这两天的 Hacker News 首页，比“哪款新模型又发了”更有嚼头的，是两条容易被中文圈刷掉的冷线。一条是英国老牌开源 CMS 团队 Wagtail，把中国模型 GLM 5.3 Flash 当成整月写码主力，把 token、电费、碳排放全记了账，结论写得很直白：日常开发盯着一两个 flash 级便宜模型“完全可行”。另一条是卡内基梅隆、MIT、NYU、斯坦福四校拼的小团队，用 16 块 GPU、几千美元训练出的 AI，把 DeepMind 当年砸数百万美元都没啃下的隐棋类游戏 Stratego 打穿了，顺手还赢下了斗地主的顶级机器人。两条线指向同一个信息差：AI 的成本账和路线之争，正在被海外一线团队重新计算，而算法不再是唯一答案。
Wagtail 是基于 Django 的老牌开源 CMS，9 月份团队干了件较真的事：整个月的设计目标是所有 AI 写码流量都跑在 GLM 5.3 Flash 上，并公开了完整账本（原文：wagtail.org/blog/one-month-on-glm-53-flash/）。
先看结果：9 月全团队 AI 用量约 20 亿 token，其中一半给了 GLM 5.3 Flash。上半月确实做到了“只用它”，这部分的开销是 68 美元、约 4 度电、365 克碳排放。10 亿 token 花 68 美元，这个单价放到任何一家海外旗舰模型面前都是零头。
真正值钱的是后半月的三个“意外”，每一个都是国内团队踩过的同款坑：
第一个坑：Vibe coding 选错模型，一夜烧掉 150 美元。 团队那个实验性的 Wagtail MCP server 是“氛围编程”产物，原型本身跑得不错，但选错了模型，几乎一夜之间吃掉 4.5 亿 token、150 美元、5 度电。博主的复盘很狠：同样的活，多花一点功夫选对模型和代理模式，成本大概率能降 5 倍。
第二个坑：第三方推理商容量降级。 GLM 5.3 Flash 正因为在“性价比帕累托前沿”上排得太靠前（他们放出的散点图里它独占左上角），用的人太多，第三方推理商的算力顶不住大厂自囤 GPU 的容量，性能出现波动。团队的应对方式特别有参考价值：无缝切到 DeepSeek V4.1 Flash 和 Qwen 3.8 Flash 继续干活——注意，这三家全是中国模型，切换对他们来说“非常简单”。
第三个坑：实验本身要单独立预算。 为了给 14 个模型在 Wagtail 真实任务上跑分，团队持续试用各家新模型。他们的内部跑分表里，目前榜首是 DeepSeek V4.1 Flash：准确率 95%、单任务成本 0.09 美元、能耗 14.9Wh。有了这张表，“引导大家用更省的模型”就不用靠嘴说服了。
复盘出的四条方法论也值得抄：持续记录本地的 token/电费/花费三指标；给实验单独立预算；把代理拆成编排者（orchestrator）、侦察（scout）、实现（implementer）、评审（reviewer）多角色分层；持续押注高效模型。博主的最终判断是：日常开发工作，聚焦一两个 flash 级便宜模型“完全可行”，目标是让大部分推理流量都跑在这类模型上。 这篇帖子在 HN 拿了 89 分，跟帖 67 条，对一个技术团队博客来说算高热度。
flowchart TD
A["九月总账 2B tokens"] --> B["GLM 5.3 Flash 扛一半"]
B --> C["月花68美元 4度电"]
A --> D["MCP原型选错模型"]
D --> E["一夜烧450M tokens"]
E --> F["代价150美元 可省5倍"]
B --> G["第三方算力降级"]
G --> H["切DeepSeek与Qwen轮替"]
对中国从业者的启示有点反直觉：国内还在争论“国产模型是不是平替”时，海外生产环境已经把它们当主力+备胎池在用了，而且账算到了度电和克级碳排放。你缺的可能不是更好的模型，是这张账本。
