AI行业核心动态：模型降价、企业组织整合与 Agent 研究能力的边界

本期以 7 月 30—31 日公开信息为主，前沿研究补充 7 月 29 日的一篇论文。最值得跟踪的变化，不是又多了几个模型，而是 AI 公司开始同时压低使用成本、重组企业销售入口，并把 Agent 的「能完成任务」和「能提出有效研究问题」分开验收。

OpenAI 7 月 31 日发布的方案，把「更便宜」写成了全栈工程问题：GPT-5.6 Luna 的输入和输出价格分别降至每百万 token 0.20 美元和 1.20 美元，降幅 80%；GPT-5.6 Terra 降价 20%。公司还称，生产环境 serving 成本下降 20%，Sol Fast mode 的速度最高是标准模式的 2.5 倍，但价格是 2 倍。1

OpenAI 给出的判断是，成本不能只靠换模型解决，还要靠路由、上下文管理、工具和产品设计；基础设施也会根据用户负载、企业承诺、API 消费、利用率和收入来决定自建、合作或购买。这里的关键不是单个价格表，而是模型公司开始把「每次调用多少钱」和「整条工作流跑完多少钱」放在一起算。上面的数字均为 OpenAI 自报，不能直接等同于所有客户的实际账单。1

中国侧，字节跳动 7 月 30 日启动 AI 业务组织调整：飞书产品团队与豆包产品团队整合，飞书的市场、销售和客户服务团队则与火山引擎相关团队合并，成立 ToB 组织「创造力服务平台」。字节方面称，豆包企业版已在部分飞书客户中内测，原生接入文档、表格、会议和群聊，并提供企业知识库问答、数据隔离、权限管控和安全审计。2

同一报道援引字节方面口径称，豆包截至 6 月的日均 token 调用量超过 180 万亿，按 7 月平均消耗计算的大模型业务 ARR 达 40 亿美元。这个数字是公司披露口径，且 ARR 是按消耗推算的年化收入，不应当与审计后的当期收入混用。字节这次调整真正要验证的，是模型、办公入口和云服务能否缩短企业采购与部署链路。2

Smallest.ai 在 7 月 31 日宣布完成 1300 万美元 A 轮，Seligman Ventures 领投，Sierra Ventures 和 3one4 Capital 参与；公司累计融资超过 2100 万美元。它没有训练一个更大的通用模型，而是做一个专门处理「听、思考、说」并行过程的小型语音模型，遇到超出知识范围的问题时再转交大模型。RingCentral 和 Truecaller 已被报道为客户。融资金额和客户信息来自 TechCrunch 对公司与投资方的报道，产品效果仍主要是公司口径。3

另一笔融资更能说明 Agent 的落点。Ellis AI 从隐身状态走出并获得 1000 万美元种子轮，投资方包括 First Round Capital、645 Ventures、Harlem Capital 和 Khosla Ventures 等。它把文档、表格、会计信息和往来邮件接到一个平台，用 Agent 协助私募信贷机构做投资组合监控、对账和报告；创始人明确表示，重大决策和动作仍由人完成。4

两笔交易的共同点很具体：一笔解决语音交互的延迟，一笔解决金融后台的资料碎片化。它们都把 Agent 放进已有业务流程，而不是先要求客户替换整套系统。对创业团队来说，真正的门槛会落在接入成本、异常处理和人工接管，而不是演示时能否完成一次漂亮的任务。

7 月 29 日提交到 arXiv 的 Can AI agents conduct open-ended AI research? Early evidence from two case studies，让前沿 Agent 处理两篇未发表的 NeurIPS 2026 投稿论文中的开放式研究问题，并由原论文作者评分。结果很刺眼：Agent 独立完成了全部工程工作，却没有在核心研究问题上取得实质进展；两篇论文都被作者明确拒稿。5

论文归纳的失败包括：判断可发表门槛的能力不足，面对研究设计缺陷时缺乏创造性，遇到死胡同时回溯无效，资源意识不足，以及指令漂移。样本只有两项案例，不能外推成所有 Agent 都无法做研究；但它给评测设计划了一条清楚的线：把代码跑通、把实验做完，不等于选对问题，更不等于得到新知识。5