跳到正文
全部文章

我们真的需要越来越强的模型吗

半年前用 GPT-5.5,两个月前用 GPT-5.6,现在又有更强的 GPT-6 系列模型。手头的业务代码没有变难,我们却越来越离不了旗舰模型——不是工作变复杂了,而是我们在依赖中交出了原本属于自己的脑力。

越来越复杂的模型输出穿过玻璃面板,一只手在分岔处选择最终路径

半年前,我用 GPT-5.5 写接口、改需求、补单测。两个月前换成 GPT-5.6,最近又开始觉得手里的模型不够聪明,总想着再等下一代更强的模型。

可回头看这半年的日常开发,接口照样写,Bug 照样修,权限和状态流也还是那些常规套路。手头的工作难度,并没有跟着模型的版本号一起往上涨。

这就引出一个不太舒服的问题:既然工作没有变难,为什么半年前够用的模型,今天却显得“不够用了”?

难道不是工作变复杂了,而是随着我们对 AI 的依赖越来越深,我们自己的大脑在慢慢退化,才不得不靠更强的模型来填补自己遗失的那部分能力?

我是怎么一步步“不看代码”的

拿 AI 编程来说,这种退化几乎是悄无声息地发生的。回想从 GPT-5.5 用到今天的体感变化,滑坡大概分成了四步:

最初用 GPT-5.5 的时候,我知道它没那么神,所以写代码前会自己把表结构、接口契约、异常分支先理一遍,把约束写清楚再交给它。它交出来的代码,我也会老老实实逐行看 diff。

后来换了更强的模型,它一次写对的概率高了,我开始省掉前置拆解,改直接甩过去一句含糊的需求;看代码也从逐行读,变成让它先总结一段改动说明,自己挑几处关键逻辑扫一眼。

再后来,连那几段总结也嫌长。遇到报错,不再先顺着请求链路在脑子里推一遍数据在哪一步变脏、缓存什么时候失效,而是直接把整段堆栈和日志复制进对话框;看到测试跑通、终端一片绿灯,打开对话框只问一句“还有没有边界问题”,得到一句“没有明显问题”就顺手点下接受。

最微妙的是最后一步:一旦某次模糊的指令没一次跑通,或者上线后漏掉了一个隐蔽的权限边界,我的第一反应不再是“我没把问题定义清楚,也没有自己核查”,而是——“这个模型还是不够强,得换更旗舰的了。”

四块玻璃面板依次从放大镜下的多行代码,简化为摘要、测试绿灯和一个接受勾选

反向飞轮:用算力溢价,替退化的脑力买单

很多人以为自己是在“升级工具”,其实我们可能正陷在一个能力替代的反向飞轮里。

一方面,输入端在萎缩。因为长期习惯了让模型猜意图,我们自己拆解问题、收敛上下文的能力在变钝。喂给模型的有效约束越来越少,自然会显得“不够聪明”的模型接不住球,逼着我们去追逐推理和脑补能力更强的下一代旗舰。

另一方面,验收端在钝化。以前写完一个跨模块的权限改动,哪怕模型写了全套测试,你也会下意识追问一句:角色到底归组织还是归项目?同一个人在甲项目是管理员,在乙项目能不能是普通成员?现在如果长期跳过“自己推演一遍”和“动手挑刺”的训练,大脑里那根“一眼看出哪里不对”的工程直觉就会慢慢生锈。等你自己也看不出破绽时,你就只能再找一个更强的模型来替你做 Code Review。

结果就是:模型每变强一分,我们就多交出去一环;大脑长期不练那一环,对应的能力就萎缩一分;能力缺口变大,旧模型就“变笨”了,于是产生对更强模型的刚需。

蓝色光路沿飞轮循环,从模型处理器经过光放大器再回到处理器,手动调节旋钮留在暗处

很多时候,我们盲目追逐新模型所付出的等待和算力溢价,根本不是为了应对更难的挑战,而是在为自己退化的那部分脑力买单。

划清边界:拓展边界,还是填补退化?

当然,这并不是要否定强模型的价值。真正清醒的做法,是把“需要更强模型”拆成两件完全不同的事:

  • 能力外扩(真需求):过去因为人脑和旧模型都吃不消而根本不敢接的任务。比如跨多个微服务的长链路重构、陌生技术栈的深度排障、在海量历史代码里追一条隐蔽的并发问题。在这里,更强的模型是在拓展你的能力边界,这笔钱花得值。
  • 能力填补(伪需求):还是半年前写接口、加字段、修常规逻辑的活,复杂度一点没涨,你却越来越离不开最新旗舰模型来兜底你的懒惰与疏漏。在这里,盲目追新本质上是在用外部工具的升级,掩盖内部能力的退化。

左侧的蓝色桥梁把原有线路接到新的平台,右侧的琥珀色节点补上原线路中的缺口

把这两件事混为一谈,是最容易产生幻觉的地方——你以为自己在和前沿技术同步进化,其实只是越来越不敢离开拐杖。

不是错觉:认知卸载正在发生

这种体感上的退化,并非只是程序员的错觉。

2025 年,微软研究院等机构的研究者调查了 319 名知识工作者,发现受访者对生成式 AI 越有信心,在工作中投入的批判性思考反而越少。对工具的信任感,正在悄悄替代原本属于人的核查动作。

另一项名为《Your Brain on ChatGPT》的预印本,观察了不同工具条件下完成任务的大脑参与度与后续独立表现,也指向类似的趋势:工具接管得越多,人独立提取和组织信息的能力就越弱。放到写代码这件事上也是一样——只要每次都跳过“顺着调用链查一遍”的摩擦力,久了以后,离开对话框你甚至不知道该从哪个文件查起。

两千多年前,柏拉图在《斐德罗篇》里就担心过,文字让人习惯去身外寻找记忆,最终会荒废自己的记忆练习。我们当然不必退回到手写每一行样板代码的年代,真正危险的不是让模型干活,而是误把“模型输出很流畅、测试全绿”,当成“我自己已经搞懂了”。

别让模型版本号,掩盖了自己的退化

模型每隔几个月还会继续刷新上限。如果我们不刻意保留几步“自己动脑”的摩擦力,再强的模型,也只是在帮一个越来越钝的大脑打补丁。

下一次在工作流里又想切换更强的模型之前,不妨先做三件小事自检:

  1. 先查输入,再怪模型:如果它没一次改对,先看看自己是不是连接口边界和异常条件都没写清,只扔了一句模糊的口令。
  2. 合入前自己复述一遍链路:重要改动合并前,关掉 AI 总结,试着自己口述一遍关键数据流和失效条件——讲不出来,就说明你刚才其实是在盲批。
  3. 定期做一次“降级测试”:偶尔刻意用次一档的模型,甚至关掉自动补全自己写一个小功能。测一测离开旗舰模型之后,自己独立拆解问题和定位 Bug 的肌肉还在不在。

延伸阅读

还有疑问?

如果这篇内容还没解决你的问题,可以在仓库提交 Issue 或直接发邮件联系。