第二件事更炸裂。军棋类桌游 Stratego（玩法和中国的陆战棋是近亲）一直是 AI 的顽固堡垒：双方各 40 枚棋子，位置可见但身份全暗，可能的布阵超过 10^33 种（对比德州扑克暗牌只有 1326 种组合），一局能走上 2000 步，还得会虚张声势。DeepMind 2022 年的 DeepNash 没能稳定赢下人类顶尖选手，训练动用了 1024 块 Google 专用芯片跑两三个月——Ataraxos 团队按 2025 年价格估算，这一轮要 300 万到 450 万美元。
现在轮到 Ataraxos 登场（Ars Technica 报道，Nature 论文 DOI: 10.1038/s41586-026-11036-y）。战绩单：
成本侧的对比才是重点：Ataraxos 只用了 16 块 GPU 训练一周，外加 4 块 GPU 四天训练第二个网络，几千美元级别；自我对弈 1.63 亿局，比 DeepNash 少了约 34 倍，棋力反而更强。
技术上真正的钥匙，是 DeepNash 没有的那件东西：信念网络（belief model）+ 前瞻搜索。第一个网络专门从对手的走法里“猜”暗棋身份，有了这个猜测，AI 不用遍历天文数字的布阵组合，而是采样出若干最可能的布局，在每种布局里推演候选走法，再综合择优。配合团队自写的每秒百万步级 GPU 模拟器，小实验室第一次在这个领域打赢了大厂预算。AI 的名字取自希腊语“ataraxia”——平静、不为所动：落后时它不梭哈翻盘，而是慢慢磨回来；能用 2% 胜率“骗”回整局棋，而且面不改色。
flowchart TD
A["自我对弈 1.63亿局"] --> B["策略网络"]
A --> C["信念网络"]
C -->|"猜对手暗棋"| D["采样可疑布阵"]
B --> E["落子前前瞻搜索"]
D --> E
E --> F["推演候选走法"]
F --> G["择优落子"]
G -->|"新棋局喂回"| A
H["GPU高速模拟器"] --> A
这场胜利在社区里真正值得吵的点有两个。一是路线之争：在大语言模型吸走全部注意力的当下，RL+搜索路线用几千美元干了 deep pocket 几百万美元的活，说明“堆大模型”不是唯一解。二是离现实还有多远：团队自己说，谈判、市场这类“规则不固定”的场景差距比看起来小，因为任何现实问题都要先建模简化；但 MIT 的 Gabriele Farina 也坦承，Ataraxos 现在解释不了自己为什么这么走，可解释的强策略还没做到。赢是赢了，黑箱依然是黑箱。
还有两条值得蹲一下的热帖，先记下名字：一是 Greg Kroah-Hartman 的演讲《Security in the LLM Age》（154 分），Linux 内核圈的顶级维护者谈 LLM 时代的内核安全，光这个组合就够内核和安全的同学蹲一蹲更新；二是 Black Forest Labs 的 FLUX 3 Image（250 分），图像生成榜面又要重新洗牌的信号。这两条和上面的主线放在一起看，趋势更清楚：热钱在追模型，热帖在追“谁能把模型用得更便宜、更可验证”。
| 你可能以为的 | 海外社区正在发生的 |
|---|---|
| 中国模型是“国内自嗨的平替” | Wagtail 团队拿 GLM 5.3 Flash 当月度主力，10 亿 token 只花 68 美元，降级了就切 DeepSeek、Qwen 轮替 |
| 打败世界冠军得靠 DeepMind 级烧钱 | 四校小团队 16 块 GPU 一周、几千美元，15:1 掀翻四届世界冠军，Nature 论文已挂 |
| AI 前沿只剩大语言模型一条路 | 信念网络+搜索的老路线复活，还顺手把斗地主机器人打穿了 |
| 用 AI 的成本没法算 | 连度电、克级碳排放都进了公开账本，成本敏感型团队已经开始照抄 |
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。
[!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。