最快的AI模型为何退场：从Codex-Spark关停看速度、质量与交付竞争-速维云

一款能把代码像瀑布一样吐出来的模型，可能很快就会从产品列表里消失。OpenAI宣布，GPT-5.3-Codex-Spark将在下周退役。这款模型曾以每秒约1200个Token的速度成为公司旗下最快的生产模型，也是OpenAI首次把生产模型部署到Cerebras晶圆级芯片上的尝试，但上线七个月后，用户量持续下滑，开发者对它“快但不够稳”的评价，最终压过了速度本身的吸引力。

Spark的离场并不只是一个版本号的消失。它更像一场公开的产品复盘：当旗舰模型也能通过专用硬件和服务档位获得高速度时，单独做一个牺牲准确率换取速度的小模型，价值会迅速缩水。与此同时，Agent原生模型NeoHorse-1在开源社区获得超过一万次下载，DeepSeek V4.1 Flash用架构和缓存优化压低长任务成本，上海团队Fish Audio则把语音模型做成了高性价比的开发者产品。几条看似分散的新闻，正在共同指向一个变化：AI竞争已经从“谁的演示最快”，转向“谁能用合理成本把事情稳定做完”。

最快模型为何先被淘汰

GPT-5.3-Codex-Spark最初的定位非常明确：服务实时编程。它拥有128K上下文，官方宣传每秒生成超过1000个Token，并通过硬件和推理栈优化降低网络往返、首Token等待和单Token处理成本。对探索代码库、快速检索文档、生成小段函数这类工作，速度确实会带来强烈的即时反馈，早期用户甚至把它放进“旗舰模型负责规划、普通模型负责构建、Spark负责探索”的组合工作流。

问题在于，真实的软件工程不是打字比赛。公开测试中，Spark在Terminal-Bench 2.0上的准确率为58.4%，低于完整版GPT-5.3-Codex的77.3%；一些开发者还反馈，它在理解大型项目、分析日志、保持多步任务连贯性时容易迅速耗尽上下文，甚至会编造接口、输出不稳定的JSON。所谓15倍提速，在统一条件下被认为更接近1.37倍，而一次错误修改带来的返工时间，往往足以抵消那几分钟等待。

速度正在变成服务档位

Spark真正的竞争对手并不是某个更快的小模型，而是“同等智能的模型也能加速”。Cerebras后来推出Ultrafast模式，把旗舰模型按层切分到多台晶圆级系统中运行，在保持标准模型能力的前提下，将生成速度提升到每秒数百个Token。这样一来，用户不必在“快”和“聪明”之间二选一，平台也可以把Standard、Priority和Ultrafast做成不同的算力服务档位。

这会改变模型产品的定价方式。过去，厂商常用一个轻量版本承接低延迟需求；以后更可能由同一旗舰模型根据任务难度、并发压力和付费等级切换推理预算。用户购买的也不再只是模型名称，而是一套包含响应速度、工具调用、上下文容量、失败重试和服务稳定性的完整体验。对企业来说，评估模型必须把等待时间、返工次数、人工复核和最终交付质量放在同一张账上。

小模型走向任务原生

如果说Spark证明了“单纯追求速度”并不足以建立产品壁垒，那么NeoHorse-1展示的是另一条路径。基元律动发布的4B和9B模型在开源后获得开发者关注，三天下载量超过一万二，技术报告还登上Hugging Face Daily Papers榜首。它的亮点不是试图在所有通用能力上击败最大模型，而是围绕Agent任务重新组织训练方式。

NeoHorse-1把工具调用、环境反馈和错误修复形成的执行轨迹，经过筛选和评估后转化为训练信号，让模型从“看过答案”进一步学习“怎样把任务推进下去”。社区很快制作了GGUF和面向Apple Silicon的量化版本，说明开发者关注的已经不只是参数量，而是模型能否放进本地工作流、能否完成连续操作，以及每次失败是否能留下可供改进的证据。小模型的机会，正在从缩小版通用模型转向明确任务、明确工具和明确运行边界。

长任务的成本藏在缓存里

DeepSeek V4.1 Flash的技术路线，则把效率竞争推进到了系统底层。它采用552B参数的多模态MoE架构，预填充阶段每个Token只激活约8B参数，解码阶段激活约16B参数，并支持百万Token上下文。更关键的是，模型将注意力缓存压缩到每Token约890字节，通过因果编码器与解码器结构减少预填充计算，再用跨层复用、FP4量化和有限回放降低显存、内存与磁盘之间的数据搬运。

这类优化对Agent尤其重要。一个编码Agent运行数小时，每次调用工具都会携带越来越长的历史上下文，真正拖慢系统的未必是生成几个新Token，而是旧上下文的存储、读取和迁移。V4.1 Flash把不同寿命的数据放到不同层级：长期可复用的全局缓存保存更久，短时有效的局部缓存放入高周转内存，命中失败时只重算最近窗口。它给行业的启示是，模型服务成本不能只看参数规模，还要看缓存命中率、IO带宽、并发调度和失败后的优雅降级。

AI模型的速度优势，最终要和算力、代码执行及结果验证一起衡量。

应用层开始验证交付

模型效率的变化，正在传导到更具体的产品里。Fish Audio从开源语音项目起步，团队规模不大，却依靠社区反馈打磨多语种和细粒度情绪控制，公开披露的年化收入达到2100万美元，并获得5200万美元种子轮融资。它的API价格远低于部分海外同类服务，企业客户则更关心零数据留存、服务等级、本地部署和合规配置。这个案例说明，模型产品不必只靠大参数取胜，真实用户的非标准使用方式同样可以变成训练和产品迭代的壁垒。

腾讯会议把AI落到会议纪要，也体现了类似逻辑。新版本不只是把录音转成文字，而是根据讨论关系自动生成表格、时间轴和流程条，并把共享屏幕中的关键画面插回对应段落，再通过时间戳让用户回到原始发言核对。对于团队来说，价值不在于纪要写得更长，而在于它能不能直接进入周报、方案、邮件和下一步任务。AI只有进入原有工作链条，减少一次复制、一次检索或一次人工整理，才真正产生可感知的收益。

企业要买的是完整闭环

从Spark退役可以看到，速度是很容易被追平的卖点；从NeoHorse-1和DeepSeek V4.1 Flash可以看到，训练数据、缓存系统和运行时设计会共同决定模型的真实效率；从Fish Audio和腾讯会议则可以看到，用户愿意付费的往往是一个可持续使用的结果，而不是一次漂亮的演示。未来的模型选型，应该从“跑分第一”转向任务成功率、平均完成时间、单位任务成本和人工接管比例。

部署团队还需要把运行环境当作产品的一部分来管理。代码Agent需要隔离的执行沙箱、可回滚的文件系统、细分的网络权限和完整日志；语音与会议服务需要稳定的磁盘、带宽、备份及数据访问控制。对于需要长期运行AI工具、代理服务或推理任务的团队，速维云可以作为基础设施选项，重点比较地域、带宽、存储、持续运行成本和故障恢复能力，而不是只看某一项硬件参数。