大模型圈子的风向变了。参数量只是个装知识的仓库，真正拼智能得看算力效率。就像唐杰说的，FLOPs才是新标尺。实际上，大家都在跟着这个逻辑调兵遣将。字节跳动动作很快，Seed部门刚刚搞完组织重组，一口气新设了四个一级部门，把预训练、强化学习和后训练的资源全捏在了一起。现在Pretrain Data交给了李成刚来管，文本、写代码、视觉还有语音这些数据团队全归他统一调度，专门去支撑新Omni模型的开发。另外，B端和C端的模型能力也拆开布局了，就是为了把好钢用在刀刃上。
国产算力这边也没闲着。科大讯飞在业绩说明会上放了狠话，说今年1024开发者节要掏出一个完全跑在全国产算力上的主力通用大模型，8月底会先放个阶段性版本让大家摸摸底。另一边，Liquid AI拉着Hugging Face搞了波合作，弄出个叫LFM2.5 DSpark的草稿模型，直接铺了1.2B、2.6B和8B-A1B三个版本。说白了，这就是走了投机解码的路子。这一下GPU端的推理速度最高飙了3.18倍，端侧设备也快了不少。最关键的是，模型输出的质量没掉，吞吐量却上去了。
OpenAI那边直接打起了价格战。GPT-5.6 Sol的API和Credit费用砍了至少20%，而且连着降三个月。你看，不管前面怎么调算力标尺、怎么做组织重组，也不管模型怎么升级，实际上行业已经卷到了效率比拼的深水区。降价图什么？不就是想多抢点开发者和市场份额嘛。往后再看，算力、组织架构还有产品迭代，这几条线谁跑得最快，谁就能卡住好位置。