GLM-5.3 Flash花0.0074美元写完一条脚本：内容成本坍塌后，GEO拼的只剩信源

先看一组扎眼的数字。行业日报披露的最新横评里，智谱 GLM-5.3 Flash 写一条 YouTube 脚本只花了 0.0074 美元，质量分 88.2；对照组 Fable 拿到 89.7 分，代价是 3.15 美元——429 倍的价格差距，买到的分数优势只有 1.7%。同一天，小米的 MiMo-V2.6-Pro 被曝在某个写作基准上位列 93 个模型中的第 5 名、开源模型中的第 2 名，成本约为更强对手的十分之一，小米还把 MiMo-V2.6 的强化学习数据集和基于 verl 的完整训练代码一并开源。模型写内容的成本，正在以一种不留情面的方式坍塌。

坍塌的不只是写作成本

把镜头拉远，坍塌的不只是写作。英伟达发布的 SoL-Pi 系统通过优化智能体与环境之间的控制层，把编程智能体的 token 用量最多砍掉 49%，性能几乎不掉——这背后是 152 种方案、3000 多次运行的测试。一边是单位内容的价格跳水，一边是智能体运行成本的拦腰斩，两条曲线指向同一个事实：「生产一段内容」和「跑一次智能体」都在快速逼近零成本。当供给端不再稀缺，稀缺的东西就换了一批——从「谁写得快、写得多」，变成「谁的内容值得被信」。

便宜模型的连锁反应：农场、灰产与过滤器

便宜模型的第一个连锁反应，是内容农场的产能爆炸。白菜价的「及格线内容」可以无限复制，而灰产从不缺席这种红利：央视今年年初就曝光过围绕「AI 搜索优化」形成的虚假榜单产业链，批量生成的排行榜文章通过电商明码标价；数据显示，标题带「排行榜」「榜单」的网络文章单月新增超过 200 万条，其中 88% 并非来自官方信源。这些内容被「投喂」进检索库，污染 AI 的答案。好在引擎端也在升级：主流大模型已经开始识别特殊字符与异常标记，对疑似污染的数据降权。生产成本越低，识别与过滤的军备竞赛就越激烈。

GEO影响一：量产战术作废，稀缺的是可验证

对做 GEO（生成式引擎优化）的人，这轮价格坍塌至少改变三件事。第一，「多写多铺」的量产战术正式作废。当你的对手用 0.0074 美元产出一条内容时，产量维度上没有任何品牌还能建立优势，AI 引擎只能把筛选重心从「内容」挪向「信源」：可验证的作者身份、可溯源的引用、有方法论的原始数据。多项 2026 年的行业观察都指向同一组事实——引用来源清晰、作者身份明确的内容，引用率显著高于匿名内容；靠堆砌词句博引用的路，只会随着噪音增多越走越窄。

GEO影响二：预算从「写」挪到「被引用」

第二，预算该从「写」挪到「被权威信源提及」。既然 AI 引擎偏好媒体报道、官方文档与原始研究，品牌最划算的投入是让自家的数据和结论出现在这些信源里：发布带专有数据的行业报告、把产品参数写成机器易读的结构化文档、给媒体提供可以直接引用的统计口径。一次被权威媒体引用，胜过一百篇自建站软文——这不是修辞，而是引用链路的现实：AI 引用记者，记者引用原始数据，原始数据的主人是谁，谁就站在链条上游。

GEO影响三：检索更便宜，孤证更危险

第三，使用端的经济学变了，检索行为也会变。SoL-Pi 一类的优化让智能体跑得更便宜，代理发起多轮检索、交叉验证多个信源的意愿随之上升——长尾问题上，「孤证」会越来越容易被 AI 拿去跟别家核对。跨平台的信息一致性因此从加分项变成生存项：官网、百科、媒体报道、社区讨论里关于同一品牌的事实若互相打架，AI 的答案就会摇摆，引用也会随机。把事实层做一致、把数据层做可查，是比任何关键词技巧都更底层的 GEO 动作。模型价格战的日常追踪，推荐机器之心（站内收录页）与量子位（站内收录页）这两个持续跟进的信源。

（文 / AI30媒体部 ｜ 2026年9月27日）