在科技界的一次重大事件中，OpenAI于2月28日凌晨悄然发布了其最新的GPT-4.5模型。然而，这次发布并未如预期般收获满堂喝彩，反而引发了大量网友的吐槽，焦点主要集中在高昂的价格和迟缓的反应速度上。
网友@Colin Fraser通过实测发现，GPT-4.5在处理一道逻辑谜题时出现了严重错误，这无疑为这款新模型的口碑雪上加霜。价格方面，GPT-4.5的API定价高达每百万Tokens 75美元，这一价格不仅远超同类竞品DeepSeek R1，甚至比GPT-4的定价高出30倍之多。网友Casper Hansen直言不讳地表示：“GPT-4.5的定价非常高，如果这些模型没有显著改进，我会感到失望。”
此次OpenAI的发布会显得颇为仓促，甚至CEO奥特曼也未能现身，原因是他需要照顾刚出生的孩子。这种紧迫感的背后，或许与中国大模型技术的迅猛发展密切相关。
就在同一天，百度正式宣布将于3月16日上线文心大模型的最新版4.5。这款新版本不仅在基础模型能力上有了大幅提升，还具备了原生多模态和深度思考等先进功能。更令人瞩目的是，百度宣布将从6月30日起将文心4.5开源，这一举措无疑将为中国大模型技术的发展注入新的活力。
近期，DeepSeek发布的DeepSeek-R1大模型也引起了广泛关注。这款模型在数学、代码、自然语言推理等任务上的性能堪比OpenAI的GPT系列，更重要的是，它对算力资源的利用达到了极致，从而实现了成本的最小化。国外同行在《自然》杂志上对此惊叹不已：“这太疯狂了，完全出乎意料。”
在这场中美大模型的竞赛中，除了比拼基础能力外，对成本的控制和开源生态的建设也成为了关键因素。这些因素将直接决定大模型能否真正实现大规模落地应用。
过去，中国的大模型技术一直被视为OpenAI的追随者，从语言模型到多模态模型，再到推理模型，中国总是紧随其后。然而，如今这一局面正在发生深刻变化。著名人工智能研究学者、DeepLearning.AI创始人吴恩达在博客中指出：“中国在生成式AI领域正在赶超美国，甚至在视频生成等领域，中国似乎已处于领先地位。”
GPT-4.5的“失灵”正是中美大模型实力博弈的一个缩影。它反映出当前大模型领域的地位变迁——与那些开启狂卷模式的其他公司相比，OpenAI所能带来的技术突破越来越有限，且性价比极低。相比之下，国内大模型公司正以前所未有的速度发布新产品，展现出了强大的竞争力。
在这场由国内发起的大模型“第二场竞速”中，中国大模型界呈现出“百花齐放”的态势。DeepSeek不仅在性能上直追OpenAI的推理模型，还大幅降低了训练和推理成本。MiniMax的新模型则摒弃了海外公认的Transformer架构，采用了更利于上下文记忆的线性注意力机制。月之暗面的推理模型K1.6尚未正式发布，但已在基准测试平台LiveCodeBench上登顶第一，超越了OpenAI的GPT-3 mini。
在技术不断缩小甚至超越的基础上，中国大模型开始发挥自身的主场优势。对于那些从一开始就思考落地问题的大模型公司来说，谁能在技术优势的基础上找到落地场景的最优解，谁就能在这场应用卡位赛中脱颖而出。
百度作为大厂梯队中的一员，其在大模型之战中的表现尤为引人注目。2月13日，百度宣布文心一言将于4月1日起全面免费开放给所有PC端和APP端用户。在OpenAI大肆推进商业化、开售高价会员服务的背景下，百度的这一举措无疑展现了极大的诚意。
不仅如此，百度还计划将文心一言4.5开源。李彦宏深刻认识到，无论开源还是闭源，基础模型只有在大规模解决现实问题时才具备真实价值。因此，百度在追赶海外顶尖技术的同时，也跳出了固有的竞争框架，积极探索弯道超车的可能性。
春节后的一个月内，中国大模型市场掀起了一股DeepSeek接入潮。截至目前，已有近200家企业官宣将深度接入DeepSeek大模型产品。百度AI搜索、百度文库等C端产品以及B端的云厂商纷纷集成DeepSeek大模型，为客户提供相关API调用服务，并考虑推出私有化部署方案。
百度智能云千帆平台在接入DeepSeek-R1/V3模型后，上线首日即有超过1.5万家客户通过该平台进行模型调用。同时，百度智能云旗下的客悦、曦灵、一见、甄知四款大模型应用产品也正式上线了接入DeepSeek模型的全新版本。
在基础设施层面，百度也深度适配了DeepSeek。基于自研的昆仑芯P800，百度百舸发布了部署“满血版DeepSeek R1+联网搜索”的服务，能够为企业提供及时、准确的信息支持。针对企业私有化部署需求，百度智能云推出了DeepSeek一体机解决方案，在私有化部署层面搭载昆仑芯P800的百舸、千帆、一见一体机产品，可支持在单机环境下一键部署DeepSeek R1/V3全系列模型，提供开箱即用的便捷体验。
随着大模型技术的飞速发展，持续投入已成为确保技术创新的关键。李彦宏表示：“我们仍需对芯片、数据中心和云基础设施进行持续投入，以训练更好更智能的下一代模型。”为了实现这一目标，需要使用更多的算力来尝试不同的路径。
对于企业自身而言，前期研发成本投入是固定项，只有当技术真正投向应用并让更多用户使用时，才能实现规模经济优势。而扩大规模经济优势的同时，只有通过技术降本才能使免费和降价策略得以持续。李彦宏曾预言：“今天当我们谈论大型语言模型时，12个月内推理成本基本上可以降低90%以上成本，并且大模型的性能也会越来越好。”
