一场由代号“龙虾”的Agent框架OpenClaw引发的行业风暴，正在彻底重构大模型领域的竞争规则。过去一年，行业陷入“拼参数、拼算力、拼单轮回答质量”的同质化竞争，各大厂商通过烧钱训练、低价策略争夺市场，却始终未能突破“问答工具”的局限。直到OpenClaw的出现，这只横空出世的“技术龙虾”不仅让大模型调用量暴涨，更将行业从“参数内卷”推向“价值竞争”的新阶段。
中关村国际创新中心再次成为行业变革的焦点。两个月前，智谱AI与月之暗面在此探讨大模型未来；如今，两家公司再度同台，与小米、无问芯穹等核心玩家共同剖析OpenClaw带来的颠覆性影响。这场论坛上，一个共识逐渐清晰：大模型的价值坐标正在从“回答精准度”转向“任务完成度”。OpenClaw首次将模型从“问答工具”升级为“任务助手”，用户输入目标后，系统自动拆解步骤、执行任务、修正错误，最终交付完整结果。这种交互模式的转变，直接改写了行业评价标准——单轮回答质量不再是核心指标，复杂任务的稳定收敛能力成为关键。
“Token正在失控式增长。”无问芯穹创始人夏立雪的论断引发共鸣。数据显示，其公司Token用量自1月底起每两周翻倍，Agent场景下的单任务消耗更是传统问答的100倍。这一现象彻底颠覆了“Token是成本指标”的旧共识。在问答时代，用户需求简单，厂商通过免费额度吸引用户；但当模型开始“干活”，Token消耗与任务价值深度绑定，成为衡量生产力的新标尺。智谱CEO张鹏直言：“长期低价竞争不可持续，价格调整是为了回归商业本质。”该公司发布的GLM Turbo模型已明确转向任务执行场景，通过提升Token价值密度重构定价体系。
推理时代的加速到来，成为这场变革的另一大推手。随着任务复杂度飙升，上下文长度突破1M甚至10M级别，对模型推理能力提出前所未有的挑战。小米MiMo负责人罗福莉透露，当前技术难点在于如何平衡长上下文处理中的成本与速度：“只有解决这个问题，才能激发高生产力任务，实现模型自迭代。”为此，行业正加速探索Hybrid架构、Linear Attention等创新技术，试图在推理侧构建新优势。罗福莉预测，今年推理需求可能增长100倍，未来竞争将聚焦于全链路综合实力，而非单一模型能力。
系统能力的崛起正在抹平模型间的差距。OpenClaw通过Skill和工具组合，让次顶级模型也能完成复杂任务。罗福莉举例称，国内次顶级闭源模型在多数场景下的任务完成度已接近顶级模型，这种变化使用户更关注结果而非模型参数。香港大学助理教授黄超从学术视角补充道，OpenClaw的开源特性降低了行业参与门槛，构建AI能力的重心从算法研发转向系统工程。这种转变让更多团队能通过工具组合创造价值，推动大模型从“少数玩家的游戏”转向“全民生态”。
中国团队在推理时代的创新优势逐渐显现。两年前，受算力限制的中国厂商通过模型结构创新（如DPCV3、M1等）提升效率；如今，这种基因仍在发挥作用。智谱的GLM Turbo和小米的Long Context Efficient架构，均体现了中国团队在推理侧的持续突破。月之暗面在IPO前夕参与这场论道，折射出行业变革的紧迫性——若能在推理时代抢占先机，将为其上市增添重要筹码；而已布局的厂商则需在推理效率、成本控制等领域持续投入，以巩固领先地位。
尽管OpenClaw带来了Token激增、技术投入加大等挑战，但它无疑是大模型行业的重要转折点。当模型从“实验室”走向“真实场景”，从“聊天工具”变为“生产力工具”，行业的核心逻辑已彻底改变：参数规模不再是决定性因素，能否解决实际问题、创造真实价值才是关键。这场由“龙虾”引发的变革，正在将大模型推向一个更务实、更高效的竞争新阶段。
