深圳一支十人规模的 AI 团队，日常工作大部分交给 AI：数百个 Agent 同时运行，分头写代码、做研究。驱动它们的原本是旗舰大模型，但任务一多，旗舰带不动了——一次只能同时处理两三个任务，进度被拖住。
团队试用了多款模型后，换上了 DeepSeek 的轻量版本 V4.1 Flash：任务照常完成，反馈更快，调用费用也更低。用他们的话说，这是眼下“性价比最高”的选择。
这不是个例。今年更早时候，Google CEO 在开发者大会上透露，有些公司到 5 月，全年 Token 预算就已经快用完了——Google 自家的内部 AI 编程工具，每日 Token 消耗从 3 月的 5000 亿涨到 5 月的超过 3 万亿。
一边是任务量暴涨，一边是预算见底。一场从深圳蔓延到硅谷的“换模潮”由此开始：大模型，开始集体变小。对企业来说，这意味着 AI 投入的账本要重新算——至少有三笔账，值得重新过一遍。
第一笔账：参数——从 2.4T 到 284B
今年年中，DeepSeek 发布 V4 Flash 正式版后，有开发者把各款模型的评测成绩和完成任务成本画在同一张图上，提出一个说法：斩杀线——性能不如它、做同样的事却更贵的模型，直接出局。
此后两个多月，多家厂商接连推出轻量版本，参数普遍压到 400B 以下：DeepSeek V4 Flash 为 284B、GLM-5.3-Flash 为 320B、Qwen3.8-Flash-Next 主模型为 125B；而当前旗舰模型以万亿计——Qwen3.8-Max 约 2.4T，Kimi K3 约 2.8T。
小号模型能接住日常，底气来自一个被研究证实了的趋势：2025 年发表于《Nature Machine Intelligence》的一项研究分析了 51 个开源模型，发现在知识、推理、数学和代码几项测试中拿到相近成绩，所需的参数一代比一代少——研究者把这称为“能力密度”的提高。
产品端同样直观。Qwen 公布的同组测试中，27B 参数的 Qwen3.8-27B 在编程测试 SWE-bench Pro 得 61.7 分（上一代同尺寸为 53.5 分）；在长程办公测试 CoWorkBench 得 70.7 分（上一代为 61.0 分）。
一位基础模型研究员的观察更直接：约 300B 参数的模型，在他的数据和训练方案下，已经能学进更大模型输出的长推理链。旗舰负责把路探出来，小号跟着把路走宽——旗舰像车队里的那台赛车，不一定量产，但技术会下放。
第二笔账：成本——省下的不止是钱
三组数据，能看清这场转向的力度：
其一，海外模型用量统计平台 8 月的周榜单里，V4 Flash 一款模型占全平台实际 Token 用量约三分之一，排在所有模型首位。
其二，第三方评测中，它与国际旗舰的高推理版本得分接近，完成同组任务的成本低约六成。
其三，海外 Agent 平台 Lindy 把大部分日常任务调用从 Claude Sonnet、Gemini 切到 DeepSeek V4 Flash 后，这部分费用下降约九成，产品质量未受影响。
类似的迁移还在继续。8 月下旬，匿名模型 Ox-Alpha（后被智谱认领为 GLM-5.3-Flash）进入海外编程平台，一周内在 OpenCode 就有约 50 万人使用；同一测试中，它修好相同问题的输出 Token 只有另一款模型的约三分之一。OpenAI 也把较轻量的 GPT-5.6 Luna 价格下调 80%，海外办公 Agent 公司 Dust 的反馈是：换用 Luna 处理同类任务，速度提高 40%，费用降低 40%。
调用量的迁移同样明显。OpenRouter 数据里，DeepSeek 的 Token 份额从年初的 9% 涨到 6 月初的 18%，增长主要来自 Agent 任务；到 5 月底，V4 Flash 已占 DeepSeek 系列 Agent 任务 Token 用量的 70%。
省钱之外还有快。有研究员举过一个对照：修改一段实验脚本这类任务，用旗舰要等约二十分钟，轻量版本两分钟出结果。既然任务没那么难，等就没必要。OpenAI 首席财务官的一句话点破了行业逻辑：“只要质量够用，低价模型就会被用于更多任务”。
第三笔账：运营——任务分层，各干各的
模型厂商已经集体押注“小模型”：7 月底 DeepSeek 发布 V4 Flash 正式版；8 月 26 日，阿里 Qwen 的 Qwen3.8-Flash-Next 与智谱的 GLM-5.3-Flash 同日亮相；9 月 DeepSeek 又推出 V4.1 Flash。月之暗面、腾讯混元也都在推进 Flash 版本。
Agent 从编程走向日常办公之后，选模型的难题换了主体：程序员分得清哪个任务该用贵的模型，普通用户分不清，于是产品开始替用户分。千问办公把任务分成两档——标准模式处理日常办公，高级模式应对难题。按公布数据，标准模式完成单项任务的速度提高约一倍，平均 Token 消耗减少 75%，可覆盖约 95% 的日常任务。腾讯 WorkBuddy 今年 7 月拥有 658.2 万月活跃用户，PC 端用户当月人均使用 19 次；更极端的案例是办公 Agent 创业公司元空智能，已经在用几十亿参数的模型跑垂直任务，通用任务再交给云端混合模型。
这个思路值得记下来：先分清任务，再分派资源——难易分家，账才算得过来。
这套“先分类、再分派”的逻辑，放到企业对外的信息建设上同样成立。模型变小的背后，“喂给 AI 的信息质量”越来越值钱——同样的模型，喂高质量、结构化、口径统一的知识，产出才会稳定。成熟的信源建设，会把官网与知识库的初始化搭建（一次性任务）和内容更新、口径维护（日常循环任务）分开管理：前者值得一次投入到位，之后不应随意变动；后者按固定节奏轻量滚动，不需要每次都兴师动众。两类活混在一起做，要么重复浪费，要么疏于打理。
有企业主已经在验证这条路径：上个月一位企业主朋友用 GEO 方法搭建官网，导入企业知识库后客资持续增加，这套实操方法公众号「智扣 AI」免费开放。
结语
模型行业这场“变小”，本质是把资源花在刀刃上：上限继续由旗舰去探，日常交给够用又便宜的小号。企业面对 AI 也是同一道题——分清哪些投入是探上限，哪些是天天都在做的重复运转，然后各按各的节奏。当模型不再是稀缺资源，信息质量与治理方式，才是下一轮竞争的起点。
留一个开放问题：所在团队花在 AI 上的开支里，有多大比例，其实花在了“够用”就能应付的任务上？