帕累托前沿：AI 在变便宜，但最强的 AI 在变贵

先摆一组互相打架的数字，它们都是真的：

• 达到同等智能水平，前沿模型的价格每年下降 5–10 倍
• 但跑最强模型的成本，在 GPQA-Diamond、SWE-bench 这类基准上每年上涨 3–18 倍

AI 在变便宜，同时最强的 AI 在变贵。

这不是数据出错，而是我们讨论 AI 进步时用错了模型——我们习惯用"更聪明了""更便宜了"这种单维度的说法，但真实发生的事情发生在一条线上，这条线叫帕累托前沿。

理解它，你才能分清：哪些进展是真推进，哪些只是换了个位置。

一、什么是帕累托前沿

把"智能"放在横轴，"成本"放在纵轴，把所有能买到的模型画成点，会得到一片散点。

其中有一批点很特别：在不增加成本的前提下，你已经找不到比它更聪明的了。把这些点连起来，就是帕累托前沿。

这条线把平面切成三块：

关于"线内"要多说一句：落在前沿里面，不一定等于做错了。延迟、数据安全、稳定性、多模态，都是要付费的维度。前沿只是"智能—成本"这一个截面的最优，不是全部。

真正值得盯的，是线外那块空白。

二、两种进步：沿线滑动，还是把线推走

这是本文最想区分的一件事。

第一种：在前沿上滑动。

蒸馏、量化、MoE、KV cache、投机采样、prefill/decode 分离、模型路由——这些都在做同一件事：让你在已有的那条线上选到更好的位置。

有个很典型的数据：同样的 16 张 H100，把 prefill 和 decode 拆到不同的 GPU 组上，在固定延迟下能做到最高 2 倍的每卡吞吐。这是极好的工程，但它没有移动那条线，它只是让你在线上站得更靠前。

第二种：把整条线往外推。

新架构、新的 scaling 维度（比如把计算从训练时挪到推理时）、新的训练方法、新的芯片——这些会改变"什么叫做不到"这件事本身。

判断方法很简单：

问一句：它让我用同样的钱买到更多，还是让我买到了以前买不到的东西？

前者是滑动，后者是推进。两者都重要，但只有后者改变范式。

三、为什么必须同时推两条边界，而且它们互相喂养

一条前沿有两个端点，对应两种不同的雄心：

• 上边界（天花板）：不计成本，最聪明能到哪
• 下边界（地板）：一个够用的智能，最便宜能做到多少

很多人以为这是两个独立的方向，可以二选一。不是的，它们互相是对方的前提。

Jeff Dean 讲过一个容易被忽略的细节：Google 的 Flash 系列之所以能一代比一代强，靠的是把最强的模型蒸馏进小模型——你想让小模型更强，前提是你先有一个更强的大模型当老师。下一代 Flash 能达到甚至超过上一代 Pro，这个"跨代超越"不是凭空来的，是同一个技术栈里上端先顶上去、下端才被拽上来的。

反过来也一样：地板是天花板的市场。没有大规模部署，前沿模型的巨额成本摊不薄，上边界就顶不动。

所以只推一端会怎样：

• 只推天花板：前沿变陡。能力很强，但没人用得起——这正是现在发生在最强模型身上的事
• 只推地板：前沿变平。便宜是便宜了，但天花板不动，新类型的任务永远解锁不了

两条一起推，包出来的那块空间才真的变大。这就是"扩散开的前沿空间"真正的含义。

四、最反直觉的那个事实

现在可以解释开头那组打架的数字了。

同等智能的价格每年降 5–10 倍——这是地板在往下沉，也是整条线在往外走。

最强模型的运行成本每年涨 3–18 倍——这是天花板在往上顶，代价是推理时计算：让模型在给出答案前先想一大段，用更多 token 换更高的准确率。

于是前沿的真实形状不是平行外移，而是右端在抬高、左端在压低，中间的斜率在变。

这个形状变化本身就是信息：最右侧那段变陡，说明"再往上挤一点准确率"的代价正在急剧上升。这对做产品的人是个提醒——你为了最后那几个百分点付的钱，可能比前面所有百分点加起来还多。

五、关键机制：便宜一点点，为什么会解锁一整类应用

这是我认为最被低估的一点。

前沿往外挪一点点，新打开的不是一小段线，而是一整块面积。

因为每一个具体应用，在前沿图上只需要一个点的位置：它需要"智能 ≥ Q"，且"单次成本 ≤ C"。在前沿越过这个点之前，这个应用是不存在的——不是贵，是算不过账，所以它从来没被认真想过。

