<!-- title: 机器人吃鸡Grok夺冠：本周海外三场AI论战 -->
<!-- domain: trending -->

# 机器人吃鸡Grok夺冠：本周海外三场AI论战

> 导语：这一周的 Hacker News 不平静。一篇把 11 个大模型扔进"吃鸡战场"的实验，用 $0.97/局的廉价 Grok 干翻了 $26.78/局的 Claude，戳破了"跑分高=能力强"的幻觉；一份泄露的 OpenAI 审计财报，把"年亏 390 亿美元"的底裤摊在台面上，引发整代 AI 商业模式是否成立的拷问；一篇叫《AI 反而需要更多工程纪律》的博客，则让 vibe coding（凭感觉写代码）派和工程纪律派在评论区杀得难解难分。三场论战背后，藏着中国技术从业者最该补上的三个信息差：**别再迷信跑分、别再假设 AI 公司会一直烧钱养你、别再把"写代码"等同于"做工程"。**
## 论战一：机器人吃鸡——Grok 4.1 Fast 五毛夺冠，Claude 4.6 爱交朋友

### 实验本身

OpenRouter 的 Dev Rel 负责人 Jacky Liang 在入职第一周干了一件非常"玩家"的事：把 **11 个大模型**塞进一个 2D 大逃杀（battle royale）游戏里，让它们各自操控一个角色，跑了 **30 局**。来源是 OpenRouter 官方博客《A Robot is Sprinting Towards You: Do You Want it Running on Claude or Grok?》（2026-06-04），目前在 HN 持续发酵。

结果三句话就能说完，但每一句都在打脸主流认知：

| 模型 | 胜场 / 30 局 | 每胜成本 | 角色画像 |
|------|------------|---------|---------|
| **Grok 4.1 Fast**（xAI） | **13 胜（43%）** | **$0.97** | 冷酷、果断、单挑王 |
| Claude Sonnet 4.6（Anthropic） | 5 胜 | **$26.78** | 一直喊别人组队、报自己位置、想交朋友 |
| GPT 5.4（OpenAI） | 2 胜 | — | 全场击杀最多（38 次）却几乎不赢 |
| 其余 3 个模型 | **0 胜** | — | 一局没赢 |

最炸裂的数字是**性价比差 27 倍**：Grok 4.1 Fast 每赢一局花 $0.97，Claude Sonnet 4.6 每赢一局花 $26.78。而且赢的那个（Grok），根本不在大多数人"顶配模型"清单里；被奉为顶配的 Claude，反而因为"太想合作"而在大逃杀里活不下去。

### 各方观点

- **OpenRouter / 作者本意**：这不是要分出谁"更聪明"。Grok 赢的是大逃杀，Claude"想交朋友"恰恰是你在绝大多数真实场景里**更想要**的那个模型。"这两件事都成立，而这是大多数跑分看不见的地方。"
- **HN 支持派**：终于有人用 agentic（智能体）任务而不是选择题来比模型了。一个会主动暴露自己位置的 AI，在客服、协作、多智能体编排里是优点，在零和博弈里是缺点——**能力没有高低，只有匹配错配**。
- **HN 质疑派**：30 局样本太小，方差极大；2D 游戏胜负主要由"谁先发起攻击"决定，和模型推理能力关系有限；这是娱乐贴不是严肃 eval。

### 对中国用户的信息差

1. **跑分榜单正在全面失真**。值得顺手一提的是，本周 HN 另一篇 714 分热帖《GLM-5.2 is the new leading open weights model》显示国产 GLM-5.2 登上了 Artificial Analysis 的开源权重榜首——但 OpenRouter 这个实验恰恰提醒你：**榜首 ≠ 适合你的任务**。Agentic 场景里，便宜、果断的小模型可能比榜首旗舰更管用。
2. **性价比才是真实工程指标**。中国团队做 Agent / RPA / 自动化时，不要默认"上最强模型"，而要算**cost-per-success（每次成功任务的成本）**。Grok 4.1 Fast 这类快、廉价的模型在闭环任务里是降本主力。
3. **"对齐"是有代价的**。Claude 的高对齐度让它在大逃杀里输，但在真实协作里赢。选模型时先问：我的任务是**博弈型**（选 Grok 类）还是**协作型**（选 Claude 类）？
## 论战二：OpenAI 审计财报泄露——年亏 390 亿，AI 商业模式被摆上审判台

### 泄露了什么

2026-06-16，Ars Technica（记者 Kyle Orland）报道：独立记者 Ed Zitron 拿到了 OpenAI 在 IPO 前提交给 SEC 的**审计后财务报表**，《金融时报》也复核了同一批文件。数字触目惊心：

| 指标 | 2024 | 2025 | 备注 |
|------|------|------|------|
| 营收 | $3.7B | **$13.07B** | 月营收到 2025 年底已近 $2B |
| 研发支出（R&D） | $7.81B | **$19.18B** | 其中 $10.59B 是 2025 年付给微软的 |
| 营业成本（cost of revenue） | $2.65B | $7.5B | 推理算力为主 |
| 营销支出 | $1.11B | $5.73B | 一年涨 5 倍 |
| **净亏损** | ~$5B | **~$39B** | 2025 含一笔估值相关会计费用 |

