GLM-5 必涨价｜AI 时代的 9 个反共识

拿旧地图，找不到新大陆

过去几个月，这个感觉越来越强。互联网时代的 DAU、SaaS、注意力经济、免费增长、从工具到平台的三级火箭，这些词汇构成了过去十年所有人的认知底座，当然...这里不包括「对齐颗粒度」这种莫名其妙的黑话

而现在，底座在松动。包括我自己在内，很多人可能还在用上一局的思路去理解这一局的变化

很巧合的，这几天许多好朋友也在思考这个问题，比如这个是橘子的：互联网已死，Agent 永生，我们之间的观点，大致上是一样的，但也有许多不同，毕竟...现在并没有形成共识

然后...md 这货又改名了：橘子汽水铺->有机大橘子->Agent橘

先说一个具体的事：今天，GLM-5 开源，非常领先
GLM-5开源：从代码到工程，Agentic Engineering时代最好的开源模型

其实，上周 OpenRouter 上匿名出现的 Pony Alpha 就是 GLM-5，我也是第一批内测用户

拿到模型之后做的第一件事，是跑了一个 Minecraft 的工程任务。两个小时，5000 万个 Token，205k 的游戏文件

另一个朋友则完全做出了一个足以上线 Steam 的游戏

简单说一下 GLM-5：Opus 4.5 级别的开源模型，744B 参数，激活 40B，Coding 对齐 Claude Opus 4.5，Artificial Analysis 全球前五、开源第一，MIT License

这里重点说一下：GLM-5 在 Artificial Analysis 的榜单中，取得了相当不错的成绩，在总榜 Intelligence Index 中，取得 50 分；仅次于前两天新发布的 Opus 4.6（53分）和 GPT-5.2（51分）；逼平 Opus 4.5（50分）

同一周，DeepSeek V4 进入灰度，MiniMax 发了 M2.5，再往前几天字节放了 Seedance 2.0。这一轮中国 AI 公司的模型，都很硬

直到昨天晚上，智谱才正式对外开放 API，就想着...要不要做一个展示性的网页...

没错，GLM 官方的这个 ShowCase 网页是我做的，昨天用 GLM-5 Vibe Coding 出来的，用 AI 给 AI 做发布会...

做完上面这些之后，第一个念头：

GLM，以及各种头部模型，一定会涨价

在一个 AI Infra 的小群里聊，很多朋友每天的 Token 消耗量已经是十亿级别的。大家达成了一个共识：
要多准备一些手机号，开始囤 GLM 的 Coding Plan 了，尤其是最大规格的，等 GLM-5 发布后，一定得涨价

Claude 已经涨了。Opus 4.6 超过 200K 上下文之后输入 $  $37.5，还推了 Fast 模式，2.5 倍速度 5 倍价格

涨价这件事，会蔓延到所有顶级模型：
Token 补贴大战，即将结束

但 GLM-5 开源这件事的真正影响，不在于又多了一个强模型

在于 Opus 级别的能力，第一次以 MIT License 的方式对全世界开放。任何人、任何 Agent 都可以无限制地调用。全球 Agentic 的市场规模，会因此扩大至少两个数量级

而当 Agent 的数量和调用量出现这种级别的跃迁，过去所有关于成本、定价、增长的假设，都得重新算

以下是最近一直在琢磨的九个判断，每一条都跟当下的「共识」反着来

本文后面的这些观点，不一定全对，甚至全都不对，仅一家之言

一、免费模式已死

互联网时代，免费是最强的增长策略。逻辑很简单：软件的边际成本趋近于零，多一个用户几乎不花钱，用户越多，广告越值钱，网络效应越强

AI 产品的成本结构完全不同。每多一个用户，就多消耗一份推理算力。用户越多，烧钱越快。ChatGPT 的日活过亿，OpenAI 的亏损也过亿

DAU 从资产变成了负债

ChatGPT 开始用广告逻辑扩张了。Claude 摆明态度：产品里永远不会有广告。两条路，两种判断。免费 + 广告这条路在 AI 时代能不能走通，还没有人验证过。但推理成本摆在那里，每一个免费用户都在烧钱

贴钱换规模的窗口期快关了，行业会转向追求为 Token 付费的用户

二、Token 降价是假象

所有人都在庆祝 Token 单价下降。但没人算过总账

2022 年，一个带搜索的复杂对话，消耗大约 3K Token。上周跑的那个 Minecraft 工程任务，两个小时，5000 万。从 3K 到 5000 万，涨了一万多倍

更关键的：对话任务不一定要用顶级模型，中等的就够了。但工程任务不行，所有人都在拿最贵最强的模型去跑。消耗量在爆炸的同时，消耗的还都是最贵那一档

单价降了，账单炸了

包括我自己在内，用量也在按月翻倍。降价给人带来的安全感，正在被消耗量的增速吃掉

GLM-5 开源之后，这个趋势会加速。当 Opus 级别的模型免费可用，跑工程任务的人会从几万变成几百万，全球的 Token 总消耗量会炸

三、Token 不会一直便宜

很多人拿手机流量做类比。3G、4G 到 5G，流量单价一直在降，Token 也会一路降下去

但手机流量的使用者是人。人的数量有上限，每个人每天刷手机的时间也有上限。需求增长有天花板，供给扩容追得上

Token 的使用者正在变成 Agent。一个人可以同时跑 10 个、100 个 Agent，每个 Agent 每天调用外部接口几千几万次。Agent 还会调用 Agent。需求增长没有天花板

