2026 年 9 月 29 日至 10 月 7 日｜“做判断”只值两美分了

9 月 29 日到 10 月 7 日这九天，我们读了 3400 多条帖子，留下约 240 件真正发生的事：11 家公司自己宣布了 68 件，其余来自测评机构和个人。单看每一件都是新闻，放在一起是五条线。

一、“决策模型”在一周内变成了一个品类

• 9 月 29 日，OpenAI 推出 Decisions API（它涉及的工作），限量预览，用途写得很直白：实时分类、路由、替 agent 选下一步动作。
• 10 月 1 日，Perplexity 开源了自己的决策模型并上线 API，每百万输入词元 4 美分，输出免费。
• 同一天，@svpino 介绍了 Nace AI 的 Drex 1.5，按他的说法是 128k 上下文、同样 4 美分。
• Inception 的 Mercury Decide 上了 OpenRouter，早期免费。
• Ollama 宣布支持在本地运行决策模型。
• 10 月 6 日，OpenAI 向所有开发者开放。同一天 Perplexity 把价格砍到 2 美分。

Perplexity 还晒了一张账单：让模型打通宝可梦火红的四天王和冠军，全程 137 次调用，花了 2.8 美分。

八天，四家，有开源、有降价、有免费，还能在本地跑。一个新品类刚出现就开始了价格战。

二、评测从“答题”变成“让它干一件长事”

• Vals AI 让 Gemini 4 Argon 玩坎巴拉太空计划，从入轨到登陆多个天体再返回。成了。
• Vals AI 让十个 Claude Sonnet 5.5 agent 证明一道数学题：球面上七个电子的最低能量排布。15 小时内交出一份 17,895 行的形式化证明。
• Perplexity 让自家的 agent 从头做一个浏览器里的开放世界游戏，做出来了，花掉约 2000 美元的额度。
• 让 Gemini 4 Argon 经营一台自动售货机，只成了一部分。
• @johnowhitaker 让 GPT-6.1 Sol 用 CAD 画一个简单的电机支架，也只成了一部分。

能写出一万七千行证明，却管不好一台售货机。长活能不能交出去，取决于这件事错了有没有人兜着。

三、有人开始把日常杂事整件交给 agent

• @doodlestein 把卖二手显卡整件交了出去：查近期成交价、写商品描述、上架、跟踪，卖掉了 12 件。
• @svpino 让 agent 办了值机、转了 PayPal 余额、整理了表格、汇总了邮件。
• @sayashk 连续几天用高速档填表和做简单编码，一周的额度两个小时左右就用完了。

配套的东西在同一周出现：

• Stripe 拉上 Meta、Shopify、沃尔玛等几家，推出个人 agent 协议，定的是 agent 怎么和商家打交道。
• 10 月 7 日，阿里云和 Sui 合作做 agent 支付。
• Every 在 Slack 里上线了“agent 同事”，每月 30 美元。
• Nativ 0.4 加入了在本机上浏览网页和操作电脑。

先交出去的不是工作，是杂事。而支付公司和零售商已经开始为 agent 修路了。

四、在自己的机器上跑大模型

这条线上最大的一件事不是哪家公司发的。一位开发者做的开源推理引擎 Strata，把一千多亿参数的 Qwen3.8-Flash-Next 跑进了普通的游戏电脑。

• 作者 @coldniko 的原帖说：一台便宜的旧 DDR3 机器，64GB 或 128GB 内存，接一块 8GB 以上的显卡，每秒能出 70 个以上的词元。第二天他又把输出速度从每秒 64.5 提到了 76.4。
• @Yacamochi_db 实测：87GB 的模型，单张 RTX 5090 每秒 120 到 150 个词元。
• @rS_alonewolf 实测：RTX 5090 每秒 100 到 140，RTX 5070 Ti 每秒 50 到 70。
• @daluoseo 实测：12GB 显存，每秒 96 个词元。
• @chikitleung 在一块 8GB 的 RTX 4060 Ti 上跑到了每秒 38 个。

我们搜到的帖子里，有 39 个账号各自贴出了自己机器上的实测结果，主要来自日文和中文圈。

苹果芯片这边同样在动：

• @hxiao 在一台 M3 Ultra 上本地跑同一个模型，每秒约 75 个词元，而七月还只有 20 到 25。
• @ivanfioravanti 用 92 个 agent 场景测了 9 种本地部署方案，最高分 92。同时发现其中 7 种会泄露别的租户的数据。
• llama.cpp 发布了 0.6.0；Artificial Analysis 开源了一套专测本地机器跑 agent 的基准。

也有没做成的：@Gimenorum 连续五次让一个压缩得更小的版本修同一个问题，没有修好。

一周之内，几十个人在各自的旧显卡上把同一个大模型跑了起来。门槛从服务器降到了游戏电脑。但九种部署方案里七种会漏数据，说明跑得起来和用得放心还是两回事。

五、开放权重模型密集发布

• Mistral 放出 Mistral Large 4 预览版：总参数一万亿，每次激活 490 亿，权重月底开放。OpenRouter 上的价格是每百万输入词元 0.68 美元。
• Google 发布 EmbeddingGemma 2（它涉及的工作），7.4 亿参数，面向端侧。
• Cristóbal Valenzuela 宣布了 Praxis-1，一个开放权重的机器人动作模型。
• Perplexity 的决策模型也是开源的。
• 新的非营利机构 Trillium Labs 成立，做开放的前沿模型训练方法。

一周之内，从万亿参数的大模型到手机上的嵌入模型，都有了能下载的版本。

你

以下是本期的判断和猜测，不是数据。

一，如果你的产品卖的是“帮人做选择”，这周它不再是产品了。 路由、分流、初筛、推荐、审核，这些在两美分面前都只是一个功能。你该问的不是“我的判断准不准”，而是“除了判断，我还握着什么”：数据、渠道，还是出了错由你负责。

二，你每周花在杂事上的那几个小时，会比你的本职工作先消失。 不是因为模型突然变聪明了，而是因为有人开始为 agent 修路。值机、报销、挂二手、填表，这些事的共同点是做错了能撤回。

三，别急着把整件长活交出去。 这周最好的模型经营一台售货机都只能算部分成功。现在能放心交的是“错了看得见、看见了能改”的事。判断标准很简单：如果它搞砸了，你多久能发现？

猜测：下一个被打到几美分的是语音。 Microsoft 的语音模型这周发布后很快出现在多个平台上，这通常是价格战的前奏。如果你的生意建立在“语音转写很贵”这个前提上，现在就该重算一遍。

数据截至 2026 年 10 月 7 日 10:32（UTC）。文中数字均出自发帖方本人的陈述，点击链接可看原帖。每条更新涉及哪些工作、到了哪一级，见[全部更新](/updates)和[职业](/occupations)。