标签:

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。

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。

GPT-5.5 今天发了，距 5.4 才一个半月。Opus 4.7 上周发了，距 4.6 才两个月。更逗的是 GPT 终于说人话了，Opus 反而开始不说了。这个节奏下，判断本身的半衰期都变短了。

V4 能力卡在 Opus 4.6 一档，但把 FP4 推到生产、百万上下文做成默认、国产芯片 day-0 适配，对所有做推理 Infra 的人都是灾难。加上 GPT-5.5、Vision Banana、LPM 1.0，这一周挤进来的新东西比过去一整个季度都多。

价格本来是用来调节供需的，大模型这件事偏偏卡在一个奇怪的位置——供给被芯片管制锁死，需求被三类用户拉成完全不同的形状。Coding Plan 这种当年看起来理所当然的模式，现在反而被反复挑战。

昨晚 Opus 4.7 发布，我就没睡成。起来试了试，顺手给 OpenClaude 提了几个 PR 合进了主干，还把 Strix Halo 上 Qwen3-30B 的 prefill 推到了接近 DGX Spark 的水平。Agent 够强之后，一个人能同时做几件事，变成了一个挺具体的问题。

调研文生视频的时候发现，中国模型在语言模型开源社区的统治力并没有延伸到所有地方。回头看这三年，从 LLaMA 到千问到 DeepSeek，开源社区经历了什么？现在又在等什么？

每天都在切模型。Opus莽但能打，GPT 5.4全面但老跑偏，Gemini有审美改不对bug，三个国产各有各的毛病。用多了你会发现，换模型比调参数更管用。