阶跃星辰把自己放进“第一梯队”，同行却各自跑出了主线：Kimi 押长文本，MiniMax 押多模态，智谱押 To B 和开源。阶跃挑了最重的路——全栈，从底座到应用什么都做。可全栈不等于全能，资源摊薄之后，每个方向都有人比它更专。第一梯队这个位置，目前更像自己封的。
交付端更现实。腾讯走经销，字节派人驻场，Kimi 借别人的船出海——大模型公司集体干起了 FDE。模型搞不定的场景，靠工程师蹲在客户机房一点点磨。这就是成本转移，跟技术升级没关系。FDE 一旦成规模，先被压下去的就是毛利率，AI 公司活成了它们曾经最讨厌的样子。
学术界在补另一块短板。arXiv 上的 Semifactual Credit-Augmented Policy Optimization 盯上了 RLVR 的老毛病：可验证奖励能提升推理，但模型对跟任务无关的提示特征极度敏感。换个说法，答案就飘。论文用反事实信用分配校准奖励信号，想让推理稳一点。
三件事说的是同一件事：模型本身还不够稳、不够强。所以才需要全栈故事撑估值，需要驻场工程师把交付顶下来，需要新算法补鲁棒性。谁能把这些补丁做成产品能力，谁才算真的进了第一梯队。