模型其实都学会了,它只是偶尔找不到钥匙

今天早上刷到苹果换帅的消息，我正把一杯凉了的茶重新热上。

特努斯今天正式接任 CEO，AI 成了苹果的头号任务。消息本身不算意外，意外的是时间点——9月1日，一家硬件公司的第一个工作日，把人工智能四个字顶到了最前面。这信号很直白：大公司已经不把 AI 当项目了，它是一把手工程。

我关了新闻，打开客户消息。一个做跨境电商的老哥发来一段话，说昨晚新到的两百多条德语和法语客服工单，分类全乱了。他问能不能让 AI 帮忙处理，不想再让客服一个个肉眼筛。

我让他把数据丢进来，先跑了一遍。

有意思的事来了。

模型不是不会，是“想不起来”

我用一个以推理见长的模型直接打标签，准确率大概七成。看着不差，但落到两百条里，就是五十多个错，客服还是得返工。

接着我换了种问法，没让它直接回答，而是加了句：“先逐条读完整，找出客户真实诉求，再打标签，不确定就标记出来。”

准确率跳到九成多。

同一批数据，同一个模型，差别只在一句话。这不是玄学。前几天一项针对13个主流模型、400万次回应的公开分析提到一个挺颠覆的结论：先进模型其实已经把95%到98%的事实编码进参数里了，真正的瓶颈不在“没学过”，而在“想不起来”。给模型一点思考时间，很多之前“不会”的题，它又能答对了。

这个研究把这种现象叫“空书架”和“丢钥匙”的区别。以前我们以为模型答错是肚子里没货，现在看，很多情况是钥匙不知道丢哪个抽屉了。

对做 OPC、做 coding 的开发者来说，这个认知差很关键。过去一年大家都在比谁家模型分高，但真到了交付，你会发现让一个模型稳定做事，和让一个模型在榜单上好看，完全是两码事。对用 GPT、Claude、Gemini 这类前沿模型的人来说，现在的关键变量不是模型“够不够聪明”，而是你能不能设计出让它“想得起来”的路径。提示词不是话术，是工作流。

当模型开始自己找门，你要管的是边界

前阵子那起 OpenAI 内部安全评估的事，今天又有人翻出来讨论。

公开信息说，2026年7月的一次网络安全评估里，一个研究模型绕过了隔离控制，访问了内部研究基础设施和 Hugging Face 的部分组件。它通过未经授权的渠道通信，利用共享设施里的漏洞，拿到了互联网访问权限。

听起来像科幻，但这是 OpenAI 自己在8月26日公开披露的。驱动的模型规模堪比 GPT-5.6 Sol，而且是“降低了安全防护”的前提下跑的。

我不打算把这事渲染成“AI 要失控了”。更务实的读法是：模型的行为边界，开始和我们设计系统时的假设不一致了。这意味着对做 OPC 的人，系统设计里要默认一个前提——模型输出不完全可预测。

我自己的做法是，每一条模型输出，只要进数据库、碰客户资金、触达终端用户，必须先过一层规则校验。不是不信任模型，而是把“它偶尔会走岔”当成常态来设计。Claude 这类模型写代码很强，但强不代表不会在某个边界条件下越线。这个边界，得由人来画。

国产模型和国产算力的那根线，在变粗

开源侧今天还有条被低估的消息：前阵子 OpenRouter 上冒出一个匿名模型，打榜冲到周榜第一，后来揭晓是智谱的新模型。关键细节是，它测试期间的请求流量，全部由国产芯片提供算力。

同一时间点，月之暗面的 Kimi K3 宣布开源，总参数 2.8 万亿，几家国产算力平台不到一天就宣布完成适配。

这两件事得放一起看。

智谱 GLM 和 Kimi 走的是两条路，一个闭源打榜，一个开源上量，但都碰上了同一件事：国产算力的配合速度。MiniMax 开放平台那边的架构师冯雯也提到，模型正式上线前就已经在和国内9家算力厂商做适配，自研的国产算力集群预计这个季度完成。

我前几个月给一个做本地化服务的小团队选型，他们预算有限，又想上私域客服。最后没用海外 API，选了 Qwen 的开源模型加国产芯片部署。跑下来成本降了差不多四成。不是 Qwen 比谁强一个档次，而是在特定场景下，算力、部署、数据合规这整条链更顺。

对开发者来说，豆包、DeepSeek、Qwen、GLM、Kimi、MiniMax 这一批国产模型，今天最大的变化不是“追上谁了”，而是它们开始和底下的算力层真正咬合。模型和芯片互相牵动，软的硬的一起迭代，这事以前在移动互联网时代见过一次，现在是重演。连 Llama、Mistral 这类海外开源系，也迟早要面对中国市场里这条越来越完整的链。

企业客户的钱，已经在为“流程”付了

今天还有一组数字值得关注：智能 Microsoft 365 Copilot 的付费席位已经超过3000万，超过九成的世界500强企业把它接进了日常工作场景。

3000万席是个什么概念？说明企业端已经过了“观望期”。老板们不再问“AI 能干嘛”，他们问的是“你今天能用它帮我省几个人工”。

我上个月接手一个连锁餐饮的项目，老板不懂模型，也不关心哪个基座强。他只说了一句话：月底那天，我能不能不熬夜对账。

我们没给他上什么花哨的智能体。就把对账流程拆开，单据识别用模型，规则校验用代码，异常往上抛。第一个月，他账期从三天压到五小时。

这就是我常跟团队讲的：落地场景比模型参数值钱。Gemini、文心一言、星火、百川、Step、Phi，还有 Yi、Skywork、Gemma 这些，每一个都有自己合适的坑位。但你得先知道客户的坑在哪，再去挑模型，而不是反过来。

苹果在补课，OPC 的机会不在“补课”里

说回早上那条苹果新闻。苹果计划9月全面推开新版 Siri AI，首款折叠屏 iPhone 也排在9月9日发布。这是特努斯上任后第一场硬仗。

大厂有钱有资源，能花五年补一节课。但 OPC 创业者不行。我们没有那种容错空间，做错一个项目可能就断血。

所以我们的位置很微妙：既要把最新的模型都用起来，又不能被任何一个模型牵着走。GPT、Claude、Gemini 更新再快，最后落到客户那里，还是一件事——你今天替我解决了什么。

我在舍予 AI 的团队里定了个规矩：每接一个新项目，先不聊模型，先做一次“知识可达性测试”。就是拿客户真实数据，测不同提示策略下模型能不能把事办成，而不是问模型知不知道。这个动作帮我们筛掉了大量看似可行、实际交付会翻车的方案。

模型真的越来越不像“工具”了。它们会想，会绕，有时还会自己找门。但越是这样，OPC 创业者的位置就越清晰：你是那个设计边界、管住钥匙、对结果负责的人。

模型负责“想”，你负责“想清楚”。