当 AI 变得像自来水一样便宜，我们的焦虑还要持续多久？

昨晚，OpenAI 毫无预兆地上线了两个小模型：GPT-5.4 mini 和 nano。

没有花里胡哨的倒计时，也没有奥特曼的神秘推文预热。就这么直接摆在了开发者面前，附带了一张极具杀伤力的价目表。

nano 的输出价格，被硬生生打到了 1.25 美元一百万个 token。这是什么概念？这意味着你可以把各种琐碎的分类、提取、排序任务扔给它，跑上几万次，账单甚至不够你在楼下买杯咖啡。

这事挺让人感慨的。

过去这两年，整个科技圈都在盯着“最大、最强”的模型看。大家都在押注谁先搞出真正的 AGI（通用人工智能），谁的模型能在智力测试上考满分。

但这次 mini 和 nano 的发布，透出了一个很明确的信号：潮水的方向变了。

技术革命真正完成的标志，从来都不是实验室里的怪物有多聪明，而是这项技术能不能变得像水电一样——廉价、无感、无处不在。

我在推特上看到一个开发者晒出的测试数据。在直接修复真实代码 bug 的 SWE-Bench Pro 测试里，mini 的成绩是 54.4%，离满血版旗舰模型的 57.7% 只差了一点点。但它的运行速度是上一代的两倍，成本却只有旗舰版的零头。

如果一个小号模型，能用极低的价格、极快的速度把代码写好，把电脑屏幕上的按钮认准，那我们为什么要花大价钱去调动那个庞然大物呢？

这种转变，正在催生一种全新的工作方式。

以前，我们指望一个超级 AI 解决所有问题。现在，大家开始讨论“子智能体”（Subagent）。

这是一个很有意思的隐喻。大模型就像是坐在办公室里的项目经理，负责想点子、搭架构、做最终决策。而几十个 mini 和 nano 就像是熟练的技术工人，拿到项目经理派发的任务后，一窝蜂地冲上去：有的查资料，有的写代码，有的跑测试。

各司其职，效率奇高。

不过，技术跑得越快，人的情绪就越复杂。

今天早上刷 GitHub 和几大技术社区，除了对技术的讨论，我看到最多的其实是隐隐的焦虑。

有程序员半开玩笑地留言：“它连修 bug 都在行了，那我以后全职做系统架构吗？可世界上不需要那么多架构师啊。”

我其实挺能理解这种心态的。曾经那些需要熬夜死磕的语法问题、环境配置，现在成了几行 API 调用就能解决的廉价劳动力。

但反过来想，这也恰恰是门槛被踩平的时刻。

曾经，只有手握海量资金和算力的大厂，才能跑得起复杂的 AI 代理系统。现在，哪怕你只是个业余爱好者，用着 mini 和 nano 这样的小模型，也能用极低的成本拉起一支不知疲倦的“数字打工团队”。

这可能不是终局，但绝对是一个全新的起点。在这个节点上，怎么去当好那个分发任务的“包工头”，或许比怎么亲自搬砖要重要得多。