引言
过去一年，AI 大模型的竞争主线是「闭源旗舰越卖越贵」：更长的上下文、更强的工具调用、更复杂的 Agent 任务，往往意味着更高的 API 价格和更封闭的权重。但 2026 年 8 月 13 日的密集发布，把这条主线掰弯了——DeepSeek V4 Pro、阿里 Qwen3.8-2.4T 与 xAI 的 Grok 4.6 在同一天亮相，三者的共同关键词不是「参数更大」，而是长周期 Agent 能力。更关键的是，开源权重已经开始在核心基准上逼近闭源旗舰，同时把调用成本打到约 1/60。
对开发者来说，这意味着选型逻辑变了：不再只看榜单第一是谁，而是看「同样的任务，谁能以可控成本真正跑完」。
一、事实速览：8 月 13 日发生了什么
下表汇总了本文依赖的核心事实。所有数值均来自公开来源；无法独立核实的内容已标注。
| 事件 | 关键事实 | 来源 | 可信度 |
|---|---|---|---|
| DeepSeek V4 Pro 0813 | 8 月 12 日深夜 API 版本更新为DeepSeek-V4-Pro-0813；MoE、约 1.6T 总参数 / 49B 激活、1M 上下文、384K 最大输出；输出 6 元/M | DeepSeek 官网 API 文档、腾讯科技、ai0.news | 官方定价+媒体转述 |
| DeepSeek 基准 | Terminal Bench 2.1 87.9（Fable 5 88.0，差 0.1）；CyberGym 83.3（反超 Fable 5 83.1）；DeepSWE 从预览版 12.8 跃升至 62.7 | 猎云网、腾讯科技、ai0.news | 厂商/媒体披露，待独立核实 |
| 阿里 Qwen3.8-2.4T-A95B | 8 月 13 日开放权重；2.4T 总参数 / 95B 激活；首个开放权重的 Max 级模型；Terminal Bench 2.1 从 74.5 升至 86.6 | 腾讯科技、ai0.news | 官方开放权重+媒体转述 |
| Qwen 限制 | 开放权重无 vision 和 1M 上下文，能力保留在 Qwen3.8-Max 托管 API；BF16 权重约 4.9TB，Unsloth 1-bit 量化 397GB | ai0.news | 媒体转述 |
| xAI Grok 4.6 | 8 月 12 日发布；长周期 Agent + 多模态视觉；Artificial Analysis Intelligence Index 61，与 GPT-5.6 Sol 持平（+5 vs 4.5）；GDPVal-AA v2 1753 Elo 登顶 | ai0.news、今日头条 | 厂商/媒体披露 |
| Grok 定价 | 输入 $2/M、输出 $6/M；高速版 2 倍；WebDev High 1618 分、第 7 名 | ai0.news、新浪财经 | 官方定价+媒体转述 |
| Claude Fable 5 定价 | 输出约 360 元/M（媒体披露） | 腾讯科技、so.html5.qq.com | 媒体披露，待核实 |
| 中国开源下载 | Hugging Face 2026 春季报告：中国自研开源模型下载占比 41%，首次超过美国 | 腾讯科技 | 机构报告转述 |
| Zuckerberg 长文 | Meta CEO 发布《The Future is for Everyone》，主张开源普惠路线 | XR 控/腾讯科技 | 媒体转述 |
| 白宫框架 | Wired：白宫拟把自愿安全框架扩展至接近前沿能力的开放权重模型 | ai0.news | 媒体转述 |
| Twitch 训练数据 | Amazon 默认把 Twitch 内容纳入 AI 训练，opt-out 模式 | TechCrunch（ai0.news 转述） | 媒体转述 |
三件事放在一起看，Agent 能力成为共同的主线，而权重是否开放正在成为定价和部署灵活性的分水岭。
二、DeepSeek V4 Pro：开源权重，逼近 Fable 5
DeepSeek 没有发新闻稿。8 月 12 日深夜，用户发现官网 API 定价页的deepseek-v4-pro版本号变成了DeepSeek-V4-Pro-0813。
根据公开信息，正式版的关键规格如下：
