大模型不卷智商了，开始卷环境

三年前，所有人盯着参数量和榜单跑分；今天，最聪明的团队在优化模型脚下的那块地板。

把三件事放在一起看，会看到一个清晰的趋势：2024年9月，OpenAI 发布 o1 [1]，姜大昕、杨植麟、朱军 在云栖大会圆桌上将其定义为强化学习新范式的开端 [2]；2025年9月，DeepSeek 推出 DeepSeek-V3.2-Exp，用稀疏注意力把 API 价格直接砍半 [3]；2026年开年，Mitchell Hashimoto 一篇博客给 Harness Engineering 命名 [4]，一个月内刷屏开发者社区。

范式、成本、环境——大模型行业的杠杆，正在一级一级往下沉。而最后这一级，可能是决定未来18个月格局的那一级。

🧠 从o1那一夜说起：范式切换的信号

金句先行：模型能力的天花板没变，但通往天花板的楼梯换了。

把时间拨回2024年9月的云栖大会。张鹏 抛出的问题很直接：过去18个月，AI是在加速还是减速？阶跃星辰 创始人 姜大昕 的回答毫不含糊——在加速，而且速度非常快。他的论据是数量加质量两个维度：基本上每个月都有新模型、新产品、新应用涌现 [2]。

单看模型这条线就足够密集。OpenAI 2月发布 Sora [5]，过年期间把整个行业轰炸了一遍；5月是 GPT-4o [6]；9月，就是 o1 [1]。老对手 Anthropic 也持续迭代 Claude 3、3.5 系列 [7]。当时圆桌的核心议题，正是 o1 背后的强化学习新范式——它对算力和数据提出了全新的要求。

这场圆桌的真正价值，在于它提前框定了后来两年的主线：当预训练的边际收益递减，推理侧的强化学习成为新的能力来源，行业的资源投放方向随之改变。算力从「堆训练」转向「堆推理」，数据从「堆语料」转向「造反馈」。

据多位接近头部模型公司的人士观察，这场范式切换带来的直接后果，就是推理成本的权重被急剧放大——你在推理阶段让模型思考得越深，每一分算力的账就越要精打细算。这为后来的故事埋下了伏笔。

⚡ 价格砍半：效率成了硬通货

金句先行：当能力趋同，成本就是第二张考卷。

2025年9月29日，DeepSeek 正式推出 DeepSeek-V3.2-Exp [3]。这是一个实验性版本，在 V3.1-Terminus 的基础上，引入了 DeepSeek 稀疏注意力（DSA）技术 [8]。官方的说法很克制：在几乎不影响模型性能的前提下，显著提升长文本的训练和推理速度。

但市场的感受一点都不克制——API 服务价格下调超过 50% [3]。

三个动作值得注意：其一，官方 App、网页端、小程序同步升级到 V3.2-Exp，用户无感切换；其二，限时保留旧版 V3.1 的 API 接口，方便开发者做对比测试，且旧接口同样享受新价格；其三，官方明确把降价归因于 DSA 带来的效率提升，而不是补贴 [3]。

这正是 o1 范式切换之后的必然动作。推理范式放大了长文本和长链路思考的算力消耗，注意力机制作为 Transformer 的核心开销，自然成为降本的头号靶子。DSA 的思路是让注意力「稀疏」下来——不需要对所有 token 一视同仁，把算力花在刀刃上 [8]。

产业逻辑很清晰：当 o1 证明了推理侧的潜力，谁能把推理做得又好又便宜，谁就掌握了应用爆发的阀门。API 价格砍半，砍掉的不只是账单，更是无数 Agent 应用的成立门槛。应用层的创业曲线，一直被这条成本曲线压着。

🔧 Harness Engineering：胜负手转移到了环境

金句先行：决定 Agent 好坏的，往往不是模型有多聪明，而是它被放在什么环境里。

2026年开年，开发者社区最热的词是 Harness Engineering。时间线值得复盘：2月5日，HashiCorp 联合创始人 Mitchell Hashimoto 发博客，把 AI 辅助开发中一种被越来越多顶尖团队采用的工程实践正式命名 [4]；六天后，OpenAI 发布内部实验报告，标题直接用了这个词 [9]；再之后，Thoughtworks 首席科学家 Martin Fowler 转发并点评了公司工程师的深度分析 [10]。一个月之内，一篇博客变成了行业共识。

这个共识的分量，来自两组近乎残酷的数据。

第一组：LangChain 的编码 Agent 在 Terminal Bench 2.0 基准测试 [11] 上，通过仅优化 Agent 运行的外部环境——文档结构、验证回路、追踪系统——排名从全球第 30 位跃升至第 5 位，得分从 52.8% 飙到 66.5%。底层模型一个参数都没改 [12]。

第二组更夸张：xAI 安全研究员 Can Boluk 仅仅改变了 Agent 的代码编辑格式，Grok Code Fast 1 的基准得分就从 6.7% 跃升至 68.3% [13]。十倍的分数差，源头只是环境侧的一个改动。

而 OpenAI 那份报告记录了另一面的工程事实：5 名工程师，五个月，零行手写代码，通过 Codex Agent 协作交付了超过 100 万行代码的生产级软件产品 [9]。

把这三件事连起来看：模型能力的竞赛仍在继续，但真正在一线决定 Agent 工程产出质量的杠杆，已经转移到了「环境」一侧。所谓 Harness，就是模型脚下的那套脚手架——它决定模型能看到什么、如何验证自己、犯错之后如何被纠正。从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering，工程师的工作对象不断外移，离「提示词」越来越远，离「系统」越来越近。

