一线工程师挑战行业叙事：前沿模型的「原始智能」进步有限
Reasonable_Goat · reddit · 2026-11-15
一位身兼 SWE、本地模型爱好者和 AI 产品集成工程师的 Reddit 用户提出争议观点：LLM 近两年明显变得「更有用」，但其「原始智能」的提升远小于整体表现所暗示的程度。
三点观察支撑这一判断：
- 生产级 harness 经验：一旦 harness+模型组合在黄金数据集上达标，换更新的前沿模型很少带来改善；失败多源于上下文工程或工具不足，新模型的创意解法往往太慢或不可靠。
- 软件工程：同一模型在不同 harness 下表现差异很大，复杂代码库中资深工程师的修正工作量更多取决于 harness 质量。
- 本地小模型：小模型已好到让人怀疑高效解题到底需要多少参数；前沿模型的优势主要是更广的知识和内建技能，在知识已被提供时优势不成比例。
他的结论：高效解题所需的参数可能比 assumed 的少；过去 12-24 个月的进步更多来自模型累积改进与更好的 harness，而非智能的指数级跃升；并猜测炒作与末日论共谋，与即将到来的 AI IPO 有关。
「漫话AGI」频道最新
- Aaron Levie：工作将主动「代码化」以适配 AI agent 的长处 — RaphaelDabadie · 2026-11-15
- 15 天 2234 条报道全图谱：追踪 AI 议题的媒体覆盖与利益关联 — kevinnbass · 2026-11-15
- 「友善 AI 单体」推导引争议:权力集中反而利于生存? — jessi_cata · 2026-11-15
- 理发师上周才听说 ChatGPT:多数普通人仍未接触 AI — AI_Andrew · 2026-11-15
- 研究者反驳 Dwarkesh：定义并爬升 AGI 指标才是硬问题 — dhadfieldmenell · 2026-11-15
- 研究员吐槽:没人能分辨X上的AI回复,这才是最可怕的 — iScienceLuvr · 2026-11-15