核心矛盾一句话：**营收翻 3.5 倍到 130 亿，但光是研发就花了 192 亿，比全部营收还多**。文章原话——"R&D alone still easily outpace OpenAI's quickly growing revenues"（光是研发就轻松盖过它飞速增长的营收）。运营亏损占营收比例在收窄，但"距离盈利还有很长的路"。

### 各方观点

- **看空派（Ed Zitron 等）**：这是一家"用十块钱买五分钱生意"的公司（原标题调侃 "Buying a nickel with a dime"）。营收增长越快，亏损的绝对值越大，这不是规模效应，是结构性失血。
- **看多派 / 缓和派**：R&D 是一次性训练成本，推理成本会随芯片和蒸馏下降；营收月化已达 $2B/月且仍在加速，"运营亏损占营收比缩小"才是关键趋势线，IPO 前的巨额亏损含会计科目，不能简单相加。
- **中产焦虑派（HN 热评）**：如果头部模型公司都亏成这样，那整条 AI 应用链的定价权在谁手里？API 用户现在是"被烧钱补贴"的，**一旦补贴退出，所有人的账单会暴涨**。

### 对中国用户的信息差

1. **你现在的 API 低价是被亏损补贴出来的**。这是最关键的一条。OpenAI 把推理以低于成本价卖给你，本质是用投资人钱补贴开发者。**做好"明天涨价 3-5 倍"的预案**：核心链路务必抽象出模型层，保留切换到 GLM、Qwen、DeepSeek 等国产或开源模型的能力。
2. **微软才是最大赢家**。OpenAI 2025 年光是付给微软就 $10.59B——云厂商在 AI 链条里吃的是"卖水"的确定性利润。中国对应物是云厂商 + 国产芯片，这个位置比"做大模型"安全得多。
3. **IPO 预期 = 变现加速信号**。一旦上市，OpenAI 必须向股东证明盈利路径，最直接的手段就是**砍补贴、涨价、推高利润率产品**。这对所有套利其低价 API 的开发者是定时炸弹。
## 论战三：AI 反而需要更多工程纪律——vibe coding 反噬的第一声号角

### 争议焦点

Charity Major（charity.wtf）的博客《AI demands more engineering discipline. Not less》拿到 HN 295 分、142 评论。核心论点反直觉：**既然代码已经"近乎免费、瞬间生成"，那真正值钱的工程产物就不是代码本身，而是决策、架构、需求、测试、监控——工程师应该把精力从"写代码"转移到"设计和约束 AI 写代码"上**。换句话说，AI 让"写代码"变便宜，反而要求你在代码之外的工程纪律上投入更多。

### 评论区分裂成三派

- **支持派**：终于有人讲清楚了。写软件要先有可防御的设计（defensible design），否则 AI 一上来就产 slop（垃圾）；设计稳了还要有扎实的计划，否则又是 slop；放手让 AI 写之后也不能掉以轻心。有人援引 Anthropic 用 Agent + $2 万预算写出一个能扛过 gcc torture 测试套件的 C 编译器的案例——证明"LLM 不聪明但能干，尤其是翻译和转换"。
- **嘲讽派（占多数热评）**："这文章是 AI 写的吧？蠢得够呛"；"我读完没找到结论"；"声称代码变'免费'就是错的——生成代码不要钱，但维护生成的代码贵得要命"。多人直接关标签页走人。
- **老派工程师派**：一句评论引爆共鸣——"2023 年之前，HN 上人人拥护**删代码才是最强的高级工程师指标**"（removing lines of code was the strongest senior metric）。AI 时代代码泛滥，删减和简化反而比以往更重要。也有人吐槽："大多数技术人员只想要高薪和'在搞酷技术'的感觉，作者错在假设大家都'想做更多工程'。"

