「模型疲劳」蔓延:AI实验室几乎每周发布新版本

2026年9月初的一周内,全球四大人工智能实验室相继发布新模型。Anthropic推出了Claude Fable 5.1和Claude Mythos 5.1。Meta发布了Muse Spark 1.3。谷歌推出了Gemini 3.8 Flash。OpenAI随后发布GPT-6 Astra,该公司称这款模型专注于网络安全和计算机操作能力,是「多年研究和重大押注」的成果。同一周,阿布扎比的穆罕默德·本·扎耶德人工智能大学也将自己的K2 Horizon系列模型加入开源阵营,芯片制造商英伟达同意以129亿美元收购开源平台Hugging Face。据接受CNBC采访的高管和研究人员表示,这一切催生了一种他们称之为「模型疲劳」的现象:一种在构建这些系统的工程师和必须在其中做出选择的企业买家中蔓延的持续性倦怠。

实验室为何不肯放慢脚步

圣母大学门多萨商学院教授、从事人工智能研究25年的阿哈迈德·阿巴西表示,这种发布扎堆并非巧合。他说,各大开发商「都在争夺客户预算的份额」,竞相提醒客户和开发者,自己的创新速度至少不输对手。Anthropic和OpenAI均被私人投资者估值近万亿美元,二者在迈向未来可能的上市之际尤为积极。OpenAI首席执行官萨姆·奥尔特曼对CNBC表示,「我们都在转向更快的节奏」,并将部分加速归因于团队结束暑假返岗。

巨大的财务利益解释了这种紧迫感。Gartner预测,2026年全球人工智能支出将达到2.59万亿美元,较2025年增长47%,其中逾1万亿美元将流向服务、软件、安全、模型及其他工具,而非单纯的基础设施。任何一个模型系列一旦在发布节奏上落后,就有可能将部分预算拱手让给愿意更快发布的对手——尽管正如AI金融初创公司Farsight技术负责人诺亚·法罗所指出的,本周的大多数发布其实都是「小版本更新」,是对现有模型的升级,而非全新创造。法罗表示,真正带来实质性突破的最近两次发布,分别是Anthropic六月发布的Fable 5和Moonshot AI七月发布的Kimi K3。

我觉得模型疲劳是真实存在的。别误会,我对眼下发生的这一切创新感到非常兴奋,但我确实认为,我们所处的环境太过喧嚣浮躁,以至于每个人都得制造声量才能被看见。

让工程师和买家都疲于奔命的跑步机

这种节奏在数据中清晰可见。据Crypto Briefing的分析,整个行业顶尖模型重大发布之间的中位间隔,已从2023年的37.5天压缩到2026年迄今仅11天。OpenAI自身的发布节奏也讲述着相似的故事:其模型发布间隔的中位数从2023年的170.5天降至今年的49天。中国实验室进一步加剧了这种压力——Moonshot AI拥有2.8万亿参数的Kimi K3模型,已经以约六分之一的部署成本达到与闭源专有系统相当的性能水平,而在英伟达收购Hugging Face之前的2026年春季,中国模型已占该平台下载量的41%。

Gartner分析师在2026年6月就指出了这一深层问题:「能力趋同」——新一代顶尖模型在标准基准测试中的得分越来越接近,几乎让率先发布的优势瞬间消失。这种代价在人员层面也已显现。2026年7月,各大人工智能实验室的1000多名员工联署请愿,呼吁采取更为节制的开发节奏,理由是基准测试已趋于饱和,留给文档编写和安全测试的时间也被不断压缩。

• 顶尖模型重大发布的中位间隔:2023年为37.5天,2026年迄今为11天
• OpenAI自身的发布节奏:2023年间隔170.5天,2026年缩短至49天
• Gartner预测2026年全球人工智能支出:2.59万亿美元,较2025年增长47%
• 2026年春季Hugging Face下载量中,中国开源模型所占份额:41%
• 2026年7月联署请愿、要求放慢发布节奏的AI实验室员工人数:超过1000人

这种消耗直接落在了企业IT团队身上。企业级人工智能初创公司Clockwork Systems首席执行官苏雷什·瓦苏德万表示:「要把目前发布的每一款模型都评估一遍,真的非常困难。」他说,如果公司想为某项任务测试十款候选模型,可能干脆只选五款,放弃其余的——并不是因为其余模型更差,而是根本没有时间一一核查。「每一次发布都好到很难分辨出真正的质变了,」瓦苏德万补充道。

对于必须选择模型的企业意味着什么

对于必须决定押注哪款人工智能模型的中国企业而言,模型疲劳把一个技术选择变成了一个不断移动的目标——尤其是在美国实验室与中国开源阵营同时快速迭代的当下。把产品路线图锁死在单一供应商的某一款模型上,几个月后就可能面临昂贵的重写:届时或许有竞争对手推出明显更强的产品,或者供应商本身已经淘汰了当前使用的版本。企业买家中正在形成的应对方式,呼应了瓦苏德万的说法以及Gartner关于「能力趋同」的判断,就是不再把底层模型本身当作可长期依赖的资产:越来越多企业转而搭建一层抽象层——一种能够在不重写应用代码的前提下切换模型的路由或编排层,从而让更快或更便宜的模型可以按季度更新采用,而不必触发一次彻底的架构重构。对于仍在挑选首个主力模型的企业而言,眼下的直接启示是:把切换成本和供应商锁定的权重,看得和本周的基准测试分数同样重要——因为今天占据头条的模型,很可能在十一天之内就再度落后于新一轮的小版本更新。