人工智慧（AI）产业的指标似乎正在改变。过去一周，全球四家指标性 AI 公司接连重新开放或发布旗舰模型，其强调的关键字高度一致：程式设计、代理、工具调用，以及更低的使用成本，而过去业界最爱拿来较劲的参数规模与跑分成绩，如今反而显得不再是焦点。

月初，Anthropic 的 Claude Fable 5 重新上线；紧接着 OpenAI 推出 GPT-5.6、xAI 发布 Grok 4.5，Meta(META-US) 也推出 Muse Spark 1.1。

各家公司无不宣称自家模型「全球最强」，或在同等效能下更具价格优势，至于参数规模与跑分成绩似乎已经渐渐不再重要。

分析人士指出，这波发布潮透露出一个讯号：大型语言模型竞争的核心指标，正悄悄被置换。一种由 AI 驱动的新型生产力，正加速进入市场。

业界普遍认为，规模法则（Scaling Law）并未失效，模型规模仍持续扩张，效能也持续提升，领先者的每一次突破都会刺激全球同业加速追赶。

不过，如今谈规模法则已不能只狭隘地理解为堆叠参数、算力与资料量，还必须纳入强化学习、推理时计算、上下文管理、工具调用及多代理协作等新指标。

换言之，「规模化」的对象已从单一模型扩展到整个智慧系统。

此前 Anthropic 的 Mythos 与 Fable 系列之所以引发外界震动，关键在于其于程式设计、推理与网路资安领域出现跃进式进步，不仅能发现一般软体漏洞，甚至能揪出银行、电网等关键基础设施系统中的安全弱点。

正因忧心可能引发安全疑虑，Anthropic 并未全面公开 Mythos 5，仅限经审核的 Glasswing 合作伙伴及少数特定机构使用。而后续发布的 Fable 5，也一度引起美国政府关注，并曾短暂祭出限制措施。

观察人士认为，过去多数人谈 AI，联想到的多是写文章、生成图片；但 Anthropic 已无形中开启了大模型的新战场，即能否胜任现实世界中高价值、高风险的任务。

也正因如此，尽管 Anthropic 仍背负庞大的算力、研发与人力支出，该公司仍在 2026 年第二季成为首家实现转亏为盈的大模型巨头企业。

再回头看 GPT-5.6、Grok 4.5 与 Muse Spark 1.1 的定位便不难理解：GPT-5.6 随 ChatGPT Work 等代理工具同步发布，强调的是「执行任务」而非单纯回答问题；Grok 与 Muse Spark 则双双聚焦程式设计与代理工作流程。

Meta 更以 Muse Spark 1.1 为起点，开始针对企业与开发者收费。

知名 AI 基准测试与分析机构 Artificial Analysis 对此下了一个精准注解：AI 的竞争正从「短题智商测验」，转向「长程任务耐力赛」。

分析人士指出，四家公司的动作最终指向同一趋势：单纯比较模型排名或跑分高低，意义已经不大；市场更在意的是，模型究竟能否从「工具」蜕变为「生产力」。

换句话说，能写一段程式码是工具；但能读懂整个程式码库、修复问题、有效执行测试、依错误讯息持续修正并最终交付可用成果，才称得上是生产力。

如何计算商业价值？

分析认为，AI 大模型的商业价值正在被重新定义。

过去，AI 公司的表现更像是「炫技」。透过令人惊艳的展示让市场看见自身能力，但这些能力未必天然具备商业价值。

这也解释了为何 OpenAI 至今仍深陷巨额亏损。该公司 2025 年亏损达 209 亿美元，2026 年预估亏损更将扩大至 250 亿美元。马斯克在将 xAI 并入 SpaceX(SPCX-US) 时，也一并吸收了 xAI 的高额债务，导致 SpaceX 上市后仍需紧急融资 200 亿美元偿债。

针对大模型究竟该如何创造商业价值一问，Anthropic 的路径证明，从程式设计切入是可行的。但随之而来的新问题是：若各家业者都挤向 AI 程式设计这条赛道，势必再度陷入内卷式竞争。

业界人士分析，AI 能发挥价值的领域其实不限于程式设计，关键在于如何评估其效益。透过现象看本质，AI 的商业价值计算方式相对直观：以 AI 能独立完成的任务所产生的收益，扣除推理成本与人类监督的成本。

事实上，这与生产线的商业价值逻辑如出一辙，只是推理成本换成了能源与原物料成本。

正如企业不会特别关心生产线上马达的马力大小，同样地，外界或许也不该过度在意工作流程中 AI 模型的参数规模与跑分表现。

参数再多、跑分再高，对企业而言意义有限；单次回答准确度高，也未必能带来明显效益。但若 AI 能串连 20 个步骤，在数十分钟内完成原本需要人力耗费一天甚至数天才能完成的工作，便能为企业创造实质价值。

这也说明了为何「长程任务」成为业界共同攻克的难题。任务越长、步骤越多，模型需处理的变数与潜在错误也随之增加，复杂度随之提高。

一旦 AI 能胜任，能取代的高价值职位、能承担的高价值工作范畴就越广，获利能力自然随之提升。

对个人与企业的启示

分析人士指出，这波变化代表每个人、每个团队、每家公司都必须调整与 AI 协作的方式：从「使用 AI」作为工具、助手，转变为让 AI 成为主力，独立完成实际工作。

然而，这样的转型并不容易。AI 模型须先具备扎实的基础能力，企业也需建立一套工作流程，让 AI 得以在可反复修正、反复检验的任务环境中运作。

至于为何程式设计能率先让 AI「上工」，原因在于程式设计的任务天生高度数位化、目标相对明确，且成果可透过自动化测试验收，一旦失败也能立即获得回馈。

而当 AI 真正能够独立完成工作，它便不再只是工具，而更像是合作伙伴。业界建议，未来的重点应是将 AI 培养成真正理解自身工作流程、成果标准以及客户偏好的工作伙伴。

值得留意的是，单纯的「工具使用者」很可能因工具本身变得更强大而遭到取代；但若能与 AI 建立合作关系，让 AI 独立自动化执行工作、由人类负责设计、监督与营运，则 AI 能力越强，越需要人类的指导。

换言之，善用者反而能因这波 AI 革命而受益成长。