老用户质疑 AI 模型集体退化:跨 ChatGPT、Claude、Grok 均感变差
Cheap_Comfortable678 · reddit · 2026-11-03
一位从早期就开始重度使用 AI 的 Reddit 用户发长帖质疑：过去一年各大厂商的模型在任务理解与完成上明显退化，且不限于某一家。
观察到的现象
- 一年前一个相对简单的 prompt（用 Ollama 建本地聊天机器人 + 自定义 UI + 语音识别合成）就能得到基本可用的结果；如今连旗舰模型都难以完成。
- CLI 编码 agent（如 OpenCode）能读文档、跑命令、改代码、跑测试并「报告完成」，但实现经常是坏的：偏离目标、做多余假设、破坏自己的代码、在什么都没跑通时自信宣布成功。
- 对话模型（GPT、Grok、Gemini）也感觉更差：假设更多、解释冗长、过度复杂化，指令遵循变弱、过滤与偏见变多。
- 奇怪的是，号称更强的 120B、550B 大模型有时不如更旧更小的模型。
作者提出的可能解释：后训练过度优化、过度对齐损害推理与指令遵循、推理配置/部署被悄悄更改、新模型一致性真的更差。他向有长期重度使用经验的人求证是否同感。
「模型」频道最新
- DeepSeek 开源 DeepInfer 推理引擎:单卡每秒输出超 2.6 万 token — bycloud · 2026-11-04
- DeepMind 用 RL 训练 Gemini 做精神科问诊，鉴别诊断正确率翻倍 — SRSchmidgall · 2026-11-04
- Particle-1 令牌省 45%，后训练 DeepSeek V4.1 Flash 降成本 — heyneighbor · 2026-11-04
- Decider 流量三周达 Jev 的十分之一，OpenRouter 榜单存疑 — bo_wangbo · 2026-11-03
- 开发者实测:astra 与 sol 在开放式任务上仍逊于 Opus 5.5 — haider1 · 2026-11-03
- 开源模型集体超越11个月前的"前沿"水平，DeepSeek/GLM/Qwen 全面开花 — Hesamation · 2026-11-03