能力不再稀缺：成本与治理成为 AI 新分水岭
能力不再稀缺：成本与治理正成为 AI 的新分水岭
近期几条 AI 信号指向同一个方向：模型能力仍在进步，但真正决定产品与采购决策的变量，正在变成价格分层、评测可信度与政策合规。
一、免费额度开始按能力分层
据 The Decoder 报道，从 2026 年 10 月起，Google 将调整 Gemini 的访问分层：未订阅用户只能使用最小的 Flash-Lite，Flash 与 Pro 保留给付费用户；月费 5 美元的订阅层级也不再包含 Pro。报道同时提出，这一调整可能为资源消耗更大的 Gemini 4 Argon 做铺垫——需注意这是报道的推测，而非已公布的路线图。
对开发者而言，“用免费额度做原型、按量付费做生产”的旧账需要重算：一旦基础模型被锁定在付费层，原型阶段的迁移成本会明显上升。
二、自我改进的 Agent 会“背题”
Google 研究人员提出的 RRSI 方法针对一个具体问题：自我改进的 Agent 容易记住测试任务，导致在新任务上收益缩水甚至消失。RRSI 抑制了这一效应，在未见过的基准上最高提升 4.7 分，同时 token 消耗比未加正则化的版本少约 30%。
这条信号对做持续学习和自动评测的团队尤其重要：分数上涨可能只是记忆，而不是能力。RRSI 给出的思路是——用正则化约束，而不是靠堆更大的测试集——值得复现验证。
三、模型价值观成为可被审计的指标
Aleph Alpha 的一项研究对中国模型在政治敏感问题上的回答打分，只有 17% 到 41% 的回答被评为“平衡”。需要注明：Aleph Alpha 主营面向政府的“主权 AI”，它在区分自家模型与中国模型这件事上存在商业动机，因此该结论宜作为单一视角参考，而非行业定论。
与此同时，据 The Decoder 与 TechCrunch 报道，特朗普设立了“Super Intelligence Force”（他把 AI 称为 superintelligence），由国家情报总监 Jay Clayton 等政府官员牵头，与 AI 公司、关键基础设施运营方和利益团体协调。两条信号合起来说明：模型输出正在从纯技术问题，变成采购与合规审查的一部分。
四、另一条路径：开源科研基础模型
NASA 与 IBM 发布了月球基础模型（Lunar Foundation Model），这是较早的开源月球科学 AI 模型之一，训练数据为近 200 万个 tile bundle，大部分来自 17 年的月球勘测轨道飞行器（LRO）数据，目标是降低极地冰沉积预测的误差。
它提示了一个仍被低估的方向：在通用模型激烈分层的同时，垂直科研领域的开源基础模型依然能建立壁垒，且不依赖消费级订阅收入。
对中国读者的落地意义
对国内团队，这组信号的实操含义有三点：多模型抽象层不再是“架构洁癖”，而是对冲定价与配额变化的必要成本；做 Agent 自改进的团队，应把留出集与正则化当成默认配置；出海产品需要准备模型输出的合规与审计说明，并避免绑定单一供应商。
结论
能力差距在缩小，成本、评测可信度与治理透明度在放大。建议本周做三件事：重算模型免费与付费分层的成本模型；为自改进流程补一个干净的留出集；在供应商评估表里加一行——“模型分层政策未来是否可能变化”。
来源
- Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of Pro — The Decoder
- Google researchers find a way to keep self-improving AI agents from memorizing their tests — The Decoder
- Chinese AI models parrot state doctrine or refuse to answer on sensitive topics — The Decoder
- NASA and IBM's open source lunar model turns 17 years of orbiter data into a foundation for lunar science — The Decoder
- Trump launches "Super Intelligence Force" that has nothing to do with actual superintelligence — The Decoder
- Trump unveils his new Super Intelligence Force — TechCrunch
相关工具
订阅每周好码简报