三十年河东：硅谷开始抄中国作业了。Opus 5.5 和 GPT-6 Luna 的身上，刻着姚顺雨和梁文锋的名字
AI飞行客 三十年河东：硅谷开始抄中国作业了。Opus 5.5 和 GPT-6 Luna 的身上，刻着姚顺雨和梁文锋的名字
先看一个数字。
Artificial Analysis 的智能指数里有一项统计：跑完一道题,平均要输出多少 token。
在 max 档位下，Claude Opus 5.5 平均每题要吐出 11.9 万个输出 token——其中 8.4 万是”思考”，3.5 万是最终答案。而同期 OpenAI 的 GPT-6 Astra，同一档位只用了 2.7 万。
五倍差距。这不是算错，这是两条完全不同的技术路线。
而更值得玩味的是：Opus 5.5 走的这条路，一个中国研究员早在 2023 年就画好了图纸。
阿莫迪抄了姚顺雨的作业
Opus 5.5 的核心变化是：它不再提供”关闭 thinking 模式”的选项。
这个细节的分量，比任何一句官方宣传都重。它在变相承认：推理过程就是模型的一部分，你不能关掉它。
官方声明写的是，除非特别注明，所有成绩都跑在”adaptive thinking at max effort”（最大力度自适应思考）下。
这就是 test-time compute 路线——训练完的模型只是半成品，真正答题时先写一大段推理，想得越久答得越好。智力不再只来自权重，还来自每次调用时现场的推理。
换句话说：智力被搬进了上下文。
这条路线的开创者之一，就是姚顺雨。2023 年他提出 Tree of Thoughts（思维树）——推理时展开多条思路、边想边搜索最优解。同年提出 ReAct 架构，让模型”推理”和”行动”交替进行。2025 年 4 月那篇《The Second Half》更是直接给出了判断：
> AI 的上半场拼的是”训练方法与模型”——更大的参数、更多的数据、更强的算力。到了下半场，拼的是”如何使用与评估模型”。增量正在从”训练”挪到”推理与行动”。
姚顺雨还有一个特别妙的洞察：他把”思考”称作一种”奇怪的动作”。
RL 里的动作是用来改变环境的——打开一个箱子，箱子的状态就变了。但思考不会，你想一万遍箱子也不会自己开。姚顺雨举了个例子：两个盒子，一个装 100 万美元，一个是空的，期望收益 50 万。现在往里塞进无数个空盒子，期望收益就趋近于零——因为你要从无穷多个盒子里挑那个装钱的。但诡异的是，加入”推理”这个动作之后，模型反而更容易选中那个装钱的盒子。
因为挑选空盒子的过程本身，就是在为”选中装钱盒子”做准备。
Opus 5.5 干的事，就是把姚顺雨这张图纸工程化了。
奥特曼抄了梁文锋的作业
如果说 Opus 5.5 的重点是”怎么想”，那 GPT-6 Luna 的重点就是”怎么便宜地想”。
GPT-6 Luna 输入 0.1 美元/百万 token、输出 0.5 美元/百万 token，比上一代直接砍半。如果缓存命中，读一次缓存只要 0.01 美元/百万 token——比标准输入价便宜 90%。
这套动作，DeepSeek 早就做完了。
2026 年 8 月 2 日，DeepSeek 上线”Context Caching on Disk”（磁盘上下文缓存），把重复内容缓存在磁盘阵列上，命中时直接取用、跳过重算。命中价砍到 0.1 元/百万 token，比未命中便宜正好也是 90%。
到了 V4 Flash，命中 0.02 元、未命中 1 元，差 50 倍。
原理也几乎一样。GPU 显存极贵，能装的 KV cache 有限；硬盘便宜且大。把 KV cache 写进硬盘，成本立刻塌下来。OpenAI 现在做的 prompt caching，和 DeepSeek 是同一个思路——同一段前缀算过一次存起来，下次直接读。
不止价格，还有架构。
