模型没死，但已经不重要了
上周我干了件蠢事。
让三个AI Agent同时复现一篇ICML 2026的论文。OpenAI那个跑了一半告诉我额度用完了，账单20美元。DeepSeek那个花了2美分就跑完了，结果全是错的。还有一个开源的，跑是跑完了，结果也对，但中间断线了三次，每次得我手动重连。慢慢的我就想清楚了一个事儿，我们现在根本不是在比谁更聪明。
跑分时代已经过去了
GPT-5.6 Sol发布了，OpenAI说它同时管即时回答和深度推理，Plus和Pro用户能用，免费用户也能不限量地用Luna聊天。
你看，连OpenAI都不再强调“我比5.5强了多少分”了。
以前一个模型出来，大家第一件事是查MMLU、GSM-8K、HumanEval。现在呢？没人关心了。因为GPT-4级别的能力已经遍地都是，免费用户都能随便用。模型从“奢侈品”变成了“自来水”——谁家水龙头出水快、水流稳、不突然停水，才是关键。
OpenAI想明白了：与其让大家抢着用Pro，不如把基础版放开，把人留住，然后靠工具调用、生态绑定、响应速度赚钱。这跟Google当年把搜索做成免费的逻辑一模一样。
DeepSeek的尴尬
V4-Flash发布的时候，大家都觉得“国产之光又来炸场了”，价格低到离谱。结果没几天，平台说API要涨价，涨幅不小。
OpenCode团队有个人说了句大实话：他们拿租赁GPU算了一下，DeepSeek现在的定价自己也能做出来。涨价可能真不是成本问题，是服务被挤爆了，只能靠价格赶人。
这就是低价策略的代价。
你卖得越便宜，Agent调用得越疯狂——Coding Agent跑一次任务几十万Token，连续几十分钟不间断。你以为是好事？峰值流量一来，机房扛不住，调度崩了，用户全在骂。
价格战谁都会打，但价格打完了还能把服务稳住，那才是真本事。DeepSeek现在卡在中间：便宜是便宜了，但便宜带来的用户量，它接不住。涨价吧，口碑受损；不涨吧，服务瘫痪。这个问题比模型跑分难搞一百倍。
Google选了一条更聪明的路
Demis Hassabis去当董事长和首席科学家了，不管日常了。
很多人觉得这是“升职”，我倒觉得这是Google在Chat产品上认输了——反正追不上OpenAI和Anthropic，干脆让Demis去搞他真正擅长的东西：科学。
Google DeepMind一直以来的差异化，从来不是聊天聊得多好，而是AlphaFold、数学推理、药物研发。这些东西有明确的对错标准——蛋白质结构预测得准不准，实验能不能复现，结果是客观的，不需要用户打分。
WeatherNext就是个典型。气旋路径预测比原来多争取了24小时预警时间。
24小时是什么概念？你ChatGPT回答快一秒，用户感觉不出来。但气象预警多一天，可能意味着几千人的疏散、几亿的物资调动。这个价值不需要吹，算得出来。
而且Google还把代码和权重都开源了，让各国气象部门自己做本地化。这是在铺基础设施，不是在抢用户。
科研复现的那点事
再说回HuggingFace那个AI Agent复现论文的事。这件事被很多人解读为“AI要取代科学家了”。别扯了。
复现论文本质上是个体力活——配环境、调参数、跑代码、对结果。AI干这个确实在行，而且不会因为熬夜而崩溃。但真正难的是两件事：第一，这个方向值不值得研究？第二，结果怎么解释？这两件事AI现在还做不了。
所以AI Agent在科研里的真实角色，就是个超级实验员。人类提方向、定标准、解释意义，AI负责把那些重复劳动干掉。科研不会因此“自动化”，但迭代速度会快很多。这已经很了不起了。
值得怀疑的那些“大饼”
MatrAIx搞了个社会模拟，号称能覆盖83亿虚拟角色。83亿，听着就吓人。但你仔细想想就知道不可能——83亿个大模型Agent同时跑，全地球的算力加起来都不够。它更可能是个统计学抽样系统，按年龄、地区、职业生成一些虚拟样本，用来做政策推演或者消费行为研究。这个方向本身有价值，但千万别被“数字孪生地球”这类话术忽悠了。模型输出的东西来自训练数据，训练数据有偏见，出来的结果就是放大版的偏见。规模越大，看起来越精确，其实可能错得越离谱。NVIDIA的MotionBricks也是类似道理。35万段动作素材，能生成动画也能控制机器人，听着很酷。但它解决的是“基础动作怎么生成”，解决不了“这个动作符不符合角色性格”或者“物理上到底能不能站稳”。动画师和机器人专家不会失业，他们只是不用再调那些重复的骨骼绑定了。
最后说两句
每次AI有进展，你就会看到一堆夸张的标题。“100倍速度提升”“完全不需要反向传播”“83亿人社会模拟”。
别信。
去看原文，看它跟什么比的，测试条件是什么，代码开没开源，第三方复现过没有。这些话说出来很扫兴，但比记住一个跑分有用得多。
