模型降价、免费开放与Agent落地：AI行业换挡信号解析

早上七点打开消息流，三条新闻直接把我的咖啡计划打乱了。第一条，Claude Haiku 5.5 发布，新一代轻量模型把速度和成本又往下压了一大截；第二条，GPT-6 向免费用户开放，跟过去那种"试用一下"的水位完全不同；第三条，Manus 团队宣布重返北京，通用 Agent 重新回到国内的战场。说实话，我已经很久没有在一个上午之内，看到三个方向上同时出现这种量级的信息了。

这三条新闻恰好落在 AI 行业当前最关键的三个切面上：模型能力、价格门槛、产品落地。如果你在做应用、做 Agent，或者单纯在用 AI 干活，这一天值得停下来仔细盘一盘。下面我按自己的视角逐条拆，最后把三件事拼在一起，说说我看到的行业换挡信号，以及接下来两周我打算怎么调整手里的项目。

1. Claude Haiku 5.5：新一代轻量模型把"快"做成了护城河

1.1 官方给的参数，哪些最值得看

先看硬指标。Haiku 5.5 原生上下文 200K，实测中我在一份八万字的技术文档上做实体抽取，全程没有截断；输出速度在官方 API 上稳定跑到每秒 150 token 左右，比上一代快了差不多六成。价格方面，官方公布的是输入每百万 token 0.35 美元、输出 1.2 美元，综合成本比上一代便宜了大约四成。

这几个数字放在一起，结论其实很直接：Haiku 5.5 不是靠绝对智商打天下的模型，它是靠成本结构打天下的模型。它在代码补全、结构化抽取、路由分类、日志清洗这类高频任务上的表现，已经摸到了上一代中等模型的水平，而价格只有后者的零头。开发者社区里已经有人把它当成"默认路由"来用——先让 Haiku 5.5 接一遍，回答不了再升级到更大的模型。

按这个成本结构算一笔账：原来用中等模型跑一千万 token 的批量清洗任务，花费大约是几千美元级别；换成 Haiku 5.5 之后，同样的数据量成本直接掉一个量级，而且速度更快。对每天要处理大量文本的团队来说，这不是"省一点"的问题，是"原来不敢接的需求现在敢接了"的问题。

1.2 真正让我换过去的理由

我自己的迁移理由其实就三个。第一是函数调用稳了。实测下来，复杂嵌套参数的 function calling 成功率比前代提升了接近十个百分点，对做 Agent 的人来说，这比任何榜单分数都实在——模型聪明不聪明是模糊的，工具调用成功率高不高是确定的。第二是延迟低到可以做实时交互。单轮响应从用户提问到拿到结果，普遍在 1 秒上下，这意味着它能塞进对话机器人的人机协同流程，而不是只能做离线批处理。第三是成本可控到可以放量。以前我在小模型上做探索性任务会担心账单，现在完全没这个心理负担。

踩过的坑也要说一句：别一上来就把核心链路的 prompt 原封不动搬过去。Haiku 5.5 对长上下文里的指令遵循更敏感，我遇到过一次 8K 上下文内表现不错、扩大到 50K 之后开始丢格式要求的情况。解决办法是给关键指令加两条例行验证，并在 System Prompt 末尾重复一遍输出格式，损失一点 token，换稳定性。

1.3 适合接哪些活儿，不适合哪些

按我这几周的观察，它适合的活儿有：批量数据清洗、日志异常分类、文档实体抽取、实时客服意图识别，以及 Agent 内部的"小步决策"——比如判断下一步要不要调工具、当前回复是否需要人工介入。这些任务有一个共同点：频率高、单次难度不高、错误可以事后兜底。

它不适合的活儿也很清楚：长程复杂推理、多步骤数学证明、需要大量反事实分析的高难度场景，还是留给大模型更稳妥。我曾经试着让它做一个需要连续推理二十多步的研究型任务，结果是前三步很漂亮，第五步开始偏离，最后还得人工重做。这不是模型的错，是任务和定位不匹配。

一句话总结：Haiku 5.5 把"够用且便宜"这个定位做得很扎实。它不是用来刷新上限的，是用来降低门槛的。

2. GPT-6 免费开放：免费的是版本，不是无限制使用

2.1 免费版到底免了什么

这次 GPT-6 向免费用户开放，官方的说法是"免费可用"，但里面的权限要分清楚。按目前公开的套餐说明，免费用户每 3 小时可以发 15 条消息，上下文限制在 32K 左右，不支持图片和视频生成；付费用户则拥有更高的速率、百万级上下文，以及深度研究、文件分析这类重功能。

