十一月中旬,谷歌的 Gemini 4 Carbon 开放使用。同期有一条被广泛转述的判断:这个新模型不再把智能上限当成唯一目标。

这句话如果成立,说明头部厂商的策略发生了实质转向。过去几年所有发布会都在比参数、比榜单、比推理深度,现在开始比别的了。

为什么纯粹的智能上限越来越难打?

因为收益递减。从 70 分到 85 分,用户感知明显;从 92 分到 95 分,用户几乎感知不到,但成本翻倍。

更麻烦的是评测失真。榜单题目被训练数据覆盖,分数上涨不代表真实能力上涨。厂商自己也知道,所以开始找新的叙事。

转向转去哪了?

三个方向。第一是可用性,包括延迟、稳定性、成本。第二是场景深度,把能力嵌进具体工作流,而不是做一个通用问答框。第三是可控性,让企业能约束它的行为边界。

这三个方向的共同点是:它们都不体现在榜单上,只体现在用户留存和付费转化上。

不再卷上限意味着能力停了吗?

不是停,是节奏变了。基础能力继续提升,但不再作为主打卖点。营销资源转向场景和体验。

这个变化对开发者的影响很直接:模型之间的能力差距在缩小,选型的权重从谁的模型更聪明,转向谁的接口更好用、谁的生态更完整。

这对国内厂商意味着什么?

意味着追赶窗口变窄了。如果头部不再拉开智能差距,而是转向生态和场景,那后来者靠单点能力突破的机会就少了。

反过来,国内厂商在场景落地上有优势,尤其是跟本地业务系统结合的场景。这个优势在智能差距缩小时会被放大。

企业该怎么应对?

不要再把模型能力当成核心竞争力。模型是水电,能力差距会持续缩小。真正的壁垒在数据、流程、以及对这个业务的理解。

具体做法是把模型抽象成可替换的一层。业务逻辑不写在提示词里,写在代码和流程里。这样换模型不至于推倒重来。

还有哪个信号值得注意?

有报道提到谷歌新模型不再追求智能上限,同时 OpenAI 的下一代旗舰迟迟没有发布。两家头部同时在调整节奏,这不是巧合。

可能的原因是:技术曲线的斜率在变缓,而市场对更强模型的付费意愿没有同步上升。在这种情况下,把资源投在能立刻转化成收入的场景上,是更理性的选择。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论