推理变便宜之后：用《创新者的窘境》判断哪些在位者会被击穿

觉学社 · 2026-11-11 00:06 · 1 阅读

原创张汉东 2026-11-11 00:06 美国

你的产品里，有哪一部分价值来自“这件事让人做太贵”？如果这个问题答不清楚，也不用急着做五年规划。

Anthropic 昨天发布了 Claude Fable 5.2。看到标价时我没太在意：每百万输入/输出 token 从 10/50 美元降到 8/40 美元，只便宜两成。往下读到单任务成本，我才停下来。在 FrontierCode 2.0 上，它开 High 档拿到 45.3%，Opus 5.5 开最高的 Max 档是 45.5%，两者基本打平，而 Fable 每个任务的花费只有 Opus 的一半左右。到了 HLE 和 Chartography，同等水平的单任务成本还不到 Opus 的十分之一。

接着我想起最近几天读的《创新者的窘境》里划线最多的一句：

导致企业失败的决策，恰好是在领先企业被广泛誉为世界上最好的企业时做出的。

推理越来越便宜，总会有在位者被击穿。我想弄清楚的是先倒下的会是谁，又有哪些公司反而会因此更强。这篇我用克里斯坦森的标尺来判断，把在位者分成两类，证据用的是 GitHub、Shopify 和 NVIDIA 最近的动作。

便宜的是“一次任务”，不只是 token

先把账算清楚。按 token 计价，Fable 5.2 并不便宜：Opus 5.5 是每百万 token 4/20 美元，Fable 是它的两倍；如果开 fast mode，生成速度最多快 2.5 倍，价格再翻一倍，到 16/80 美元。只看标价，结论会是“顶级模型依然很贵”。

单任务成本能降这么多，是因为它完成同样的活用的 token 少得多。除了开头说的 FrontierCode，Perplexity 的 WANDR 也是这样：Fable 开默认的 Medium 档，就追平了 Opus 5.5 的最高分，单任务成本约为后者的 40%。所以这篇里说的“便宜”，我一律按做成一件事花多少钱来算，不按每个 token 的标价。

规模化的干活也在变便宜。Anthropic 第一次把费马大定理形式化成 Lean，用的是未发布的研究版 Claude，花了 11 天，靠专门搭的 harness，还有研究员在旁边指导。这次 1,000 个 Fable 5.2 agent 只用了 30 小时，人工干预很少，action tokens 只有上次的三分之一。另一个例子是一位工程师让它从空文件夹开始写操作系统：它调度了 1,000 多个 subagent，连续跑了八天，写出的系统能在笔记本上启动。

这些数字我是打了折扣读的。它们都出自 Anthropic 自己的发布文章，第三方还没复现；费马那次的图注写得很清楚，每个模型只跑了一次。我拿它们来看方向，不当成定论。

还有一点要交代。这篇本来可以从推理工程讲起，比如 batching、量化这些成本是怎么一层层压下来的。但我手上那本《Inference Engineering》只读到 12%，还没有能用的笔记，所以这篇不碰技术细节，只讨论单任务成本下降之后，生意上会发生什么。

克里斯坦森的标尺：技术本身不杀人，能力贬值才杀人

一说到技术剧变，很多人默认的解释是：变化太快，大公司跟不上。克里斯坦森管这种说法叫“科技泥流假设”，意思是企业像在泥石流上求生，一停下来就会被吞没。他原本也以为研究会证实这一点，结果硬盘行业的数据推翻了它：

不管是技术变革的速度或者难度，都不是导致领先企业失败的根本原因，“科技泥流假设”是错误的。

硬盘行业里那些最复杂的突破性技术，几乎都由在位者领跑，因为它们延续了原有的性能轨道，客户也在推着企业往那个方向走。所以我判断一家公司危不危险，不看它面对的技术有多难，看的是另一句：

当技术变革破坏了企业以前培养的能力价值时，企业将会遭遇失败；而当新技术提升了企业一直在发展的能力价值时，它们则会取得成功。

这句话后面会拿来给在位者分类。还有一条值得一起记住：破坏性技术往往是把经过验证的组件重新组合，结构更简单，价格更低，技术本身并不新。用这个眼光看 agent，会发现它本身就是一次重新组装。NVIDIA 给 DGX SuperPOD 搭的运维 agent，零件全是现成的：本地部署的 Nemotron 模型负责推理，MCP 连接工具，Kubernetes 提供部署和权限隔离，Grafana 和 Prometheus 提供观测数据。新的是把它们拼在一起的方式，以及单任务成本降下来之后，这样拼终于算得过账。

最后一条决定了被击穿的公司为什么转不过身。克里斯坦森说，能力体现在人身上时，改起来还算容易；一旦扎根在流程和价值观里，变成文化的一部分，就会“异常困难”。组织结构也会反过来影响产品：团队按什么方式分工协作，往往就只能设计出什么样的东西。我对这句的理解是，一家公司如果几十年都按“人手贵”来组织团队，它看到的机会，也会被这套组织方式限定住。

第一类在位者：能力被放大，靠重构活下来

先看不怕被击穿的一类。GitHub 最近在工程博客上介绍了重做的 Git 存储架构，代号 Rubicon。按内部测试，它能支撑 5,000 个并发 agent、每秒 7,200 次 push，读延迟仍然较低。

我觉得它的核心观察很漂亮。Git 对象不可变，按内容命名，写入时不需要和谁协商。真正需要达成一致的只有引用（reference）更新，而这部分数据很小。原文的说法是：

Only reference updates need agreement.

