AI能力认知分裂：免费模型 vs 前沿代理模型

从我的时间线判断，人们对AI能力的理解差距越来越大。第一个问题我认为与使用的新旧程度和层级有关：很多人去年尝试了ChatGPT的免费版，并因此过度影响了他们对AI的看法——他们嘲笑模型的怪癖、幻觉等。是的，我也看过OpenAI高级语音模式在处理"我应该开车还是步行去洗车"这种简单问题时出糗的视频。问题是，这些免费且过时/废弃的模型并不能反映今年最新一代最先进的代理模型（尤其是OpenAI Codex和Claude Code）的能力。

但这就引出了第二个问题：即使有人每月花200美元使用最先进的模型，很多能力在高度技术领域上仍然是"尖峰"的。典型的搜索、写作、建议等查询，并非能力进步最显著、最惊人的领域。部分原因在于强化学习的技术细节以及可验证奖励的使用。但部分原因也在于，这些用例并未被公司优先考虑，因为它们带来的金钱价值不够高。金矿在其他地方，关注点也随之转移。

这就引出了第二类人：他们既1）付费使用最前沿的代理模型（OpenAI Codex / Claude Code），又2）在编程、数学和研究等技术领域专业地使用它们。这类人最容易患上"AI 妄想症"，因为今年在这些领域的改进简直令人震惊。当你把计算机终端交给这类模型时，你可以看到它们解决通常需要几天/几周工作的编程问题。正是这第二类人认为AI的能力、其增速以及各种网络相关影响具有更重大的意义。

简而言之，这两类人正在各说各话。现实情况是，OpenAI的免费且似乎被遗弃的"高级语音模式"会在你的Instagram Reels中回答最愚蠢的问题，同时OpenAI最高级别付费的Codex模型会花一个小时连贯地重构整个代码库，或者发现并利用计算机系统中的漏洞。这部分确实有效并取得了巨大进步，原因有二：1）这些领域提供了明确的、可验证的奖励函数，易于进行强化学习训练（例如单元测试通过与否，而写作则更难明确评判），2）在B2B环境中价值更高，意味着团队最大的精力集中在改进它们。所以，现状如此。