人的需求有顶，Agent 的需求没有，我们也并不能虚空变出来显卡和电力

当需求增速超过算力增速，头部的 Token 就会涨价。拐点什么时候来不确定，但方向确定

四、规模效应反转了

互联网时代，公司越大越有优势。网络效应、规模经济、品牌壁垒，都跟体量正相关

但仔细看一家公司的人员结构。有多少人在做「上传下达」？写周报、写公文、做汇报材料、把老板的想法翻译成执行方案、再把执行结果翻译成老板能看的 PPT

这些岗位的本质是信息转译。而信息转译，恰好是 AI 最擅长的事

未来一家公司只需要三种人：做判断的、做交付的、以及去解决 AI 在现实世界里搞不定的事的。中间那一大层「信息中转站」，会被 Agent 吃掉

人多不再是优势，人多是成本

过去看到「5000 人团队」会觉得壁垒高。现在应该想一想：这 5000 人里，有多少会在两年内被 Agent 替掉

对应着这次的 GLM-5，作为国产模型，能任何一个小团队都能拿它去做工程交付。以前 10 个人干不了的事，现在 2 个人 + 一个顶级开源模型就能搞定。大公司的人数壁垒，正在被模型能力抹平

五、面向 Agent 的界面还没有被建好

最终的人机交付还是得看 UI。而且 UI 对 AI 来说反而简单，直接生成就好了，现在已经能做得很好

真正缺的是面向 Agent 的那一层

面向人的界面是屏幕上的按钮和页面。面向 Agent 的界面是文档和 API

但现在的文档和 API，全是给人看的。自然语言写的说明、给人类工程师读的 README、手动配置的鉴权流程。Agent 需要的是能直接解析、直接执行的结构化描述

更麻烦的是，各家产品自成生态，文档格式不统一，API 规范各不相同。Agent 要调用十个服务，就得适配十套完全不同的接口。这一层的基础设施严重缺失

MCP 和更早的 OpenAI Plugin 开了第一道口子。之前做过一个尝试：让 AI 去改 GitHub 上的 .md 和 README，改完之后 AI 能自动识别项目、自动部署。方向对了，但远远不够

给 Agent 建一套统一的文档和接口标准，是下一个基础设施级的机会

这件事跟十年前做移动端适配一样紧迫。但目前几乎没人在系统性地推。这里顺道 echo 一下我之前的一个工作：给 AutoGLM 写了一份「给 Claude Code 看的文档」

邪修版「豆包手机」，用 Claude Code 操作 AutoGLM...小作坊下料就是猛

六、AI 教育的窗口期极短

现在教人怎么写 Prompt、怎么用 AI 工具，市场很热，课卖得也好

但培训 AI 使用 AI 的 ROI，远高于培训人使用 AI。教一个人学会用 Claude Code，要一周。让一个 Agent 学会调用另一个 Agent，要几分钟

规模化效率的差距太大了。当企业发现与其花钱培训员工用 AI，不如直接让 AI 自己学自己用，这个市场就会迅速萎缩

教人用 AI 的生意，窗口可能只有一两年

包括我自己在做的一些内容，可能也在这个窗口里。这一波红利来得快，走得也会快

七、融资逻辑变了

过去 VC 看一家公司，第一个数字是 DAU，第二个是增长率，第三个是留存。这套框架跑了二十年

AI 时代应该看另外两个数字：每天消耗多少 Token，每个 Token 能产生多少收入

一家公司日消耗 10 亿 Token，每百万 Token 产生 50 块钱收入，商业模型就是成立的。反过来，DAU 好看但 Token 变现效率低，烧得越多亏得越多

Token 消耗曲线和变现效率，比 DAU 重要一百倍

整个评估体系的切换还需要时间。但先想清楚的人，会先找到好标的

八、产品竞争的终局变了

过去做产品，核心是抢用户心智。让用户记住你、打开你、依赖你

Agent 时代，产品的核心客户正在从人变成 Agent。你的产品能不能被 Agent 发现，能不能被 Agent 顺畅调用，用了之后会不会被设为默认

让 Agent 第一时间找到你，用了就不换

互联网时代做 SEO 是让人搜到你。Agent 时代做 SEO 是让 AI 选择你

那些还需要联系销售才能开通的产品，在 Agent 时代会很被动。Agent 不会打电话给销售团队，不会填表单，不会等三个工作日。调不通，就等于不存在

GLM-5 发布的时候，官方适配了 OpenClaw，发布当天就挂上了 Skills。这个动作本身就说明了方向：即便是模型厂商如智谱，也要先占上位置，让 Agent 能找到

九、最终只有两种企业

这些判断汇到最后，指向一个很简单的分法

能让 Token 产生正 ROI 的企业，会越来越强。更多 Token 产生更好的结果，更好的结果产生更多的收入，更多的收入买得起更多的 Token。正循环一旦转起来，差距只会越来越大

Token ROI 为负的企业，每烧一个 Token 都在亏钱

没有中间地带

GLM-5 开源，从道理上，把入场券（Opus 级别模型）的价格打到了零。但项目能不能活下来，取决于 Token 的 ROI（至少得把电费赚回来）。门槛降了，淘汰赛反而更残酷

包括我自己在内，也在反复想：目前做的事情，Token 的 ROI 到底是正的还是负的

最后

这九条，很多还没完全想清楚。有些可能半年后就被证伪

但有一件事越来越确定：过去十年建立的那套认知框架，正在整体性地失效。包括我自己，手里大概率也攥着上一局的牌

旧思考每多固化一天，新机会就多溜走一天

接下来会很有趣