- 架构：MoE，约 1.6T 总参数 / 49B 激活参数（基于公开报道，待官方确认）。
- 上下文：1M token，单次最大输出 384K token。
- 模式：支持思考（默认）与非思考两种模式；API 提供普通、高推理、最高推理三档。
- 接口：新增 Responses API 与 Codex 接入；兼容 OpenAI 与 Anthropic API 格式，保留工具调用、JSON 结构化输出、FIM 补全。
- 价格（尚未涨价）：缓存命中输入 0.025 元/M；缓存未命中输入 3 元/M；输出 6 元/M。
真正值得关注的是它的 Agent 基准：Terminal Bench 2.1 达到 87.9 分，仅落后 Claude Fable 5 的 88.0 分 0.1 分；CyberGym 83.3 分，反超 Fable 5 的 83.1 分；DeepSWE 更是从预览版的 12.8 跳到了 62.7。这些数字如果属实，说明开源权重的天花板已经与闭源旗舰几乎贴平。
三、Qwen3.8-2.4T：Max 级权重首次开放
阿里千问在同一天开放 Qwen3.8-2.4T-A95B 的权重。这是 Qwen 首次把 Max 规模模型对外开放：2.4T 总参数，95B 激活，架构采用约 3:1 的线性注意力与全局注意力混合。
重点转向 Coding Agent 与长程任务后，它的 Terminal Bench 2.1 从 74.5 升至 86.6，虽然略低于 DeepSeek V4 Pro，但已经站在同一梯队。
开放权重不等于「全能可用」。根据英文报道，开放版本不带 vision 和 1M 上下文，多模态与超长窗口仍留在托管的 Qwen3.8-Max API 后面。商用授权也是自定义的：超大规模商用需要署名或额外授权。另外，BF16 权重约 4.9TB，即使 Unsloth 的 1-bit 量化也要 397GB，普通开发者基本只能走 API 或云端部署。
四、Grok 4.6：从回答问题到完成任务
xAI（中文报道中亦称 SpaceXAI）的 Grok 4.6 是同日第三个主角。与 DeepSeek 和 Qwen 不同，Grok 4.6 不是开放权重，而是强化长周期 Agent的闭源模型。
- Artificial Analysis Intelligence Index 61 分，与 GPT-5.6 Sol 持平，比 Grok 4.5 高 5 分。
- GDPVal-AA v2 以 1753 Elo 登顶。
- 输出价格 $6/M，是 DeepSeek 的约 7 倍（按汇率 7.0 折算），但也在 Grok 4.5 的价位区间内。
- WebDev High 1618 分，排名第 7，紧随 GPT-5.6 Sol 与 Claude Fable 5 之后。
xAI 同时推出了 Grok Bot，定位为「AI 队友」：登录云端桌面、并行执行多步骤任务、学习用户工作流。它的直接竞品是 OpenAI、Anthropic 和微软的企业 Agent 产品。
一个需要注意的细节：Hacker News 上有开发者指出，Grok API 会在每次请求中注入隐藏 system prompt，且该 prompt 会覆盖用户层面的 system prompt。如果你的应用依赖自定义系统提示，发布前建议实测验证。
五、输出价格对比：开源把闭源价格打穿一个数量级
图1：输出价格对比（元/百万 token，对数刻度）。DeepSeek V4 Pro 输出 6 元/M，Grok 4.6 约 42 元/M（按汇率 7.0 折算），Claude Fable 5 约 360 元/M（媒体披露）。Grok 4.6 / Fable 5 数据为厂商或媒体口径，发布前建议复核。
这张图说明三件事：
- DeepSeek V4 Pro 的价格只有 Claude Fable 5 的约 1/60——如果它真的能把 Fable 5 级别的 Agent 能力稳定交付，闭源 API 的溢价空间会被大幅压缩。
- Grok 4.6 的价格处于中间带：比 DeepSeek 贵约 7 倍，但比 Fable 5 便宜约 8 倍。xAI 的赌注是「更快的响应 + 更强的长程任务执行」值得这 7 倍溢价。
- 价格差不再和能力差完全正相关。intelligence gap 在收窄，price gap 没有。
