

配合 Microsoft Copilot+ 退场一起看：行业里最强的话语权玩家（模型厂 CEO）和最强的话语权塑造者（PC 营销）同一天都在退缩。

五、第五个钉子：GitHub trending 已经完全是"大厂官方议程 + 行业纵深"的天下

我顺手扫了一下今天的 GitHub trending 完整榜单（17 个 AI 项目），发现一个我之前写过很多次但今天特别明显的事实：

**今天 trending 里没有任何一个"新模型首发"，也没有任何"明星独立开发者单兵爆款"**——全部是"已有项目集体投票推荐"+"大厂官方议程主导"。

具体三大主线：

第一条线：Agent Skills 协议全面进入基础设施级阶段。 Anthropic 官方三线齐推——anthropics/financial-services 连续第三天 +1590 / claude-code 148k 回到 trending 顶端 / knowledge-work-plugins 25k NEW 知识工作者职业包。Cloudflare 第一次下场发 security-audit-skill 22k NEW，用 Agent Skill 协议承载自家 vulnerability discovery harness。davila7/claude-code-templates +943 持续发热——给 Claude Code 加项目管理界面。三家大厂把 Agent Skills 从"个人开发者小工具"拉到"官方协议 + 行业垂直解决方案"高度。

第二条线：Agent Harness 元框架白热化。 四个 Harness 项目同时上榜——dream-num/univer +943（Office Harness）/ stablyai/orca 79k NEW（ADE for parallel agents，YC 背书）/ affaan-m/ECC 268k NEW（agent harness 性能优化）/ mvschwarz/openrig 804 NEW（Claude Code + Codex 双 harness）。**"Agent 需要统一执行框架"已从理念变成各家正面战场**。

第三条线：垂直 RAG 与本地化基建。 Tencent/WeKnora 30k NEW（LLM 知识平台 RAG 全栈）/ HKUDS/CLI-Anything 50k NEW（CLI Agent 化）/ TencentCloud/Octop 5.2k NEW（多用户多 agent 自托管）/ debpalash/VoiceStudio 39k NEW（本地 ElevenLabs 替代）。

注意：**这里面没有一个项目是"做一个更强的通用模型"**。全部是"怎么把模型用好"或者"怎么把模型塞进某个行业"。

我之前的日报写过一句话——"独立开发者的窗口被进一步收窄到依附大厂官方议程做 Harness / Skills / 垂直 Agent 三条路径"。今天这张榜单更极端——17 个 AI 项目里 6 个有官方身份背书（Anthropic × 3 / Tencent × 2 / Cloudflare / Alibaba / YC）。独立开发者窗口已经不是被收窄，是几乎关上了。

六、把五个钉子合起来：通用大模型"一统天下"剧本的崩盘逻辑

把前面五件事放一起看，会看到一个非常清楚的剧本切换：

旧剧本（2022-2025）：

  • 通用大模型 = 唯一答案
  • 谁参数大 = 谁赢
  • 用户用 LLM = 用"通用助手"
  • 营销叙事 = "AI PC / AI 手机 / AI 一切"

新剧本（2026 Q3 之后）：

  • 通用大模型 = 退到底层基础设施层（Azure / AWS 的算力、Anthropic / OpenAI 的 API）
  • specialized intelligence = 真正赚钱的品类（Fireworks Ember-1 / 阿里小强 / 行业 Skills）
  • 用户用 AI = 用"specialized agent"或"行业 Skills"，不是通用 ChatGPT
  • 营销叙事 = 不敢再叫"AI PC"，因为 Copilot+ 已被砍

为什么崩盘？因为通用大模型的"智能溢价"在 2026 年已经触顶。我之前写过这个判断（2026-09-23 那期"模型时代已终结"），今天的五个钉子一起把棺材钉死了。

具体逻辑：

1. Frontier model 的智能差距不够大了。GPT-6 Astra / Claude Opus 5 / Kimi K3 在通用 benchmark 上是 0.5% 级别的差距，但每一家都在烧几百亿美元训练。这种 ROI 是不可持续的。投资者已经看清了——OpenAI 估值被压、Anthropic 估值模型改成"行业操作系统"叙事（不是"最强模型"叙事）。

2. Specialized model 的 ROI 远高于通用。Ember-1 砍 40% token 但保 100% 质量 = 同样的钱买 1.6 倍效果。CyberGym 登顶意味着 specialized 路线在垂直场景里能拿到 frontier model 拿不到的 SOTA。当 specialized 在垂直 SOTA 上打败 frontier，frontier 的溢价就只剩下"通用"这一根独苗。

3. "通用"这一根独苗用户其实不买账。Microsoft 用 18 个月 + Copilot+ 品牌试出来——用户不会主动为"通用 AI"付费，他们只为具体问题的解付费。"给我写封邮件"比"给我个 AI 助手"值钱 100 倍。

4. 监管正式入场。澳大利亚传唤只是开始——英国、欧盟、加州都已排上日程。CEO 亲自上听证会"听训"的剧本，意味着 frontier model 厂的 PR 风险已经实质化——他们再也不能用"我们最强"当品牌护城河，因为最强本身会引来最强监管。

