很多人可能还没意识到，中国大模型其实已经进入了一段尴尬期。 什么叫尴尬期呢？ 你如果养过猫，尤其是布偶这种猫，应该知道它从小长大的时候，会经历一段尴尬期。 旧毛掉了，新毛还没完全长出来，看起来多少有点别扭。 但再过一段时间，等新毛长齐了，漂亮的那个状态又会回来。 我觉得现在国内大模型差不多就是这个阶段，核心主要是有三个问题。 第一个，就是模型越训越大，但训练算力开始有点跟不上了。 现在大家都在往更大的模型走，5T、8T、10T 这种规模也开始被摆到台面上。 比如阿里在本次的云栖大会上提到，未来可能会训练 5T 到 10T 参数规模的模型。 Kimi、GLM 也都在继续往更大规模走。 但问题是，模型规模可以继续往上加，训练卡没有那么容易增加。 大家都知道 Scaling 还没有完全走到头，但在国内，算力确实已经越来越容易变成一个现实限制。 第二个是推理，或者说模型上线之后怎么稳定提供服务。 之前梁文锋在那个所谓流出的DeepSeek投资人会议纪要里也提到过，国内之前为什么很多 MoE 模型会把激活参数控制在几十 B，一个重要原因就是推理资源。 因为模型训出来是一回事，能不能长期、稳定、大规模地给用户用，是另外一回事。 虽然那个会议纪要出来之后，Kimi 也发了 K3 这种2.4T参数的模型，但这个问题还是没有被缓解。 一些新模型（就比如K3还有刚发的Step5Preview）刚上线的时候速度很好，但很快可能就会遇到限速、排队、额度收紧之类的情况。 这说明推理算力的问题其实还没有完全解决。 我们的团队们很难像 OpenAI 那样，时不时直接给用户 reset 一轮额度。 因为模型越大，每多放一点额度，背后都对应着真实的推理成本。 第三个，就是价格和定位的问题。 模型越做越大，推理成本越高，价格自然也很难一直维持在原来的水平。 但国内模型之前比较明显的两个优势，一个是开源，一个是性价比。 所以如果价格慢慢往上涨，就会出现一个新的问题： 如果价格差距越来越小，那用户为什么一定要选择国内模型？ 尤其到了 Agent 时代，一次任务消耗的 Token 可能会比普通聊天高很多，价格会变得比以前更敏感。 最后很可能还是会回到一个很朴素的问题：效果差不多的情况下，谁便宜就用谁。 那就会有人选择赔本赚吆喝喽，当然我没有特指某些模型哈。 包括 DeepSeek 自己，其实也经历过价格调整。 所以我觉得，国内大模型现在确实处在一个比较微妙的阶段。 模型做大之后，推理算力又会成为新的限制。 推理成本上升之后，价格也需要调整，但价格一上去，又会影响原本的性价比优势。 有点像猫长大的尴尬期。 旧毛已经开始掉了，新毛还没有完全长出来。 接下来这段时间，得看国内厂商怎么把这几个问题一起解决掉（下一条我会聊这个）。