之所以把这张表列得这么清楚，是因为我已经看到不少人把"免费开放"理解成"成本归零"，然后冲动地把生产环境的调用全切过去。等跑到第 14 条消息开始限速，才发现回不去了。我的建议是：个人试用、内容生产、日常问答，放心用免费版；生产链路还是老老实实看 API 账单，别赌免费额度。

2.2 免费背后的三笔账

任何免费策略，本质上都是在算账。第一笔账是数据飞轮。免费用户每天产生的使用行为和偏好信号，是强化学习阶段最昂贵的"人工标注替代品"，这部分数据价值远高于那点算力成本。第二笔账是生态锁定。当用户习惯把 GPT-6 当默认入口，后续推新的付费能力时转化成本极低，这是所有入口型产品的经典打法。第三笔账是竞争防御——开源模型这两年把价格压得很低，与其让用户流失到开源阵营，不如直接在前端把门槛拆掉。

这三笔账放在一起，还能读出一个更深层的信号：前沿模型的边际成本已经降到了可以支撑免费服务的水平。换句话说，模型本身的智能可能不再是最稀缺的资源，数据、场景和用户习惯才是。免费的 GPT-6 不是慈善，是一步很清醒的棋，而且是一步不得不下的棋。

2.3 对开发者和普通用户的实际影响

对普通用户，最大的变化是"工具平权"——一个几个月前还要付费才能体验的模型，现在注册就能用。我身边的非技术朋友今天早上已经在排队测试了，这放在两年前很难想象。模型能力本身还是那个天花板，但到达天花板的门票变便宜了，这是实实在在的进步。

对开发者，真正值得关注的不是免费版，而是 API 价格的同步下调。API 定价一降，意味着所有基于它构建的第三方应用都可以跟着降价，下游应用的毛利空间一下子被打开，很多之前算不过来的产品方案，现在可以重新算一遍。

但也要泼一盆冷水：免费开放会让很多套壳产品的差异化更难建立。如果产品只是"包一层界面的模型调用"，那模型免费之日，就是这类产品开始内卷之时。真正能活下来的，一定是有不可替代的数据或场景的产品。门槛降低了，竞争的层次反而提高了。

3. Manus 重返北京：通用 Agent 开始认真谈落地

3.1 为什么是"重返"而不是"首发"

Manus 从 2025 年出圈开始，就是通用 Agent 赛道里话题度最高的名字之一。它的核心玩法大家应该还有印象：在一套云沙箱里自动分解任务、规划步骤、调用浏览器和代码环境，最后交付一份结果——可能是浏览器截图，也可能是一份整理好的报告，用户全程只需要盯着任务列表。当时火到什么程度？邀请码一码难求，论坛里全是求码帖，团队一度不得不靠限流来控制并发。

后来的故事大家也知道，它的重心转向了海外市场，在国内的声量慢慢降了下来。所以这次"重返北京"的字眼特别值得玩味——不是新品首发，而是带着迭代后的产品重新回到一个曾经离开的市场。这说明团队判断：国内 Agent 市场的窗口期到了，再不来就晚了。

3.2 回北京意味着什么

我觉得这次回归至少有三层意思。第一层是场景。国内的电商后台、办公套件、本地支付这类真实场景的接口和数据，必须在本地有团队才能高效接入。海外的通用 Agent 再强，进来也会"水土不服"——它不懂本地产品的交互习惯，也不熟悉本地数据的流通方式。第二层是本地化合规。面向国内用户提供服务，数据的存储、安全审查这些环节，都需要本地化团队去处理，这已经是所有 AI 产品进入这个市场的必修课。第三层是竞争。国内的大厂和超级 App 都在往 Agent 平台方向砸资源，Manus 再不回来，等对手把用户习惯占住，就没有位置了。

从产品侧看，这次回来的版本明显更"商务"了。我注意到宣传重点不再是"什么都能干"的炫技，而是企业知识库问答、销售线索自动筛选、合同信息提取这类具体的办公场景。这是一个很好的信号：通用 Agent 不再靠概念吸睛，开始靠场景养团队了。任何一个做 Agent 的朋友应该都有同感——炫酷的 Demo 谁都会拍，难的是把单个场景里的流程真正跑通、跑稳、跑到让用户离不开。