六、Terminal Bench 2.1：能力鸿沟几乎抹平
图2：Terminal Bench 2.1 自主终端操作基准。DeepSeek V4 Pro 87.9 分，仅落后 Claude Fable 5 的 88.0 分 0.1 分；Qwen3.8-2.4T 86.6 分；Grok 4.6 未披露该基准得分，未列入。数据来自厂商/媒体披露。
Terminal Bench 2.1 测的是模型在终端环境中自主操作、排障、完成多步骤任务的能力。这是当前 Agent 落地的核心场景之一。
三个模型的得分集中在 86–88 分区间。考虑到 DeepSeek 是开源权重、Qwen 是首次开放 Max 权重，这个密集分布说明：在 Agent 赛道上，开源/开放权重与闭源旗舰之间的绝对差距已经很小，剩下的差异更多体现在延迟、稳定性、多模态、长上下文和企业合规上。
七、MoE 架构：万亿总参数，数十亿激活
图3：MoE 参数规模对比（对数刻度）。DeepSeek V4 Pro 约 1.6T 总参数 / 49B 激活；Qwen3.8-2.4T-A95B 为 2.4T 总参数 / 95B 激活。基于公开报道整理，待官方确认；Grok 4.6 参数未披露，未列入。
两个开放/开源的 frontier 模型都走 MoE 路线：总参数冲上万亿级，但每轮前向传播只激活其中 3%–4%。这个设计的工程含义是：
- 训练时可以堆容量，推理时控制显存与延迟。
- 本地私有化部署虽然「理论上可行」，但 4.9TB 的 BF16 权重对绝大多数团队仍是云端或托管场景。
- 对开发者来说，MoE 不再是噱头，而是把 frontier 能力塞进可控成本的结构选择。
八、可复制动作：如何快速接入新模型
下面给出三个可直接粘贴执行的命令示例。{YOUR_API_KEY}请替换为实际 key；模型名称请以官方最新文档为准。
# 1) DeepSeek V4 Pro（OpenAI 兼容格式） curl https://api.deepseek.com/chat/completions \ -H "Authorization: Bearer $DEEPSEEK_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-v4-pro", "messages": [{"role": "user", "content": "用 Python 写一个带单元测试的 Todo Agent"}] }' 2) Grok 4.6（xAI API） curl https://api.x.ai/v1/chat/completions -H "Authorization: Bearer $XAI_API_KEY" -H "Content-Type: application/json" -d '{ "model": "grok-4.6", "messages": [{"role": "user", "content": "把这段需求拆成可执行步骤并生成 MVP"}] }' 3) 拉取 Qwen3.8-2.4T 权重（发布后请到 Hugging Face 仓库确认具体 tag） huggingface-cli download Qwen/Qwen3.8-2.4T-A95B --local-dir ./qwen3.8-2.4t如果你只是想快速跑 benchmark，建议先用 OpenRouter 的统一接口跑同一 prompt，直接看延迟、价格与输出稳定性，而不是只盯着榜单得分。
九、局限与诚实声明
- 本文中的基准分数、参数规模、价格等多为厂商自报或媒体转述，已标注「待独立核实」。
- Qwen3.8-2.4T 开放权重「不带 vision 和 1M 上下文」，如果你需要多模态或超长上下文，仍需使用托管 API。
- Grok 4.6 的隐藏 system prompt 细节来自 Hacker News 讨论，未经过官方确认；生产接入前请务必实测。
- 命令示例中的模型名称、API endpoint、CLI tag 为撰写时的公开信息，实际运行前请替换为官方 exact 名称。
- 价格对比涉及汇率折算，Grok 4.6 的 42 元/M 按 7.0 汇率估算；Claude Fable 5 的 360 元/M 来自中文媒体披露，建议独立验证。