「模型退位，编排上位」——AI 竞争进入智能体时代

过去两年，AI 行业的竞争叙事简单而直接：谁的模型参数最多、谁的 benchmark 分数最高，谁就是赢家。这套逻辑正在失效。

2026 年 7 月 9 日，Perplexity 发布了一条推文：他们为 Perplexity Computer 产品适配了智谱 GLM 5.2 开源模型，经过后训练调优后，性能接近旗舰水平，推理成本仅为 Claude Opus 的 34.4%。同一天，BenchLM 的基准测试显示，Grok 4.5 在 Agentic 任务上以 83.3 分反超 Claude Opus 4.8 的 80.3 分——而 Grok 的 API 价格仅为 Opus 的四分之一。

这些不是孤立事件。它们指向同一个趋势：AI 竞争正在从模型军备竞赛转向智能体编排之战。

模型不再是产品

Perplexity CEO Aravind Srinivas 说得直白：「模型本身已经不再是核心产品，关键在于『框架』——那个将模型置于功能强大的框架之中，并将其与众多工具相匹配的协调系统。」

这段话背后是一幅正在成型的行业图景。一个 AI 产品不再绑定单一模型，而是一个智能路由系统：常规任务用便宜的开源模型，复杂推理才调用昂贵的旗舰模型。Benchmark 合伙人 Peter Fenton 甚至预测，未来 18 到 24 个月内，90% 以上的 Token 将由开源模型生成。

五层架构：智能体编排的技术底座

这场转变不仅是商业叙事，更有技术架构支撑。业界正在围绕智能体编排沉淀出一套五层参考架构：

• Layer 1 — 运行时与基础设施：模型服务、会话隔离、持久化执行、身份与凭据管理
• Layer 2 — 专用智能体：检索器、推理器、执行器、验证器、监控器，各司其职
• Layer 3 — 互操作与通信：MCP（Model Context Protocol）管理单个智能体的工具与数据访问；A2A（Agent-to-Agent）协议处理智能体间的发现与委托
• Layer 4 — 编排控制平面：任务分解、智能体路由、状态与记忆共享，支持图编排、角色协作、对话式委托等多种模式
• Layer 5 — 治理与可观测性：策略引擎、审计追踪、人机协同闸门

其中 Layer 3 正在成为事实标准。MCP 和 A2A 两个开放协议分别解决了「智能体如何调用外部能力」和「智能体之间如何协作」这两个核心问题。它们的普及意味着，编排层不再需要从零搭建。

中国力量：从追赶者到参与者

这轮范式转换中，中国模型和团队的存在感显著增强。

智谱的 GLM 5.2 被 Perplexity 选中作为其核心编排引擎的基座模型，这在此前由 OpenAI 和 Anthropic 主导的叙事中是难以想象的。腾讯混元 Hy3 仅激活 21B 参数，就在部分 Agent 和办公任务上打平旗舰水平。智谱还启动了「TouchHigh 摸高计划」，未来两年重点砸向长程任务、自治智能体和完全自我训练。

这不是简单的技术追赶。当竞争焦点从「造最强的模型」变为「用得好」，拥有丰富应用场景和工程化经验的中国团队，反而站在了有利位置。

这对开发者意味着什么

对于一线开发者，这场转变有三条直接启示：

1. 选模型不如选编排。未来一个应用的竞争力，更多取决于它如何在不同模型间路由、何时调用工具、如何管理上下文——而不是用了哪个模型。
2. 拥抱开放协议。MCP 和 A2A 正在成为智能体生态的 HTTP。尽早理解并采用这些协议，意味着你的智能体可以和生态中的其他智能体互操作。
3. 成本结构决定天花板。当开源模型以十分之一甚至更低的价格提供「够用」的性能，商业模型的天花板正在被锁定。产品架构需要从一开始就为多模型混合部署设计。

结语

「模型军备竞赛」这个词可能还没过时，但它的保质期正在快速缩短。下一个阶段的赢家，不会是造出最强模型的公司，而是把模型编排得最聪明的团队。这场游戏的规则变了，值得每个人重新理解牌面。