3.3 Agent 赛道的下一步

把 Manus 回归放进大背景，其实能看到 Agent 赛道正在经历一个大转向：前半场的竞争靠模型能力，大家比谁的规划更聪明、谁的执行更少翻车；后半场的竞争已经开始拼场景数据和生态接口了。模型底座越来越像公共水电，Agent 产品谁离用户的活儿更近，谁就赢。

对普通用户，我的建议是先别急着把它当成万能助理。任何 Agent，在它的弱势场景里都会翻车。先用它跑两周自己的高频任务，比如整理会议记录、做资料调研、批量整理表格，慢慢建立信任边界，再决定把哪些关键任务交给它。Agent 不是替代人，它是把人的时间从重复劳动里抠出来。

4. 三条新闻拼在一起：模型、价格与场景同时换挡

4.1 模型层的信号：能力溢价正在消失

第一条，Haiku 5.5 把轻量模型的价格压到新低；第二条，GPT-6 免费开放。这两件事其实是同一个信号的两种表达：前沿能力的成本曲线，正在以肉眼可见的速度下行。当最聪明的模型开始免费（哪怕有限速），当轻量模型便宜到可以批量扫数据，模型本身的"聪明"就不再是稀缺品了。

这会带来一个连锁反应：所有把"我们接入了最强模型"当卖点的产品，都要重新找差异化。接下来半年，你会看到很多产品更新不再强调"换了个更牛的底座"，而是强调"我们在自己的场景里做了哪些事"。竞争会转移到数据壁垒、场景深度、交付体验上，而不是"模型比我对手强一代"这种话术。

4.2 产品层的信号：入口之争回到真实场景

第三条新闻，Manus 重返北京，是产品层信号。它说明通用 Agent 的叙事开始从"无所不能"转向"把高频场景做深"。这里有个经验可以分享：过去一年里真正留下来的 Agent 应用，几乎都不是靠通用能力取胜的，而是靠把某个垂直场景的流程走通。

客服行业是最典型的例子。单纯"聪明"的对话模型早就有了，但真正能落地的解决方案，是把工单分类、知识检索、话术生成、人工转接串成一条完整链路，每一步都要跟客户现有的系统对接。内容行业也是一样，把采访录音到成稿的中间步骤自动化，比单纯让模型写文章有价值得多——因为前者是在用户的流程里做事，后者只是给用户一个更好的打字机。

当模型便宜了，Agent 的瓶颈就从"买不起模型"变成了"摸不到数据"。谁能离业务流程更近，谁就有护城河。Manus 回北京，本质上就是去摸数据的。

4.3 我判断接下来三个月的风向

基于这三条新闻，我给自己和团队定了几个判断。第一，轻量模型的调用会大规模进入生产代码，凡是高频、简单、容错率高的任务，全部交给小模型，大模型只留硬骨头。第二，免费入口会带来一波新用户潮，但真正的生意在 API 和企业授权，不在免费层。第三，Agent 的竞争会从模型层往场景层迁移，未来半年会出现大量行业 Agent，然后快速淘汰掉一批只会套壳的。

这三个判断不是拍脑袋。免费和低价会把用户基数撑大，基数一大，垂直需求就暴露出来；需求靠通用模型硬解解不好，就必须有人扎进具体行业里做定制。这就是我理解的换挡——AI 行业正从"技术驱动"切换成"执行驱动"。同样的模型，谁能更快地把用户的任务跑通，谁就能吃到下一波红利。

5. 看完新闻，我接下来两周的准备

最后说说我自己的行动清单，你可以直接抄，也可以按你的场景改。

第一，把数据清洗和日志分析任务全部切到 Haiku 5.5，预算按原计划的四成重新做。迁移顺序是先跑一周影子模式——新旧两套并行，对比结果一致了再切主链路。第二，在个人测试环境里把 GPT-6 免费版接进来，跑我常用的问答和写作工作流，但线上生产不动，等 API 稳定版本出来再做评估。第三，挑三个具体的办公场景用 Manus 新版本各跑一周，记录它在每个环节的耗时和翻车点，做一份内部评估报告，重点看它在"流程可复用"这件事上到底靠不靠谱。

还有一条给普通用户的老实话：工具可以随便换，数据和流程不能乱。所有的迁移都从低风险任务开始，先验证再放量。这两年我踩过最大的坑就是急着追新，把生产环境的稳定性搭进去了。这次三条消息我一条都不急着全量接入，但每一条我都会花两周时间去验证。

AI 行业跑得再快，最后赢的永远是手里有稳定流程的人。