做PPT大概是打工人最痛的活之一。最近一家叫 Genspark 的 AI 应用公司，给出了一条新思路：与其让通用的旗舰大模型硬扛，不如专门训练一个小模型只干这一件事。
他们推出的 Gen-1 Slides，底座是 MiniMax M3，再针对 2000 个内部任务做强化学习后训练。基准测试里，它的表现追平了 Claude Opus 5（0.821 分对 0.810 分），但单次调用成本只有 0.44 美元，而 Opus 5 要 4.16 美元——差不多是十分之一。在 157 万次生产环境任务里，用户给它打了 4.25 分（满分 5 分）。
一个小模型，凭什么追平旗舰？
答案藏在"专用"两个字里。通用大模型什么都会一点，但也什么都要为"全能"付出代价——参数摊在无数任务上，遇到 PPT 这种高度结构化的活儿，反而使不上劲。Genspark 把模型锁死在"生成幻灯片"这一个场景，用大量真实任务反复打磨，性价比就出来了。
这并非孤例。英伟达开源的 Nemotron 3 系列里，最小的 Lightning 版本，经定向训练后在预测正确性上大幅超过大得多的 Ultra——垂直任务上，小模型加领域训练，能超过大 1 到 20 倍的通用模型。
一个正在成形的趋势：AI 应用厂商开始绕开"调用最贵通用大模型"的惯性，转而用专用小模型在垂直场景做高性价比替代。对用户来说，这意味着你用的某个功能背后，可能早就不是那个耳熟能详的旗舰模型，而是一颗默默干活、便宜十倍的"螺丝钉"。
对你有什么用？
1. 做汇报材料，可以优先试专门的 PPT/文档类 AI 工具，往往比让通用模型硬写更稳更省。
2. 企业采购 AI 能力，别只问"接的哪家大模型"，要问"有没有为我的场景做过专用训练"——后者才是真成本。
3. 内容创作者该意识到：通用大模型不是终点，垂直小模型才是落地降本的主战场。
一个反直觉的启示：当专用小模型能把成本砍到十分之一，很多原本"用不起 AI"的场景就被激活了。比如一家小公司要给上千份产品资料自动生成汇报页，过去调旗舰模型按 token 计费，攒一次就是一笔不小的开销；换成专用模型，成本直接降到可忽略。Genspark 的思路正在被复制：先做透一个高频场景，再用便宜十倍的模型把它产品化。对创业者的提醒是——别一上来就想着"再造一个大模型"，把一个具体痛点用专用模型钉死，往往更快跑通商业闭环。
AI 降本的下半场，比的不是谁更"全能"，是谁更"专精特新"。