博客

一个我预期一夜跑完的任务，连着三天在原地打转。折腾完 harness 才发现不怪我：Codex 里的 GPT-5.5 被人扒出思考 token 恒定停在 516，平均思考长度从 268 跌到 107。同一周，Claude Code 被逆向出一段专门给中国用户打隐形标记的代码。付了顶配的钱，拿到的却是一个你完全不知道它状态的黑盒。

GPT 5.5 发布那天，一夜之间 Codex 里就能选了。这次 5.6，三档规格、benchmark 漂亮，我去切模型，下拉框却是空的——只给 20 家合作伙伴，每进一个还要美国政府审批。前阵子我还在担心最强的智能开始论钱，现在我得收回一半：钱能买到的智能，已经算是公平的智能了。

我们在推理引擎上研究三周，换来几个点的效率提升。某天早上上线，第二天它就变成了报表上的利润。这条从技术到利润的链，被 token 经济压成了史上最短的一条：智谱半年股价八倍，OpenAI 靠 GPT-5.5 把 Codex 拉到 500 万周活，MiniMax 一度超过百度又迅速回落。捧你和弃你，用的是同一种速度。

我让 Fable 5 跑一个长任务，回来发现干活的已经被悄悄换成了 Opus 4.8。三天后，这个模型被美国商务部一纸出口管制令全球关停，连盟友都用不了，理由是它太擅长找漏洞。顶尖闭源智能的可得性，正在变成一件系统性的风险。而几乎在同一周，国产开源模型集体接棒。

用 agent 从零做推理引擎，项目越探索越乱，模型表现肉眼可见地变差。后来每次的解法都一样：停下来重新定义目标，开新 repo 重来，同一个模型判若两人。微软模拟了 20 万场对话得出同一个结论：模型走错路，自己不会回头。

Fable 5 跑了个硬核任务，15 小时，420 美元。模型确实变强了。但 6 月 22 日之后从Coding Plan订阅移除，按 API 费率买，成本差了一个数量级。谁能用最好的智能，变成了一个纯粹的钱的问题。

一个朋友用模型做小工具，觉得已经够牛了；任务一复杂，就开始反复被告知「我搞定了」但其实没搞定。这背后是一个正在发生的分叉：benchmark 分数挤在天花板、彼此快测不出差异，真实体感却越拉越开。会解最难的题、能可靠办成一件糙活、会探索没有标准答案的问题，正变成三种不同的能力。而最要紧的那一维，恰恰最难测、也最难练。

Opus 4.8 在研究和工程任务上连着让我失望，这些活我全转给了 GPT 5.5。但复盘下来，这不是 Claude 一家的问题。从英伟达、AMD 差点破产，到智谱掉队又翻身，顶尖模型一直在风水轮流转。别赌谁最强，赌谁还在牌桌上。

大家算 token 成本，习惯盯 TTFT、TPOT、吞吐速率。真正让账单差出 10 倍的是 KV cache 有没有命中。模型、服务端、用户三层都得对得上。

GPT-5.5、Opus 4.7 一档需求几乎无限，中等模型断档，中低端算力大量闲置。Token 经济听起来像卖电力，其实更像加油站：98 号汽油断货了，柴油桶装满了但需要自助，95 号装满了但空置。

上个月写了'无知是优势'，这个月被 agent 连坑四次：性能虚高几十倍、实验机被删成砖、优化原地打转、目标太高交付不了。今天修正一下：无知让你敢试，常识让你不被骗。

Gemini 3.5 Flash 发布会几乎不讲智能，智谱 GLM-5.1 高速版冲到 400 token/s。背后是同一个故事——推理速度跨过 5 倍那条线之后，模型解锁的就是另一类产品了。