模型疯狂接单，骑手找不到老板
四款国产模型周用量破10万亿tokens，价格战打到1.25元/百万tokens；同一时间，骑手王福民维权时连老板是谁都说不清。两条线索是同一条产业链的两端：tokens正涌向平台调度与Agent场景，算法越深入一线，责任越悬空。产业化下半场，拼的不是参数，是算法与人之间的那根地线。
这一边，四款国产模型一周吃掉超过10万亿tokens，价格战打到每百万tokens 1.25元；那一边，干了12年的外卖骑手王福民躺在病床上，连自己的老板是谁都说不清。
两件看似不相干的事，其实是同一条产业链的两端。我的判断是：tokens狂飙说明AI终于找到了真实场景，而骑手的困境说明算法落进现实时，责任的接线还没接好。产业化下半场，比的不是谁的模型便宜，而是算法与人之间的那根地线。
📈 tokens狂飙：轻量模型吃下了大盘
在中国大模型市场，先胖起来的不是最聪明的，是最便宜的。
智能经济30人论坛AGI测评中心日前发布新一期《AGI市场观察》（2026年9月12日—18日），底座是OpenRouter词元消耗数据、厂商官方披露价格和Arena基准测评。结论很直白：周期内用量破10万亿tokens的四款模型——DeepSeek V4 Flash（14.59万亿）、DeepSeek V4.1 Flash（12.93万亿）、腾讯Hy4 preview（12.01万亿）、智谱AI GLM 5.3 Flash（11.62万亿）——清一色是Flash级轻量模型。
最有戏剧性的是价格杠杆。9月10日深度求索下调V4 Flash及V4.1 Flash定价，后者当周用量增长483.62%，位次从第9直接蹿到第2。🔥 降一档价格，用量翻近五倍，客户对成本的敏感度可见一斑。
| 模型 | 周用量（万亿tokens） | 份额 |
|---|---|---|
| DeepSeek V4 Flash | 14.59 | 18.88% |
| DeepSeek V4.1 Flash | 12.93 | 16.73% |
| 腾讯Hy4 preview | 12.01 | 15.54% |
| 智谱GLM 5.3 Flash | 11.62 | 15.04% |
| 四强合计 | — | 约66% |
份额结构同样说明问题：四强合计约66%，前三位贡献近一半用量，前五位更是超过四分之三。头部集聚没有松动，但名单在洗——上海创智学院Nex-N2.5 Pro和阿里巴巴Qwen3.8 Flash本期首次挤进Top15。
产业逻辑很清楚：轻量模型吃下大盘，说明真实负载是高频、低客单、延迟敏感的"搬砖活"——客服应答、内容摘要、调度指令、Agent的循环调用。圈子里流传一句玩笑：Flash模型赚钱不靠聪明，靠勤快。带宽型推理才是tokens的大盘，旗舰模型反倒是橱窗里的展品。
💸 价格战打到1.25元：模型正在变成卖水生意
当每百万tokens比一瓶水还便宜，模型这门生意的性质就变了。
本期Top15大模型每百万tokens最高价与最低价相差38.75元，与上期持平：最低是小米MiMo-V2.5的1.25元，最高是月之暗面Kimi K3的40元。基准任务成本维度，腾讯Hy3低至0.308元/基准任务，其后依次是DeepSeek V4.1 Flash、MiniMax M3和GLM 5.3 Flash，同处"经济好用"区间。
| 模型 | 价格/成本 | 备注 |
|---|---|---|
| 小米MiMo-V2.5 | 1.25元/百万tokens | Top15最低 |
| 月之暗面Kimi K3 | 40元/百万tokens | Top15最高 |
| 腾讯Hy3 | 0.308元/基准任务 | 基准任务成本最低 |