一旦越过，它是从 0 到 1，不是从 1 到 1.1。

有个特别好的实证。有研究者要判断一万篇论文里哪些真正复用了某个数据集，需要让模型把论文全读一遍：

注意最后一档的变化：它不只是变便宜了，它换了一个做法。从抽样试点变成全量普查，结论的性质都变了——抽样只能说"大概有多少"，普查能给出确定答案。

这就是前沿外移真正兑现的方式：不是让旧做法省钱，而是让新做法第一次成立。

一组更硬的数字在旁边佐证：按 Artificial Analysis 对 137 个模型的实测追踪，某个固定任务上达到同等智能水平的成本，半年内从 1.22 美元降到 0.022 美元，降了 56 倍；各能力档位的最低成本大约每 4 到 10 周减半，而且降价速度还在加快。

六、地板解锁规模，天花板解锁新任务

前沿的两端，解锁的东西不一样：

• 天花板往上顶 → 解锁新类型的任务。以前没有任何模型能做的事，现在有了
• 地板往下沉 → 解锁规模。大量有用的工作不需要最聪明的模型，只需要一个"够好"的模型被调用一万次

而这里有个反常识的数据：降价最快的恰恰是最高能力档。同一份研究里，GPQA-Diamond 最高分段的价格每年降 31 倍，而最低分段只降 1.7 倍。

这意味着什么？高智能正在变成大宗商品。

对你的直接含义是：如果你的产品现在因为"太贵"而用不起最强的模型，这个障碍消失的速度，比你以为的快得多。别按今天的价格做长期架构决策。

七、两个容易踩的坑

坑一：别指望省钱。

这里有个绕不开的悖论——单位智能的价格暴跌，通常不会让总支出下降，反而会让它上升。因为便宜了以后，你会用它做以前根本不会考虑做的一万件事，用量涨得比降价快。

所以：不要按"以后会更便宜"来推迟现在该做的事；但也不要按现在的单价去估算未来的账单。这两句话不矛盾，它们说的是同一件事的两面。

坑二：真正的墙是物理的，不是算法的。

Jeff Dean 反复强调一件事：现代 AI 系统的瓶颈已经从 FLOPs 转向能量——以皮焦耳计。搬运数据的能耗比做一次乘法高出大约 1000 倍。

这解释了很多看起来奇怪的工程选择：batching 的本质是摊销数据搬运的能量开销，投机采样是用草稿模型摊掉加载权重的开销，稀疏化（万亿参数只激活 1%–5%）是在砍要搬的比特数。

前沿最终能推到哪，不由算法单独决定，由物理决定。这也是为什么硬件必须提前 2–6 年预测 workload 去做协同设计——等你看见前沿的形状时，能改变它的那颗芯片已经在两年前定案了。

八、怎么判断：是真推进，还是只是换了个位置

给你三个问题，每次看到"重大突破"时问一遍：

1. 它移动的是前沿，还是只让我在前沿上换了个位置？

新的能力等级出现了，还是同样的能力变便宜了？

1. 数量级是多少？

10 倍是范式，10% 是优化。别把渐进改良当成时代变化去下注。

1. 有没有"以前不成立"的应用出现了？

这是最硬的标准。真正的推进一定会伴随新用例——不是老用例变便宜，而是出现以前根本不会有人去做的事。

顺带一个选模型的实用提醒：先想清楚你的 operating point，再去选技术。

同样是写代码，IDE 里的自动补全要的是"立刻出结果"，延迟是硬约束；后台异步跑的代码审查要的是"质量够好、成本可控"，时间可以放宽；而某些高价值场景愿意为多几个点的准确率付出巨大代价。

用户是不是在环上，彻底改变你的优化目标。先定这一点，再谈量化、RAG、推理时计算这些手段——它们各自作用在不同的约束上，选错了就是在优化一个没人关心的维度。

结尾

回到开头那句话：推动技术范式，需要同时推动这两条边界。

现在你应该能读出这句话的分量了——它不是在说"又要聪明又要便宜"这种正确的废话，而是在说一件有因果的事：

天花板是地板的老师（没有最强的模型，就没有下一代便宜的小模型），<br>地板是天花板的市场（没有大规模部署，前沿的成本摊不薄）。

两端互相喂养，前沿才整体往外走，包出来的空间才变大。

而那块新打开的空间里会长出什么，我们现在说不出来。

能确定的只有一件事——在门槛被跨过的那一刻之前，那些应用连名字都还没有。

就像一年前，没人会认真提议"把一万篇论文全读一遍"。不是因为它贵，是因为在那个价格上，它根本不作为一个选项存在。