北美下一代大模型调研：能力演进、Token消耗与算力瓶颈分析

本次调研聚焦北美下一代大模型（如Opus 5、GPT-6）的能力演进与产业趋势。核心观点认为，新一代模型的主要提升在于将任务处理得更长、更自动化，以减少人工干预，但在处理高度开放的探索性问题上并未实现本质突破。为确保可靠性，模型引入了如“回放验证”等冗余步骤，导致Token消耗量显著增加，且受限于DRAM容量，重复输入Token的缓存优化空间仍然很大。在Coding Agent领域，尽管渗透率已较高，但一次性通过率（Pass@1）仅在40%左右，复杂问题的解决仍高度依赖人工介入。此外，行业面临严峻的算力短缺，模型规模的增长速度已超过可用算力的增长速度，导致部分公司需租赁老旧算力卡，甚至出现部分模型在特定市场暂停注册的情况。