价差背后是应用分层。40元的模型卖推理深度，服务真正需要"想得深"的场景；1.25元的模型卖吞吐量，服务"想得快、跑得多"的场景。只有当推理成本降到一次派单、一条客服回复都摊得起，"每个业务环节都塞一个模型"才在经济上成立——这也解释了为什么破10万亿的全是Flash：场景要的从来不是最强，是够用且便宜到不心疼。
对厂商来说，这意味着模型正在从"卖软件"滑向"卖水"：单价低、走量、拼管道效率。据多位接近头部厂商的人士，Flash产品的用量大头来自平台类客户和Agent调用，而不是普通用户的聊天窗口——谁能把水管铺进更多业务流程，谁就吃下下一波增量。
判断：价格带分化还会继续，Top15名单每个季度都可能换血。真正值钱的不再是模型本身，而是模型嵌进场景的那段管道。
⚠️ 算法当老板：王福民找不到的那个人
算法握着奖惩权，却不用承担雇主责任，这是新就业形态最锋利的一道裂缝。
王福民2014年起给河北三河市燕郊镇的肯德基门店送餐，自认是"驻店骑手"。2024年9月，当地配送业务从宅急送转包给顺丰同城，他换上黑制服，一边遵循"顺丰同城骑士"App列出的工作要求，一边接受餐厅管理组和"小站长"的调遣——谁是他上级，一直含混。
2026年1月，他在送餐路上摔倒，颅内血肿，手术后记忆变差、部分失去劳动能力。想申领伤残补助金，餐厅和曾管理他的人没有给出路径，反而把他移出了工作群。
代理律师罗仪涵翻看其手机里的劳务信息后发现：App运营方深圳市众普拉斯网络科技有限公司与他签的是《众包平台注册协议》；他还与七八家配送服务公司签过《共享经济平台服务协议》；2024年9月至出事，平均两个月换一个发薪主体。协议在打开App时弹出，他"觉得接单要紧，都点同意"。想查完整跑单记录？原App已停用，新App只有近期单子，只能在起诉时申请法院调取。
北京致诚农民工法律援助与研究中心近期基于近五年数百份有效判决发布报告，指向同一个堵点：维权的前提是劳动关系认定，而层层转包的用工链让"用人单位"变成了薛定谔的猫。
开始为燕郊肯德基送餐
配送业务转包顺丰同城
频繁更换发薪主体
送餐摔伤致颅内血肿
诉讼并申请调取跑单记录
产业判断：平台掌握派单、奖惩与定价，却能在劳动者主张权益时"隐身"；签约与发薪被拆散在多家公司之间，责任沿着转包链条逐层稀释，最后落在最没有议价能力的个体身上。这不是某一家公司的道德问题，而是平台经济用工架构的系统性产物——算法是集中式的，责任却是分布式的，这个错位必须由制度来对齐。
🔀 当Agent接管派单：两条曲线正在相撞
模型层越繁荣，落进现实的责任问题就越紧迫。
把两条新闻放进同一张图里看：模型降价→Flash用量暴涨→平台类场景加速接入→Agent接管更多"管理动作"。今天的"小站长"还是人，明天很可能就是一个跑在Hy4 preview或GLM 5.3 Flash上的Agent——排班、派单、绩效评定、客诉安抚，全是大模型最擅长也最便宜的活。🤖
这正是两条素材真正的交汇点。王福民面对的算法已经握有奖惩权；当大模型把算法的"管理带宽"放大一个数量级，"老板是谁"的问题只会更尖锐。决策越自动化，责任主体越需要在事前写清楚：模型厂商、平台、用工企业三方之间的责任链条，需要像tokens计费链一样精确到每一步。
同样的逻辑也适用于具身智能——机器人进厂的第一课从来不是怎么干活，而是出了事故算谁的。实体世界里，没有"技术中立"的免死金牌。
判断：接下来一两年，"AI Agent的用工合规"会从法务的冷板凳变成平台的刚需。谁先在自己的调度系统里把"算法决策的责任接口"定义清楚，谁才真正拿到产业化的入场券。10万亿tokens很好看，但产业化的真正KPI，是每一个被算法管理的劳动者都能回答出"我的老板是谁"。
小结
tokens的爆发证明AI找到了真实场景，骑手的困境提醒我们，场景里站着的都是人。降价与放量是模型层的确定性功课，责任链的梳理是应用层同样确定性的功课。当Flash模型铺进更多业务流程、Agent接管更多管理动作，谁能把技术接入与责任接入同时做好，谁才是这场产业化竞赛里真正的赢家。