一场2%的战争
2个百分点。
这就是Intercom用来挑战OpenAI和Anthropic的全部筹码。
73.1%对71.1%——Fin Apex 1.0在客户问题完全解决率上，以两个百分点的微弱优势领先GPT-5.4和Claude Opus 4.5。
听起来好像没什么大不了？
但Intercom CEO Eoghan McCabe算了一笔账：如果你的公司有一亿用户，或者十亿美元年收入，这2%意味着数十万次对话、无数笔订单、真实的白花花的银子。
"预训练已经成为商品了，真正的护城河在post-training。"
这句话从McCabe嘴里说出来，有点像一个小学生指着爱因斯坦说："你的物理我不太认同。"
但他手里捏着两张牌：
第一，Fin Apex 1.0响应时间3.7秒，比竞品快0.6秒，幻觉率降低65%。
第二，这东西的运行成本只有调用前沿模型的大约五分之一。
一个15年的老牌客服软件公司，凭什么？
你追我赶的猫鼠游戏
故事得从三年前说起。
那时候Intercom"处境非常糟糕"，McCabe原话。营收增长乏力，股价平平，整个SaaS行业都在焦虑——AI来了，我们怎么办？
大多数公司的选择是：接入OpenAI的API，接入Anthropic的API，给自己的产品贴上"AI驱动"的标签，然后等着投资人买单。
Intercom选了一条更疯狂的路：自己训模型。
从6个研究人员干到60个人，砸进去多少钱McCabe没明说，但能算出来——这三年他们把AI团队扩大了十倍。
2023年，Fin上线的时候，解决率只有23%。换句话说，四个问题里有一个能自动处理好消息就不错了。
今天？这个数字涨到了67%。
有些大企业客户甚至跑到了75%。
Fin现在的ARR接近一亿美元，每年以3.5倍的速度增长。明年这个时候，它可能会占到Intercom整个公司一半的收入。
一家做客服软件的公司，靠自己训的AI模型，完成了自救。
最大的秘密：我不说
但有个问题。
当VentureBeat问Fin Apex 1.0到底基于哪个基础模型训练、参数规模是多少的时候，Intercom的回答是：
"无可奉告。出于竞争考虑，而且我们以后还会换基础模型。"
他们只肯透露一点：参数规模在"数千亿级别"。
对比一下：Meta的Llama 3.1从80亿到4050亿参数都有，GPT-5.4据推测已经是万亿级别。
这就很微妙了。
你用开源模型做底子，这没问题——Cursor之前也这么干过，被人扒出来之后闹得挺难看。Intercom学乖了，他们说自己"非常透明"地使用了开源权重模型。
但你不说具体是哪个，这叫哪门子透明？
McCabe的逻辑是：基础模型不重要了，谁都能用Llama 3.1，重点是你拿什么数据去post-training。
这个说法对一半。
对的一半是：客服场景确实需要特定数据——Intercom有Fin每周处理的200万次真实对话，有客户服务的语气模板，有判断问题是否真正解决的标注数据。
错的一半是：如果基础模型真的不重要，那藏着掖着是为了什么？
说白了，这个行业还没建立起"如何正确使用开源模型"的共识。所有人都在打擦边球，既想沾"自研模型"的光，又不想暴露自己到底依赖了多少开源社区的免费午餐。
新的淘金热
Andrej Karpathy前一阵子提过一个概念，叫"AI的物种分化"（speciation）。
简单说就是：大一统的通用模型会分化出一堆专门干一件事的小模型。写代码的、审合同的、客服聊天的，各有各的地盘。
McCabe觉得，客服是这场分化里最肥的几块田之一。
资本已经用钱投票了。Decagon、Sierra这些创业公司各自融了上亿美元，冲进这个赛道。
"这个领域竞争极其残酷。"McCabe说。
他的判断是：通用模型永远追不上领域专用模型。
这个判断对不对我不知道，但我知道一个事实——OpenAI和Anthropic不太可能专门针对"如何礼貌地告诉顾客退货期限已经过了"这种问题去做强化学习。
他们的战场在更宏观的地方。
这就给了Intercom们一个窗口期。
窗口期有多长？McCabe说"至少一年"，其他人可能需要一年以上才能复制他的路径。
一年够干很多事。
便宜，才是王道
聊完技术层面，回到一个更现实的问题：钱。
Fin Apex 1.0的定价没变。用户还是付0.99美元一次解决，不额外加钱。
这就很微妙了。
一方面，Intercom声称自己的模型运行成本只有调用前沿模型的大约五分之一；另一方面，它没打算把这个节省让利给客户，而是自己揣进兜里。
这说明什么？说明AI在客服场景的ROI已经足够高，高到即使不降价，客户也愿意买单。
而且Intercom不打算把Fin Apex 1.0做成独立API卖给别人。你要使用这个模型，必须通过Fin产品，也就是说，必须用Intercom的整个客服系统。
这某种程度上是一种锁定策略，但也保证了技术的"专属性"——不管底层模型是什么，客户拿到的就是一个黑盒子里跑出来的效果。
McCabe的原话："如果你不能变成一家Agent公司，你的CRUD应用业务未来会越来越暗淡。"
翻译成人话就是：还在做那种简单的增删改查软件的公司，等着被AI替代吧。
尾声
写到这里，我有个问题：
如果post-training真的是护城河，那OpenAI和Anthropic为什么不做同样的事？他们有钱有人有数据，招几百个客服领域的专家很难吗？
McCabe的答案是：他们不会做，因为他们的商业模式不允许。
做通用模型的公司，追求的是覆盖面，是"我什么都能干"。做垂直模型的公司，追求的是"某一件事我干得比谁都透"。
这是两种完全不同的商业逻辑。
Intercom的豪赌能不能成功，取决于这个逻辑能不能撑过下一代通用模型的冲击。
GPT-5.5或者Claude 5.0出来的时候，2%的差距可能一夜之间就被抹平。
但在那之前，McCabe可以安心当他的"客服模型之王"。
这可能就是AI时代的残酷法则：通用模型负责震惊世界，垂直模型负责闷声发财。
谁也说不准哪条路最后会赢。
但至少现在，一个15年的老牌软件公司，用自己的方式，证明了游戏还没有结束。
【MiniMax-M2.1锐评】：这篇文章巧妙地把一条技术新闻写成了"小公司挑战巨头"的商业故事，用2%这个数字做引子，层层剥开Intercom的算盘，最后留下一个开放性的叩问。节奏快、信息密、情绪到位，是科技公众号该有的样子。
参考链接：
https://venturebeat.com/technology/intercoms-new-post-trained-fin-apex-1-0-beats-gpt-5-4-and-claude-sonnet-4-6