technology 10 分钟阅读

AI模型等级战:Google与Anthropic如何重塑市场

谷歌的碳基命名与Anthropic的奇幻主题命名,揭示了更深层的产品分层之战。定价、基准测试差距与发布时间,揭示着谁在追赶谁。

  • 三星相机
  • AI 智能体
  • 科技政策
  • Google AI
  • Anthropic

元素周期表竞争白热化

11月10日,Google向公众发布Gemini 4 Carbon,与此前发布的Gemini 4 Argon一起构成了一种全新的命名体系——以化学元素来划分AI层级。一周前,Anthropic推出了Claude Fable 5.2和Claude Mythos 5.2,借鉴的是奇幻文学而非科学体系。

这种巧合并非无关紧要。两家实验室都在重新组织其模型家族的呈现方式,而此时的旗舰级竞争格局——OpenAI的GPT-6 Astra对决Google自家的Gemini 4系列——已经确立了清晰的等级秩序。真正的市场博弈,发生在下一个环节。

Google的"碳"布局

Gemini 4 Carbon以一个旨在压过竞争对手的价格点进入了拥挤的中端市场。在截至11月30日的推广期内,API成本为每百万输入token 2美元、输出token 10美元。窗口关闭后,价格将飙升至输入4美元、输出20美元——这一显著上调对早期采用者形成了锁定现有价格的紧迫压力。这种双轨定价为正在评估Carbon与Argon或已在生产环境中运行的旗舰Gemini 4模型的工程团队创造了一个关键时刻。

与Argon相比,Google将Carbon定位为应对更复杂任务:多步编码、调试以及开放式科学研究。代价是显而易见的:Carbon在处理方案探索时会消耗更多token、耗时更长。它在不便于归类的任务上,以效率换取能力——而这正是定义当下大多数企业AI项目的不可预测工作流程类型。

Google还预览了其反重力环境中的/swarm功能——多个智能体从单个提示中生成,Carbon负责设计与协调,同时由更轻量的模型并行执行任务。这是对当前主导企业采纳讨论的智能体工作流问题给出的回应。此举传递出一个信号:Google意识到仅凭模型本身的素质不足以维持平台粘性;通过工作流编排实现分发才是关键。

基准测试结果显示,Carbon在CursorBench 4.0、Perplexity的WANDR以及Zapier的AutomationBench上均位列第一。任务成本不到竞品的一半。Trajectory Labs的安全测试涵盖13,000个提示、历时132小时,未发现新的通用越狱漏洞,但提示注入抗性仍被承认存在缺口。这一缺口比新闻稿暗示的更为重要。随着智能体系统的普及,提示注入正从单一的模型弱点演变为一处供应链级别的脆弱环节。

Anthropic的双轨策略

Anthropic采取了不同的架构路径。Fable 5.2与Mythos 5.2共用同一基础模型,差异在于安全配置而非底层结构。这意味着Anthropic实际上是在销售两款源于相同权重、却以访问政策而非性能上限来区分的衍生产品。

Fable 5.2专门针对网络安全和生物学的 workflows 施加了防护护栏。据Anthropic称,相比前代Fable 5.1其拦截量减少了约55%——即更多输出能在触发安全过滤器之前抵达用户。Mythos 5.2则完全移除了部分限制,仅提供给经Anthropic审核流程审查批准的组织使用。

这正是Anthropic对power users反复提出的投诉的直接回应:有用的模型被过于宽泛的安全约束所阻挡。55%的降幅是一个可量化的承诺,表明公司听到了用户的呼声。至于客户在日常使用中能否感受到实质差异则是另一回事。这类小幅优化往往制造出进步的假象,除非它们精准命中用户实际遭遇的摩擦痛点。

API定价为每百万token输入8美元、输出40美元——分别是Google推广期输入价的2倍、输出价的4倍。Anthropic正在做出的权衡在基准数字中清晰可见:Fable 5.2在FrontierSWE v2上得分69.9%,超越了GPT-6 Astra的65.5%和Gemini 4 Carbon的61.2%;但在AutomationBench上,Fable得分为51.4%,落后于Carbon的53.9%。这一分化揭示了一个重要事实——Fable擅长代码生成,却在自动化编排方面落后,这表明即使在微调之后,该模型可能在某些任务类型上仍存在架构层面的偏好偏差。

Claude Opus 5.5被推荐用于常规工作。Fable和Mythos占据的是一个更狭窄的定位带——足够专门化以支撑其定位,又受到足够多的限制来缩小受益人群。Mythos仅限组织使用的门槛,将在资金充裕的团队之外形成隐性的采用阻力。

二阶效应:谁赢谁输

企业买家立即获益。两套竞争模型家族带来重叠能力与透明定价,创造出上个季度尚不存在的议价空间。Google的推广价对愿意在11月30日前作出承诺的团队尤为有利。当定价窗口内置了明确截止日期,采购周期自然缩短。

构建智能体工作流的开发者则面临碎片化困境。Carbon的/swarm预览与Anthropic仅限组织的Mythos变体意味着工具选型决策现在必须承担平台特定的假设。智能体生态系统仍在成型阶段,而这些命名上的分歧增加了混乱而非清晰度。各团队将花费数个季度来厘清各项能力归属哪个层级,尤其是在两家实验室持续快速迭代的背景下。

中小实验室承压。当中端价格下限降至每百万输入token仅2美元,预算敏感型团队探索替代方案的动机大为削弱。以价格竞争的门槛消失了,但以信任竞争的门槛依然存在。新进入者必须先建立信誉,才有资格入局。

安全研究人员获得更大话语权。Anthropic愿意公布拦截减少比例,并将Mythos限定对经审核组织开放,这标志着行业从全面封锁向可审计安全的转型。此类做法有望加速第三方安全审计作为一项服务品类的兴起。

未来走向

Google以元素命名的体系——先Argon后Carbon——暗示着一套系统性部署计划。如果氮(nitrogen)、氧(oxygen)和氟(fluorine)相继登场,我们或许会在明年年中看到一套完整的模型梯队元素周期表。每个名称指向的是能力品类,而不只是版本号。这减轻了客户的决策疲劳,但每一次发布的分量也因此加重。缺席某个层级的命名会被视为失误,而非迭代。

Anthropic的奇幻术语选择了另一条路径。Fable与Mythos暗示叙事类别——或许是故事模式,或是专业类型而非性能分级。再加上两者之间的安全限制差异化,Anthropic似乎在围绕用例权限——而非纯粹性能——来构建模型家族。这一框架将Anthropic拉近到治理产品的阵营,而非纯粹的智力产品阵营——随着监管审查不断加剧,这是意味深长的定位分野。

两种策略共享一个底层假设:单模型营销的时代已然落幕。旗舰发布吸引头条,但收入与留存来自中端——那些团队每天真正付费使用的模型。这次命名转向比任何新闻稿都更诚实地反映了这一经济现实。

Carbon与Fable 5.2之间的基准竞赛将迅速收窄。当前的差距微乎其微,明天的领先优势可能仅因一次微调更新或一轮降价便易手。在两派之间做选择的团队应在承诺前先在自己的工作负载上测试,因为合成基准很难捕捉生产中真正关键的特定故障模式。

眼下,信号已然清晰:Google和Anthropic不再竞速打造最好的模型。它们在竞速定义你需要什么样的模型——而 whichever category 率先命名,便能占得先机。