### 对中国用户的信息差

1. **海外已开始反 vibe coding，国内还在盲目崇拜**。中国大量教程还在教你"一句话生成 App"，而 HN 的风向已经转向"AI 产出的代码需要更严格的工程约束"。**信息差就在这股回潮里**。
2. **"删代码 > 写代码"重新成为高级指标**。在 AI 让代码量爆炸的今天，能识别并删除冗余 useEffect、无意义 state、过度抽象的人，比能生成 1000 行的人值钱。**简历和晋升叙事该往这个方向调**。
3. **工程产物要搬出代码**。把意图、约束、决策写在代码之外（设计文档、ADR、测试规约、监控定义），然后让 AI 按规约生成/重生代码——这是 Charity 给出的可执行方法论，也是区别"会用 AI"和"会做工程"的分水岭。
## 三场论战的关系：一张图看清认知断层

```mermaid
flowchart TD
    A[本周海外 AI 三场论战] --> B[论战一: 模型选型]
    A --> C[论战二: 商业可持续]
    A --> D[论战三: 工程方法论]

    B --> B1[幻觉: 跑分高=能力强]
    B1 --> B2[现实: 看cost-per-success<br/>Grok 0.97 vs Claude 26.78]
    B2 --> B3[行动: 博弈任务选廉价果断<br/>协作任务选高对齐]

    C --> C1[幻觉: API 会一直这么便宜]
    C1 --> C2[现实: OpenAI年亏390亿<br/>低价=亏损补贴]
    C2 --> C3[行动: 抽象模型层<br/>保留切换国产/开源模型能力]

    D --> D1[幻觉: AI让工程变简单]
    D1 --> D2[现实: 代码免费但维护贵<br/>删代码>写代码]
    D2 --> D3[行动: 把意图写在代码外<br/>用规约约束AI生成]

    style B1 fill:#fde2e2
    style C1 fill:#fde2e2
    style D1 fill:#fde2e2
    style B2 fill:#d6eaf8
    style C2 fill:#d6eaf8
    style D2 fill:#d6eaf8
    style B3 fill:#d5f5e3
    style C3 fill:#d5f5e3
    style D3 fill:#d5f5e3
```
## 信息差总结：你知道的 vs 别人不知道的

| 议题 | 大多数人以为（信息洼地） | 本周海外社区共识（信息高地） |
|------|----------------------|---------------------------|
| 模型选型 | 跑分榜首 = 最该用 | 榜首 ≠ 适合；按 cost-per-success 和任务类型（博弈/协作）选 |
| Agent 性价比 | 上最强模型最稳 | 廉价小模型闭环任务可便宜 27 倍，先小后大 |
| API 价格 | 现在便宜会一直便宜 | 头部公司年亏 390 亿，低价是补贴，IPO 后必涨价 |
| 谁赚钱 | 做大模型的 | 卖算力/云的（微软吃走 OpenAI 百亿）确定性更高 |
| 工程价值 | AI 时代会写更多代码更值钱 | 删代码、定规约、约束 AI 才是新的高级指标 |
| 代码维护 | 生成代码"免费" | 生成免费、维护昂贵，维护成本是真正黑洞 |
## 行动指南：本周可以立刻做的五件事

1. **给你的 Agent 接一个"cost-per-success"看板**。在每个闭环任务上分别跑旗舰和廉价模型，用真实成功率 × 单次成本排序，而不是看跑分。优先把可闭环、低风险的子任务切到 Grok 4.1 Fast / GLM / DeepSeek 这类廉价模型。
2. **今晚就把模型层抽象出来**。用一个 `model_router` 或统一 SDK 包住所有 LLM 调用，确保 OpenAI 涨价那天，你能在 1 小时内切到国产/开源模型，而不是重写业务代码。
3. **做一次"删代码周"**。挑一个 AI 生成最多的模块，目标是 PR 净删除行数 > 净新增。重点清理冗余 useEffect、重复 state、过度抽象。把"净删行数"加进团队周报。
4. **把意图搬出代码**。下一个功能开发前，先写一份不超过 1 页的设计 + 验收规约 + 关键测试用例，再让 AI 按规约生成。对比直接 vibe coding 的返工率。
5. **盯紧 OpenAI IPO 时间线**。一旦定价/产品策略调整（涨 API 价、砍免费额度、推高利润产品），就是切换和囤额度的信号窗口。
## 参考来源

- [A Robot is Sprinting Towards You: Claude or Grok? — OpenRouter Blog](https://openrouter.ai/blog/insights/royale-last-agent-standing/)
- [Leaked financial docs show OpenAI is losing billions of dollars a year — Ars Technica](https://arstechnica.com/ai/2026/06/leaked-financial-docs-show-openai-is-losing-billions-of-dollars-a-year/)
- [AI demands more engineering discipline. Not less — charity.wtf](https://charitydotwtf.substack.com/p/ai-demands-more-engineering-discipline)
- [GLM-5.2 is the new leading open weights model — Artificial Analysis](https://artificialanalysis.ai/articles/glm-5-2-is-the-new-leading-open-weights-model-on-the-artificial-analysis-intelligence-index)
- [Hacker News 前页实时榜单（Algolia API）](https://hn.algolia.com/front_page)
> 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。
> 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
### 完成摘要

### 下一步建议

- 优先级 1：把"cost-per-success 看板"作为下一篇实战拆解（属 `use-cases`），可补充真实切换 GLM/Grok 的账单对比。
- 优先级 2：OpenAI IPO 后做一期 `cost-hacks`（涨价前如何囤额度/切模型）。
- 优先级 3：机器人吃鸡实验可深挖为 `tips-tricks`（如何自建低成本 Agent 评测场）。

### 注意事项

- WebSearch / WebReader MCP 触发限流（reset: 2026-06-18 11:07），本轮全部改用 HN Algolia API + curl 直读原文，数据均为一手抓取、可复核。
- GLM-5.2 榜单页正文抓取为空（疑似 JS 渲染），仅引用 HN 帖标题作为背景，未夸大具体分数；如需精确分数建议人工二次核验 Artificial Analysis 页面。

> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)