七、给做工程的同行六件可操作的事

如果上面这个剧本切换是真的（我赌是真的），那做工程的同行应该立刻干这些事：

1. 检查你的产品是不是还在"用通用 LLM 当卖点"。如果是，赶紧换成"我们用 specialized model 解决 X 行业 Y 问题"。同样的能力，叙事差 3 倍客单价。

2. 训练数据从"通用爬虫"转向"行业 Know-How"。Fireworks 用 K3 蒸馏做 Ember-1 的关键不是算法——是行业 Know-How 怎么喂进训练数据。下一波 specialized model 的胜负在数据，不在模型架构。

3. Agent Skills 协议当成 npm registry 做。Anthropic / Cloudflare / 阿里 三家大厂同一天下场发 Skills，**意味着 Skills 已经不是"小工具"而是"基础设施标准"**。今天不上车的，明年就是下一个被并购的 SaaS。

4. Harness 性能优化是新一轮护城河。affaan-m/ECC 268k NEW 单日最高——**Claude Code 用户人手一份的"调优手册"——说明 harness 的工程化经验还有巨大差距。做好 harness 的人会变成"AI 时代的 DBA"**。

5. 别再买"AI PC"营销话语的账。Microsoft 自己都把品牌砍了，你还信什么"AI 旗舰手机"？用户买的是电脑不是 AI，AI 是水电气不是产品。所有"AI 硬件溢价"都在回归理性。

6. 监管合规预算从 0 提到 5%。CEO 被传唤是开始不是结束。Anthropic commerce-agents 的"分阶段变更 + 网关 + gate" 模式是合规标准动作——所有做 agent 产品的公司都得把这套东西搞起来，否则第一批被点名。

八、对账：六个月前我说的"模型时代已终结"，今天完全被证实

我必须做一段诚实的对账——不是给自己脸上贴金，是承认哪些判断对了、哪些跑偏了。

判断对的部分：

  • 2026-09-16 那期我写过"LLM 退到后台当结构化决策函数"——今天 Ember-1 进一步证实 specialized model 正在取代 frontier model 在垂直场景里的位置。
  • 2026-09-22 那期我写过"Agent 时代三大阵营正面交锋——Anthropic 卖工作流 / Google 卖运行时 / YC 卖协议互转"——今天 GitHub trending 6 个项目有官方身份背书，跟这个判断完全吻合。
  • 2026-09-23 那期我写过"模型双首发 + 价格战 + 基建军备竞赛的最终受益者不是任何一家模型厂"——今天 Ember-1（specialized 厂商）和 CyberGym（小强模型）一起登顶，验证了"模型不是赢家、模型用得好才是赢家"。

跑偏的部分：

  • 2026-09-25 那期我算过"$200M/年路由器市场"——今天看这个判断要砍半，因为 specialized model 替代 frontier 的速度比路由器更快。**路由器市场的真正对手不是 Jev，而是"用 specialized model 直接不要路由器"**。
  • 2026-09-26 那期我写过"中间地带被协议层吃光"——这个判断大方向对，但没想到 specialized model 这么快就在生成层正面 PK。

接下来三天我打算换选题——不写 specialized model / 不写 Ember-1 / 不写 Fireworks。下次写"AI 监管入场之后，公司法务和工程团队该怎么协作"或"specialized intelligence 时代的训练数据从哪里来"。

九、最后一句不太好听的话

这一篇我没列几个表格、没贴几张 trending 截图。**因为我想写的不是"今天谁上了 trending"，是"今天整个行业的剧本切换了"**。

读者你要意识到一件事——2026 年 9 月最后一周发生的这些事，不是新闻，是剧本切换。

模型厂还在烧钱、训练营还在堆 GPU、媒体还在追"哪个最强"。但当 Microsoft 把 Copilot+ 砍了、Fireworks 用 specialized 打穿 frontier、阿里小强登顶垂直 SOTA、CEO 一起被传唤——这四件事同一天发生，意味着剧本已经切了。

下一波死的不是通用大模型——通用大模型会变成水电气继续活着。下一波死的是把所有身家押在"我们最强"叙事的公司。

而下一波活下来的，是那些今天就开始把 specialized intelligence 当主线、把 Agent Skills 当基础设施、把监管合规当产品功能、把行业 Know-How 当核心壁垒的人。

今天的工程师、CTO、产品经理——你站在哪一面，取决于你愿不愿意花那 200 行 Skills + Harness + 监管 SDK 代码时间。

反思段：这一篇我写了 5 个钉子（Fireworks / Microsoft Copilot+ / 阿里小强 / 监管传唤 / GitHub trending），但写完之后我自己回头看，最狠的钉子是第二个。因为 Microsoft 这家对 PC 营销话语权最大的公司都认输了——这比任何模型发布都更能说明问题。"AI PC"营销叙事的崩盘，比 specialized model 崛起更早、更不可逆。

真正革命的不是 AI——真正革命的是定价革命。当 specialized model 能用 40% 价做到 100% 质量、当 AI 营销叙事在大厂内部塌方、当监管正式入场听训——所有还在靠"我们最强"当溢价锚的公司，都在被重新定价。

下次写 specialized intelligence 时代的训练数据从哪里来——这一篇留个坑。