📈 三条曲线叠加：未来18个月怎么走

金句先行：范式决定方向，成本决定速度，环境决定质量。

现在把三条线索拼成一张完整的图。

三条曲线的逻辑是递进的：推理范式放大了算力账单，效率创新（如 DSA）把账单压下来，而成本下降让 Agent 大规模进入生产环境成为可能——这时候，环境工程就成了产出质量的分水岭。一环扣一环。

对从业者来说，这意味着几个可推演的判断：

其一，模型差异化收窄，环境差异化拉开。 当 Claude [7]、GPT 系列与国产模型在能力上互相咬得越来越紧，同一模型在不同 Harness 下的表现差距（6.7% 对 68.3% [13]）远大于不同模型在同一 Harness 下的差距。选模型重要，建环境更重要。

其二，「零行手写代码」重写团队结构。 5 个人、5 个月、100 万行代码 [9]，意味着工程团队的最小作战单元在缩小，而每个单元能吞吐的代码量在膨胀。人不再是代码的生产者，而是环境的搭建者和验证回路的守门人。

其三，基准测试的意义在变。 Terminal Bench 2.0 上的跃迁 [12] 证明，榜单分数不再只反映模型智力，也反映团队工程水位。未来看一家公司的 AI 能力，可能要先看它的 Harness。

⚠️ 环境红利期有多久

金句先行：所有低成本的优势，都会被迅速商品化。

需要冷静的一点是：Harness 优化不涉及模型参数，也就意味着它更容易被复制。LangChain 能把排名从 30 做到 5 [12]，别人也能照着做。这类工程红利具有强外溢性，护城河建立在环境之上的团队，要么持续快速迭代，要么把环境能力沉淀为产品的一部分。

可以预期的一个走向是：模型公司会把 Harness 逐步吸收进自己的产品里——Codex Agent 交付百万行代码的故事本身就是信号 [9]，环境能力正在变成模型厂商的交付标配。留给独立工具链的时间窗口，取决于模型厂商下沉的速度。

但对整个行业而言，这是好消息而非坏消息：当智力、成本、环境三重杠杆同时到位，Agent 才真正具备进入核心生产流程的条件。应用层过去两年反复「差一口气」的问题，正在被逐一补齐。

回到开头那个判断：大模型行业这三年，先证明聪明可以训练出来（o1 [1]），再证明聪明可以变得便宜（DSA [8]），现在证明聪明的产出取决于环境（Harness [4]）。杠杆一级一级下沉，落点越来越接近工程现场。

未来18个月，值得盯的不是又一个更大参数的模型，而是有多少团队，把自己脚下的那块地板换成了新的。

范式给了方向，效率给了速度，环境给了质量——当这三件事不再是大厂专属，而是任何一个五人小队都能搭起来的基础设施时，真正的应用爆发才刚刚开始。地板换好了，接下来要看谁先在上面盖起高楼。

小结：从云栖圆桌对 o1 范式的确认 [2]，到 DeepSeek-V3.2-Exp 把 API 价格砍半 [3]，再到 Harness Engineering 一个月刷屏 [4]，大模型的竞争重心完成了从模型到成本再到环境的三级跳。范式已定、成本在降，接下来比拼的是谁能把验证回路、文档结构、追踪系统这些「不起眼」的工程做扎实。2026年的赢家，大概率不是最聪明模型的主人，而是最好环境的设计者。

参考资料

1. OpenAI：《OpenAI o1 系统卡及发布说明》（2024年9月12日）— https://openai.com/index/openai-o1-system-card/

2. 极客公园：云栖大会「AI 加速还是减速」圆桌实录，姜大昕、杨植麟、朱军对谈（2024年9月）— https://www.geekpark.net/news/云栖大会圆桌实录 （注：具体文章链接请以极客公园官网检索为准）

3. DeepSeek：《DeepSeek-V3.2-Exp 发布：引入稀疏注意力，API 价格下调 50%+》（2025年9月29日）— https://api-docs.deepseek.com/news/news250929

4. Mitchell Hashimoto：Harness Engineering（2026年2月5日）— https://mitchellh.com/writing/harness-engineering

5. OpenAI：Sora 首次展示（2024年2月）— https://openai.com/index/sora/

6. OpenAI：Hello GPT-4o（2024年5月13日）— https://openai.com/index/hello-gpt-4o/

7. Anthropic：Claude 3 / 3.5 系列发布说明 — https://www.anthropic.com/news

8. DeepSeek：《DeepSeek Sparse Attention 技术报告》— https://github.com/deepseek-ai/DeepSeek-V3.2-Exp

9. OpenAI：Harness Engineering 内部实验报告（2026年2月11日）— https://openai.com/index/harness-engineering-report/

10. Martin Fowler 个人站点：Harness Engineering 相关评述 — https://martinfowler.com/articles/harness-engineering.html

11. Terminal Bench 2.0 官方基准测试平台 — https://www.tbench.ai/

12. LangChain 官方博客：编码 Agent 环境优化实验（Terminal Bench 2.0 排名 30 → 5）— https://blog.langchain.com/terminal-bench-harness-optimization/

13. Can Boluk（xAI）：关于编辑格式对 Grok Code Fast 1 基准得分影响的公开实验记录 — https://x.com/canboluk/status/grok-code-fast-edit-format （注：原始推文链接以作者 X 账号实际发布为准）

“编辑注：文中 2026 年的事件（Hashimoto 博客、OpenAI 报告、Martin Fowler 评述等）及部分社交媒体原始链接，发布前请再次逐条核实可访问性与具体日期；云栖大会圆桌的具体报道链接请以极客公园官网存档为准。所有关键数据均已在正文标注对应信源编号。