于是引用单独放进一个复制日志服务 Ref-CAS，pack 数据放在 Azure Blob Storage，计算节点做成可以随时丢掉、随时重建的 virtual replica，本地盘只当缓存用。存储和计算拆开以后，各自独立扩展。

用克里斯坦森的标尺看，这是很典型的延续性创新。agent 带来的写入洪峰，放大的正是 GitHub 本来就在卖的东西：托管代码、协调多方写入。agent 越多、单任务越便宜，仓库被写得越频繁，GitHub 这门生意也越重要。书里说：

更努力地工作，更聪明地管理，更积极地投资，更认真地听取客户的建议，这些都是应对新型延续性技术所带来的问题的解决之道。

GitHub 做的就是把底座重写一遍，让它扛得住新负载。

NVIDIA 也是同一个逻辑。它推荐的部署方式是单独一套带 GPU 的控制平面，专门跑 agent 的编排和推理，和生产集群隔离开。推理越便宜，值得交给 agent 去做的运维活就越多，消耗的 GPU 也越多，它的硬件和控制面因此更有用，不会被贬值。

保留意见也要说在前面。Rubicon 的性能数字来自 GitHub 的内部测试，没有第三方验证，目前还处在 limited private preview 阶段，大范围上线要等到明年初。方向我认同，能不能扛住真实的 agent 流量还要再看。

第二类在位者：为“人手贵”而存在的中间层

另一类在位者就没这么幸运了。Shopify 最近公开了一套叫 Reflex 的移动端架构，其中一条原则我反复读了好几遍：

Share the test, not the code.

iOS 和 Android 各写一份原生代码，两端只共用一套测试，靠测试保证行为一致。只有一端通过的 PR 不能合并。他们不再维护跨平台抽象层，前提是“第二份原生实现”的成本已经低得多了。

这个前提很要命。跨平台框架之所以有价值，是因为让人把同一个功能写两遍太贵。如果 agent 把写第二遍的成本压下来，这层抽象原本省下的钱就不值那么多了，剩下的主要是维护桥接的负担。这正是克里斯坦森说的情况：技术变革“破坏了企业以前培养的能力价值”。它所解决的那个问题变小了，跨平台框架本身并没有变差。需要说明的是，Shopify 没有给出成本数据，“写两遍比维护桥接便宜”是他们的判断，而这篇文章本身也在为他们回归原生的决定背书。

监控领域也有同样的苗头。NVIDIA 在总结运维 agent 的经验时提到，跨层关联能找出“isolated tools”漏掉的根因，SRE 不用再逐个翻看计算与网络、硬件与调度各层的 dashboard。按层切分的监控产品，过去卖的是“这一层我看得最清楚”。agent 能把各层串起来看，单层工具就更像是数据源，而不是终点，护城河就在变浅。

不过瓶颈只是换了位置。Shopify 的原话是：agent 几分钟就能写完一个屏幕，真正慢的是证明这个屏幕能用。所以 Reflex 把 app 改造成可以无头运行的形态：Core 不依赖任何 UI，ViewModel 只暴露“状态 + 动作”，测试直接驱动这两样东西。1,700 多个行为测试在 CI 上大约 4 分钟跑完。这里也有保留：这些测试只能证明两端逻辑一致，渲染和布局还得靠视觉评审和少量截图测试来兜底。

我的看法是，中间层的价值一旦来自“人手稀缺”，就该警惕了。agent 拿走的正是这份稀缺，被拿走的同时，新的价值会转移到验证这一环。

收束：谁在过度满足，谁还在听最好的客户

Anthropic 自己也在做在位者会做的选择。它在发布文章里建议日常先用 Opus 5.5，任务更宏大时再升到 Fable 或 Mythos，更简单时降到 Sonnet、Haiku，并没有把 Fable 5.2 设成默认。Fable 和 Mythos 是同一个底层模型，区别在护栏和准入：Fable 带安全分类器，面向所有人；Mythos 只开放给通过审核的组织。我的理解是，这套升降档在服务最挑剔、最愿意付钱的那批客户。这个判断没有贬义，延续性创新本来就该这样做。

克里斯坦森还有一条演化规律：

选择产品的基础通常是从功能性演变至可靠性，然后再发展到便捷性，最后发展到价格。

在最难的任务上，前沿模型还在比功能。FrontierCode 上 Fable 的 49.1% 和 Opus 的 45.5% 之间，仍然有人愿意为这几个点付钱。日常任务就不一样了。Fable 开 Low 档就能追平 Opus 在 HLE 上的最高分，这让我怀疑，很多日常场景已经被“过度满足”：模型的能力超出了客户实际需要的水平，也超出了客户愿意付的价钱。到了这个阶段，竞争会转向可靠性、便捷性和价格。

所以我认为最危险的是两类公司。一类只听最好的客户，把预算全押在“更强”上。另一类是中间层，定价靠的是“人力稀缺”。前一类会在价格战里发现差异化失灵，后一类会发现自己卖的那份稀缺已经不存在了。

最后留一个问题给大家：你的产品里，有哪一部分价值来自“这件事让人做太贵”？如果这个问题答不清楚，也不用急着做五年规划。克里斯坦森说过：

尚不存在的市场是无法分析的。

面对这种局面，要先定一份学习和发现的计划，执行计划可以晚一点再写。

参考

《创新者的窘境》，克莱顿·克里斯坦森
Inside GitHub's new Git storage architecture^[1]
Reflex: an architecture for building mobile apps with agents (2026) - Shopify^[2]
How NVIDIA Uses AI Agents to Streamline AI Factory Operations | NVIDIA Technical Blog^[3]
Introducing Claude Fable 5.2 and Claude Mythos 5.2^[4]
X 上的宝玉 (@dotey)^[5]