后训练Scaling成了新战场：同一个基座，GLM-5.3编程分暴增6倍，烧钱预训练的旧剧本翻篇了

2026年8月的大模型圈出现一个反常识现象。

智谱发布GLM-5.3，基座模型与GLM-5.2完全相同，参数一个没动，只重做了后训练。结果Terminal-Bench 3.0得分从4.6飙到28.3，翻了6倍。DeepSWE v1.1从46.2冲到66.9。智谱在发布材料里直接喊话：这个基座的智能上界，可能还远远没摸到。

DeepSeek也在玩同一套打法。V4-Flash-0731与预览版模型结构完全一致，仅仅重新进行后训练，Agent能力就大幅增强。V4-Pro-0813更狠：Terminal Bench 2.1得分87.9，预览版只有72.1；Cybergym从52.7涨到83.3，小幅超过Claude Fable 5；DeepSWE从12.7干到62.7，一年前这个数字想都不敢想。

一句话总结这轮变化：预训练的Scaling放缓了，后训练的Scaling刚起步。

后训练为什么突然值钱了

过去几年，行业默认的提升路径是堆参数、堆数据、堆算力。GPT-4到GPT-5时代，单次预训练成本涨到数亿美元，性能增益却越来越薄。海外闭源厂商背着巨额沉没成本，只能靠高API单价回收投入——GPT-5.6 Sol Max输出价格30美元每百万tokens，Claude Fable 5开价50美元，Grok 4.6也要6美元。

国产厂商换了一条路。MoE稀疏化架构加推理侧优化，把成本压到另一个数量级，再用规模化调用摊薄研发投入。DeepSeek-V4-Pro输出价格0.87美元每百万tokens，不足Grok 4.6的七分之一，是Claude Fable 5的五十七分之一。Artificial Analysis测过，V4-Flash跑复杂工作负载平均成本约0.03美元，Claude Fable 5要3.15美元，价差超过百倍。

价格战只是表面。真正的分水岭在于：能力提升的重心从预训练阶段挪到了后训练阶段。中科大与上海AI实验室联合团队的实证研究已被ACL 2026收录，系统验证了强化学习后训练存在独立的Scaling行为。ICLR 2026专门开了SPOT工作坊，主题就一个——后训练正在变成一个独立的、算力密集的全新阶段。

RLVR：机器给机器打分的游戏

后训练Scaling的技术核心是RLVR，可验证奖励的强化学习。

传统RLHF依赖人类标注偏好，标注速度和一致性都是瓶颈。RLVR换成自动验证：数学答案对错可以验证，代码能不能通过单元测试可以验证，终端任务有没有完成可以验证。奖励信号由机器生成，训练数据理论上无限扩展。

这条路线的战绩摆在那里。DeepSeek-R1用GRPO加RLVR直接在V3基座上训练，跳过SFT阶段照样跑出顶级推理能力。夸克的高考大模型以通义千问MoE为基座，后训练链路由增量预训练、SFT、RLVR、RLHF四段组成，成绩同样能打。

成本结构的变化更值得单独拎出来讲。智谱GLM-5.3在同一个基座上推进强化学习，顺手涌现出白盒代码审查与漏洞发现这类网络安全能力。DeepSeek-V4-Flash重新后训练一次就完成一次大版本升级。单次迭代的训练成本和周期都被压缩，厂商才有底气小步快跑——过去70天里，9家国产厂商密集发布了10款旗舰级更新，36氪形容大模型进入了”月抛时代”。

竞争天平正在倾斜

数据能说明问题。

Hugging Face《2026年春季全球开源AI生态报告》显示，中国开源模型下载量占比达到41%，首次超过美国，累计下载突破100亿次。斯坦福《2026人工智能指数报告》给出另一个数字：中美顶尖模型综合性能差距收窄至2.7%，技术迭代时差压缩到6至9个月。

有意思的是海外阵营的态度转变。英伟达CEO黄仁勋7月发公开信支持开源生态，说世界既需要前沿闭源模型，也需要前沿开源模型。扎克伯格公开呼吁美国放宽开源AI限制，理由很实在：本土实验室的枷锁太多了。还有美国投资机构统计，多达八成的美国AI初创公司在融资路演材料里使用中国开源模型。Counterpoint的判断更尖锐：西方巨头坚持围墙花园，开发者和企业自然流向开放权重模型。

冷静看三个变量

热潮之下，三个风险点需要盯紧。

开源边界参差不齐。MiniMax H3的Context-IR与2K超分模块没有开源，GLM-5.3权重晚了两周才放出。部分厂商只开放权重或部分模块，”开放权重加商业许可”成为新惯例——月之暗面对Kimi K3设了门槛，年收入超2000万美元的MaaS提供商要签约分成，比例最高30%；阿里云给Qwen3.8-Max也配了定制协议。

定价的可持续性存疑。DeepSeek已在8月6日公告计划整体上调API价格，低价策略能否长期维持，没人敢打包票。

闭源厂商没坐以待毙。海外旗舰模型的迭代速度同样在加快，GPT-5.6三变体已经落地，竞争天平会不会持续倾斜，要看后续版本的实际表现。

给开发者的三点建议

第一，选模型别只看通用基准分数。后训练Scaling时代，各家模型在终端任务、代码任务上的分化极大，Terminal Bench、DeepSWE这类专项基准比综合榜单更有参考价值。

第二，盯住后训练配方而非参数量。Qwen3.8-27B用Apache 2.0许可开放，单卡可部署，262K上下文，编程办公能力超过上一代Plus版本。参数量小一档，后训练做得好，实用价值反而更高。

第三，给业务流量的底座留退路。美国企业因成本考量切换中国模型流量的案例已经出现，API价差百倍的现实面前，多模型适配层不再是可选项。

预训练烧钱换能力的旧剧本正在翻篇。同一个基座，重做一遍后训练，编程分就能翻6倍——这笔账，每家厂商都会算。后训练Scaling的竞赛才刚开场，2026下半年还有得看。