俊升配资
大伙有没有感觉，现在各家的AI，好像越来越蠢了？
事情是这样的，前几天我心一狠，给 OpenAI 充了个200刀的会员，想着试试现在的 ChatGPT 强到啥程度了。
结果，我给他丢了个算术题，求解 5.9 = x+5.11，哥们直接给我算崩了。。
《这题真是幼儿园级别》？
堂堂200刀人工智能，还不如我20块的计算器啊？
但，我记得GPT-4刚出那会儿，我还让它算过高数啊？难道模型升级还会砍智力吗？于是我给它丢了个微寄分过去。
结果，哥们还会换元法，一通操作下来，看着还真没啥问题，评论区的大学生可以验验真假。
所以，两次算数用的都是GPT-5，咋还给我见人下菜碟？
本以为是OpenAI飘了，结果我上网一查发现，这事儿还不是 GPT 一家干的，甚至有点行业趋势的意思。
前几天发布的开源模型LongCat，其中就提到自己用一个路由器提高效率。
DeepSeek V3.1发布时，也说过自己一个模型可以有两种思考模式。
而同样是AI巨头的Gemini，在Gemini 2.5 flash发布时，就引入了相似的模式，让模型自己决定怎么用脑。
总的来说，大伙都在让自己的模型“该思考时再思考”，该偷懒的时候偷懒。
这么做的动机俊升配资，也很好理解，那就是省钱。从OpenAI发的资料来看，通过这种“让模型自己决定要不要思考”的方式省掉的tokens还真不少，GPT5输出token数就少了50%-80%。
DeepSeek官方发的图表中也显示，新模型tokens消耗也下降了大概20%-50%。
省一半token，这是什么概念？咱普通人可能体会不到，但对OpenAI这样的大公司来说，可能就是一大笔开销。
去年央视就有报道，ChatGPT每天耗电超过50万度，在如此庞大的基数下，省出来的部分，够一个上万户家庭的小镇用上一天了。
这也难怪奥特曼在网上跟网友说，你们跟GPT说声谢谢都要花我上千万美元。之前的高级模型，一句谢谢也能让它思考几分钟，还真有点浪费在里面。
所以，AI这看题下菜的能力，到底咋练成的呢？OpenAI 没公布具体原理，但 2023 年有篇论文叫《Tryage: Real-time, Intelligent Routing of User Prompts to Large Language Models》，专门分析了这个问题。
在GPT-3.5出来那阵，大模型还不会自己调节思考能力，每个问题都能让AI无限烧脑。
为了提高效率，研究者就想出来了一种叫“感知路由器”的模块，它本质上，就是在混合模型里塞了一个小巧的语言模型。
在前期训练时，路由器就和刷题一样，对“使用哪个模型最佳”，做出自己的预测。
哪个模型适合深度研究，哪个模型适合快速思考，当然有标准答案。系统就会将这个预测分和标准答案进行比对，计算出两者间的误差。接着通过微调路由器内部的参数，来减小这个误差。
当它刷数百万道题之后，就逐渐学会怎么给你的提示词，分配合适的模型了。
当一个新提示词进来，AI内部的路由小模型就会先扫一眼，评估一下这问题配不配我动脑。因为路由器比较轻量级，所以这个评估过程几乎是瞬时的。
而除了OpenAI这法子，AI还有一种偷懒的思路，那就是把不同的token，导向不同的神经网络。
像美团的LongCat就采用了这种方法，从报告来看，他们采用了一种叫“零计算专家”的机制。
通常来说，在你输入提示词之后俊升配资，你的提示词会拆分成一个又一个的tokens，交给模型内部的神经网络去处理。
但Longcat在处理之前，会先把它交给一个叫“Top-k Router”小路由器，它就像一个流水线上的调度员，在收到token的时候，会判断这个token处理起来是复杂还是简单。
同时在它的内部，有很多不同分工的神经网络，我们把它们叫做专家。
这些专家，有的喜欢做难题，有的喜欢做简单题，当然，也有摸鱼界专家。
比如“请用Python写一个快速排序”这句话，“Python”和“快速排序”就是重点，“请”和“一个”就没那么重要。
像这些没啥用的token，咱就可以丢给那些摸鱼大王了，因为它们根本不需要怎么处理。这下，你就知道“零计算专家”这个名字是怎么来的了。
这也能解释为啥大伙都在吹这个模型“太快了”。
总的来说，这种设计对模型厂商来说算好事，不仅省钱还能提升训练效率。
从用户角度讲，模型更快了，价格更便宜了。但我感觉，这玩意是把双刃剑。如果用不好，还真是实打实影响用户体验。。
记得GPT-5刚上线，这路由器就翻车了。用户发现自己怎么都调不出来它的思考模式，问什么它都懒得思考，像摆烂一般只会“啊对对对”，连“blueberry里有几个b？”都数不明白。
而且，这也算剥夺了用户的选择权。OpenAI一刀切掉了4o，搞得很多网友在网上哭诉说自己失去了一位朋友。
这又让奥特曼又暂时为Plus用户把GPT-4o端了上来，并允许Pro用户继续访问其他旧模型。
那这个操作，不就变相说明，在发布的时候，这个路由模型就没调好嘛。
咱再说LongCat，它的确很快，但在思维上限上，还是打不过其他大模型的。像我就同时给LongCat和DeepSeek丢了一个同样的问题：什么叫“但丁真不是中国人，但丁真是中国人”？
LongCat这边刷刷出答案，但没解读出来这句话的幽默感；而DeepSeek虽然慢了点，笑点解析得却很清楚。
LongCat
DeepSeek
就像我问你114*514是什么，你说当然是58596啊，算得确实很快啊，但其实我只想让你配合我搞抽象。
当然，对路由器罢工，咱也有些解决办法，那就是在提示词里加入“深度思考”“ultra think”这些字眼，路由器收到后会尽量调用更强大的模型。
不过也只能说治标不治本了，多用几次可能就叫不醒了。。
这就说明 AI 确实罢工了，咱只能等几个小时再来了。
所以说到底，方向是好的，技术是新的，但现阶段的体验也确实只是“还行”的。当然，大模型成长速度比我们想的更快，咱还能坐等更快更好的模型出世。
撰文：不咕
编辑：江江 & 面线
美编：萱萱
图片、资料来源：
LongCat、DeepSeek、Reddit、Chat GPT、央视网
部分图源网络
配资天眼提示：文章来自网络，不代表本站观点。
