HR 與薪酬平台 Deel 在 10 月 21 日發佈兩個自研模型。其中一個 9B 開源權重模型，在自家 601 題基準上拿到 70 分，前沿模型 Claude Opus 5.5 是 74 分；但中位響應 7.7 秒對 14.8 至 28.4 秒，成本聲稱低約 98%。
分差很小，帳差很大
這個案例的價值不在「小而強」的口號，而在口徑：同一個業務基準、同一批題，分數差 4 分，成本和時延差一個量級。對高頻、低風險的問答型任務，這 4 分往往不值得付十倍價錢。
語料從哪來
K1 用約 12 億 token 的素材做適配，素材來自 2000 多名 Deel 內部專家；P1 是薪酬模型，基於 Nemotron、由 AI21 Labs 訓練。換句話說，壁壘是「別人拿不到的業務語料」，不是模型結構。這也解釋了為什麼同樣的開源底座，不同公司做出來效果差很遠。
什麼時候還不行
長程智能體、高風險決策、受監管場景，前沿模型與中游模型的差距是實的。合理的做法是分層：小模型跑「面」——量大、容錯高、要快要便宜；前沿模型兜「點」——量小、錯一次代價大。
對企業意味着什麼
- 先盤自家有多少可用的高質素語料，這直接決定能不能走這條路。
- 把任務分層，別用一套模型打所有場景。
- 自建不等於自研：微調加私有化部署，已經能覆蓋大多數內部場景。
- 成本按「單次任務」算，不要按 token 單價算——時延和返工也是成本。