GPT-6 Luna 上下文窗口 105 万 token，DeepSeek V4 是 100 万 token——几乎对齐。但 100 万上下文的 KV cache，按标准注意力机制来算，一半的模型根本扛不住。
DeepSeek 用的是 MLA 架构：把 Key 和 Value 联合压缩进一个低维潜空间，缓存那个潜向量、用时再上采样还原。DeepSeek-V2 的技术报告写着，MLA 把 KV cache 砍掉 93.3%，生成吞吐提升到 5.76 倍。到 V4，又叠上压缩稀疏注意力和重度压缩注意力，V4-Pro 在百万 token 下 KV cache 只有上一代 V3.2 的 10%。
第三招：推测解码
还有一招更隐蔽的。
OpenAI 官方博客说，他们跑一个更小的 draft（草稿）模型，让它和主模型并行”猜”接下来几个 token，主模型再批量验收。猜对了，一次前向就能吐好几个 token。官方称这一项让生成效率提升 15% 以上。
这个思路，2024 年的 DeepSeek V3 里就有了，叫 MTP（Multi-Token Prediction，多 token 预测）。
区别只在实现：DeepSeek 是在主干模型后面直接挂一个 MTP 头，训练时和主干一起训、共享 hidden state。推理时这个头知道主模型内部状态长什么样，所以猜得准、验收通过率高。OpenAI 则是外挂一个独立小模型打草稿——两个模型各跑各的，草稿不知道主模型在想什么，只能猜完由主模型验收。
方法不同，思想同一个：小的先猜、大的批量验，把串行解码变并行。
一个让人不太舒服的结论
以前的剧本是这样的：定义模型的是硅谷，国内公司算力有限，所以把硅谷的定义转换成更便宜的解决办法。
这一轮，反过来了。
学术范式（test-time compute）和工程范式（缓存、MLA、稀疏注意力、推测解码），都是中国公司先做出来的。美国的巨头们负责最后一步——把它做成产品，卖给全世界。
为什么会这样？
因为过去几年，大厂的资源、人才、注意力全部 all in 在预训练这个主战场上。大家按 Scaling Law 堆数据、堆算力、刷榜单。可头部公司现在都撞上了同一堵墙：优质数据近乎训练殆尽，预训练边际收益递减。
于是行业的增量自然出现在第二战场——推理时怎么想、上下文怎么用、长上下文怎么便宜。
这里有个反直觉的地方：主战场上的优势，到了第二战场反而是累赘。
手里攥着最多算力和数据的一方，恰恰最没动力去抠成本、抠效率。”反正我堆卡就能解决问题，何必费劲想更聪明的办法？”——省显存、省钱这件事，从一开始就不是他们的议题，甚至有点”掉价”。
只有算力吃紧的一方，才会把每一分钱花在刀刃上。
DeepSeek 的 MLA、磁盘缓存、稀疏注意力，本质上都是”穷则思变”。 当年它们只是”没钱的替代方案”，是没办法的办法。可真到全行业开始拼效率的时候，这些”土办法”忽然成了最硬的通货。
所以才会出现国外”偷师”国内的现状。
别急着高潮
但我不打算把这事说成”中国 AI 赢了”。
恰恰相反，最该警惕的正是这种叙事。技术范式的领先，和商业价值的领先，中间隔着一条巨大的鸿沟。
DeepSeek 做出了 MLA，可把它变成 500 美元/月订阅产品的是 OpenAI。姚顺雨画出了 test-time 的图纸，把它做成”不提供关闭 thinking 选项”的成品的是 Anthropic。
定义范式的人，和被市场记住的人，往往不是同一批。
真正值得中国公司思考的问题不是”我们技术领先了”，而是：为什么领先的范式，总是由别人先变成产品？
这轮”偷师”事件真正的分量，不在谁抄了谁。而在于它证明了一件事——当算力不再是护城河的时候，工程效率就是新的护城河。 而工程效率这件事，拼的从来不是钱多，是脑子。
穷则思变，思变则通。这句话现在轮到硅谷来体会了。