HR 与薪酬平台 Deel 在 10 月 21 日发布两个自研模型。其中一个 9B 开源权重模型，在自家 601 题基准上拿到 70 分，前沿模型 Claude Opus 5.5 是 74 分；但中位响应 7.7 秒对 14.8 至 28.4 秒，成本声称低约 98%。
分差很小，账差很大
这个案例的价值不在「小而强」的口号，而在口径：同一个业务基准、同一批题，分数差 4 分，成本和时延差一个量级。对高频、低风险的问答型任务，这 4 分往往不值得付十倍价钱。
语料从哪来
K1 用约 12 亿 token 的素材做适配，素材来自 2000 多名 Deel 内部专家；P1 是薪酬模型，基于 Nemotron、由 AI21 Labs 训练。换句话说，壁垒是「别人拿不到的业务语料」，不是模型结构。这也解释了为什么同样的开源底座，不同公司做出来效果差很远。
什么时候还不行
长程智能体、高风险决策、受监管场景，前沿模型与中游模型的差距是实的。合理的做法是分层：小模型跑「面」——量大、容错高、要快要便宜；前沿模型兜「点」——量小、错一次代价大。
对企业意味着什么
- 先盘自家有多少可用的高质量语料，这直接决定能不能走这条路。
- 把任务分层，别用一套模型打所有场景。
- 自建不等于自研：微调加私有化部署，已经能覆盖大多数内部场景。
- 成本按「单次任务」算，不要按 token 单价算——时延和返工也是成本。