中美AI博弈新变局：从预训练堆料转向推理与缓存效率之争

【科技纵览】当大模型竞赛进入深水区，单纯依靠算力堆砌的预训练模式已触及天花板。近期发布的Claude Opus 5.5与GPT-6 Luna，其技术路径清晰地折射出行业风向的转变：前者深耕上下文推理，后者极致优化缓存成本。值得注意的是，这两大巨头的最新动作，竟与中国学者姚顺雨及企业DeepSeek早期的技术探索有着惊人的重合。这标志着全球AI竞争的主战场，正从“训练规模”悄然向“推理效率”迁移。

在Artificial Analysis的智能指数榜单中，Opus 5.5在max档位下，平均每题需输出11.9万个token，其中高达8.4万用于“思考”，仅3.5万为最终答案。相比之下，同档位的GPT-6 Astra仅消耗2.7万个token。传统大模型依赖预训练权重存储智力，面对未见题型时泛化能力受限，如同只会打固定木桩的拳手。而Opus 5.5采用的test-time路线，将智力生成移至推理阶段，通过自适应思考弥补权重盲区。官方声明指出，除非特别注明，所有成绩均基于“最大力度自适应思考”，且不再提供关闭选项。这意味着推理过程本身已成为模型核心组成部分，尽管这会带来Token消耗与成本的飙升。

这种“从上下文中找智能”的逻辑，早在2023年便由姚顺雨提出。他倡导的Tree of Thoughts（思维树）与ReAct架构，本质即是让模型在推理时展开多路搜索或交替进行推理与行动。2025年4月，姚顺雨在《The Second Half》博客中预判，AI下半场的竞争焦点将从训练方法转向模型的使用与评估。他将“思考”定义为一种特殊的动作，虽不直接改变环境，却能通过筛选信息提升决策收益。Opus 5.5的工程实现，正是对这一理念的直接呼应。

视线转向OpenAI，GPT-6 Luna的核心突破在于成本控制。其输入价格降至0.1美元/百万token，输出为0.5美元，较上一代减半；若命中缓存，读取价仅为0.01美元，便宜90%。长上下文场景中，Agent每步操作均需重读大量重复内容，造成巨大算力浪费。GPT-6 Luna采用的Prompt Caching技术，允许复用已计算的KV Cache，这与DeepSeek于2026年8月2日上线的“磁盘上下文缓存”策略如出一辙。当时DeepSeek公告显示，缓存命中价同样比未命中便宜90%，且利用廉价硬盘替代昂贵显存存储KV Cache，大幅降低门槛。

除了缓存，架构层面的借鉴也显而易见。GPT-6 Luna拥有105万token上下文窗口，与DeepSeek V4的100万几乎对齐。为应对百万级上下文带来的显存压力，DeepSeek引入了MLA架构，将Key和Value压缩至低维潜空间，使KV Cache减少93.3%，吞吐提升5.76倍。V4版本更叠加稀疏注意力机制，进一步压缩缓存占用。此外，OpenAI采用的推测解码技术，通过小模型并行猜测后续token并由主模型验收，提升了15%以上的生成效率。这一思路与DeepSeek V3中的MTP（多Token预测）异曲同工，后者通过共享主干隐藏状态实现高效预测。

回顾过往，硅谷定义范式，中国公司因算力限制寻求低成本替代方案。如今局势反转，学术与工程创新源头逐渐东移。当头部大厂陷入预训练边际收益递减的困境，曾经被视为“穷则思变”的土办法——如MLA、磁盘缓存、稀疏注意力，反而成为全行业拼效率时的硬通货。那些手握海量算力的巨头，因缺乏抠成本的动力，反而在第二战场的竞争中显得迟缓。这场关于“怎么想”与“怎么便宜地想”的较量，或许才刚刚开始。