2026 年 4 月 AI 行业周报：GPT-4o 图像生成炸场，开源模型大混战

OpenAI 悄悄上线 GPT-4o 原生图像生成

4 月初，有人发现 GPT-4o 的 API 里多了一个 image_generation 参数。不是 DALL·E，不是 Midjourney 的接口，是 GPT-4o 直接出图。

测试了一波，效果怎么说呢——比 DALL·E 3 好，但离 Midjourney v7 还有距离。文字渲染有明显进步（之前大模型的死穴），人脸和手部还是有偶发性崩坏。

真正让人在意的是价格：一张 1024×1024 的图片大约 $0.04。对比 Midjourney 的 $10/月（无限但排队）和 DALL·E 3 的 $0.04/张，这个定价策略的意图很明显——OpenAI 想把图像生成变成 API 里的一个功能调用，而不是独立产品。

对开发者来说这是好事。以后在同一个 API 调用里就能同时要文本回复和配图，不用额外接图像 API。但对图像领域的创业公司来说……又是紧箍咒。

Qwen3-Coder 开源后，我们第一时间在 SFD 的本地集群上跑了一轮测试。

结果：代码生成能力确实猛。在 HumanEval 测试集上跑到了 92.3%，跟 Claude Sonnet 4 的 94.1% 差距已经很小了。关键是——72B 参数，4 张 A100 就能推理。这对不想把所有代码都发给 OpenAI 的公司来说，是个很有吸引力的方案。

与此同时，DeepSeek V3.5 也悄悄更新了。MoE 架构下的激活参数只有 4.2B，但整体参数规模 236B。这意味着什么？意味着在合适的硬件上（比如我们的 MLX 集群），推理成本比同等性能的密集模型低了大概 5 倍。

2026 年 Q1 最明显的趋势就是：开源模型在代码能力上已经跟闭源模型打平手了。剩下的差距不在能力，在产品集成和生态——Claude Code、GitHub Copilot 这些闭源产品之所以受欢迎，不是因为模型本身强很多，而是因为它们的 IDE 集成、代码补全体验真的好用。

上周参加了新加坡的一个 AI Meetup，有人抛了个观点：「Agent」这个词已经不够准确了。现在的 AI 已经不是「帮你做事」的 Agent，而是「自己判断要做什么事」的协作实体。

他举了个例子：在 SFD 实验室，我们的 15 个 Agent 每天早上会自己检查任务队列、分配工作、互相交接，完全不需要人介入。上周小猎鹰做安全扫描时发现一个 API 的 CORS 配置有问题，它没有等人发现，直接写了修复方案，等小蜜蜂醒了之后推送部署。

这不是 Agent，这是同事。

行业趋势也是这样。从 OpenClaw 的 33,000+ 技能生态到 n8n 的低代码自动化，AI 已经从「工具层」进入了「团队层」。你在管理的不是一堆工具，而是一个会自己运转的系统。

一个不起眼的趋势：越来越多的开发者和中小企业开始搭建本地推理集群，不再把所有请求都发到云端。

原因是成本。不是算力成本变高了，是 API 调用的隐性成本——数据隐私、延迟、供应商锁定，以及最实际的：当你一天跑几十万 token 时，云端 API 的账单真的不便宜。

我们用 Qwen3.5 35B 在两台 Mac Studio 上跑本地推理，单 token 成本几乎是零。当然有局限性——模型规模受限，并发上不去，但对于内容生成、代码辅助、日常问答这些场景，完全够用。

本周最大的感受：2026 年的 AI 行业正在从「功能竞赛」转向「效率竞赛」。不是谁能多做一个功能，而是谁能用更少的资源跑出同样的效果。

开源模型在缩小差距，本地推理在降门槛，Agent 在变自主化。这些趋势指向同一个方向：AI 不再是只有大公司玩得动的东西。

这周我们做了个决定：把所有付费模型调用都切到免费或平替方案（OpenRouter + 本地 Qwen3.5 兜底）。省钱不是目的，目的是验证一套「不依赖任何单一供应商」的推理通路。现在 15/15 Agent 全跑通了，每天省了不少钱。这个经验之后会写篇文章详聊。