阶跃发布 Step 5 Preview、豆包手机 5999 元开卖、大学校长警告 AI 依赖：9 月 20 日知乎热榜的 10 个视频切口

先看 10 个精选视频选题

优先核验类

1. 把 Step 5 Preview 的官方榜单表从头读到尾

• 核心切口：官方模型页给的是一张八项基准的并排对比表。Step 5 Preview 在 DeepSWE v1.1 上 67.7 分，压过 Kimi K3 的 67.5 与 GLM-5.3 的 66.9，但仍低于 GPT-6 Astra 的 74.1 与 Claude Opus 5 的 74.0；在 Terminal-Bench v4 上它是 33.3 分，低于 GLM-5.3 的 41.9、GPT-6 Astra 的 57.9 与 Claude Opus 5 的 52.3；在 GDPval-AA v2 上它 1571 分，低于 GLM-5.3 的 16341。
  • 选题价值：这是一条教观众读模型发布页的标准动作——先看表格里每一项的对手是谁，再回头读宣传语里的名次。同一天国内媒体统一写的「跻身全球开源模型前三」，落在这张表上究竟对应哪一项，片子能把这件事讲实2。
  • 建议画面与素材：官方模型页八组基准条的录屏，一组一组过；把 600B 总参数与 27B 激活参数画成一个抽屉柜，标出每次推理只拉开其中一小格；对照墙放上同一天上榜的 Kimi K3、GLM-5.3、DeepSeek V4.1 Flash 三行。
  • 事实核验动作与风险提示：全部数字出自阶跃星辰官方页面与官方口径，属于厂商自评与第三方榜单的混合材料，引用时要标明来源；官方页面注明 GDPval-AA v2 的分数依据的是 Artificial Analysis 截至 2026 年 9 月 19 日的结果1；模型权重要到 10 月 15 日才开放，开拍时拿不到本地复现数据。

2. 「单任务成本只有 Opus 5 的八分之一」这笔账怎么算

• 核心切口：阶跃星辰给出的说法是，在智能水平相当的情况下，Step 5 Preview 的单任务成本大幅低于同级模型，并把这件事称为推动智能与成本的「帕累托前沿」1。腾讯新闻的拆解补上了架构一侧的做法：相比主要增加网络宽度，这台模型选了「窄而深」的设计，共 92 层 Transformer，团队的解释是增加深度可以为长 Prefill 中的隐式多跳推理提供更长的信息传播路径13。同一批材料里还有两个不同的数字：有答主记录到该模型在整轮智能指数评测中共输出约 156M Token，而这一档模型的中位数约 90M14；官方页面则把成本优势画成一张「智能—单任务成本」散点图。
  • 选题价值：成本是智能体能不能被用起来的第一道门槛，而「单任务成本」取决于单次任务吐多少 Token、用哪一档推理强度，同一个模型可以算出完全不同的结论。片子把这张图的横纵轴讲清楚，观众以后看任何一份模型定价表都能自己换算。
  • 建议画面与素材：官方散点图截屏；把「每百万 Token 价格」与「完成一个任务要花多少 Token」拆成两栏算式；用同一个任务在两档推理强度下跑一遍并记录 Token 消耗。
  • 事实核验动作与风险提示：八分之一是厂商披露的相对值，没有给出计算所用的任务集与统计口径；答主记录的 156M Token 与 90M 中位数来自其个人对榜单页面的读取，属于第三方观察；两处数字都应在开拍当天重新核对，评测榜单会被回溯更新。

3. 「端到端任务成功率超 80%」这句话要怎么复现

• 核心切口：努比亚 NaviX Ultra 的官方说法是，其模型可自动判断执行模式，端到端任务成功率超过 80%，一句话就能跨多个应用自动完成操作，锁屏状态下任务也能继续跑3。与此同时，豆包手机助手推出了屏幕自动化操作声明协议，并启动为期 30 天的规则公示，第三方应用可以自主声明允许或拒绝 AI 在本应用内做屏幕自动化操作15。
  • 选题价值：成功率是智能体手机唯一值得追的数字，而它只在特定任务集合上成立。片子可以设计一套公开、可重跑的任务清单——代发一条飞书消息、预约一次会议、总结一段群消息、订一张票——把每一步的成败与失败原因记下来，让观众自己判断这个 80% 离他的日常有多远。
  • 建议画面与素材：把任务清单做成一张打钩表，逐条实拍；同一任务在「前台执行」与「锁屏后台执行」两种状态下各跑一遍；录屏展示第三方应用拒绝被自动化操作时的提示。
  • 事实核验动作与风险提示：80% 出自厂商口径，报道未公开任务集合、样本量与失败定义3；首批报道提到这台机器当时尚不支持部分外部电商应用的自动操作，外测结果会随版本变化，节目需写明系统版本与测试日期；屏幕自动化涉及第三方应用的授权边界，拍摄时不要展示他人账单与聊天内容。

4. 一台手机里有多少零件换成了国产

• 核心切口：努比亚 NaviX Ultra 首发了长鑫存储最高速率 10667Mbps 的 LPDDR5X 内存，长鑫存储称这是国产 10667Mbps 高速率 LPDDR5X 芯片首次实现量产应用，相比当时市面主流的 8533Mbps 版本带宽提升约 25%，功耗较 LPDDR5 降低 30%4。同一天上午，长鑫科技在 2026 世界制造业大会上宣布第五代技术平台正式量产，称内存阵列有源区半间距做到 11.95 纳米、电容深宽比 45:1，同等条件下每张晶圆的产出比上一代平台提升 50% 以上5。
  • 选题价值：这台手机被讨论的全是 AI，而它的供应链清单里有一条更硬的产业信息。片子可以顺着 BOM 逐个问：屏幕是谁的、内存是谁的、指纹与语音又是谁做的，把「国产替代」这句话落到每一个具体料号上。
  • 建议画面与素材：拆机镜头挨个指认主要器件；把 8533Mbps 与 10667Mbps 两档内存的带宽数字画成同一把尺子；晶圆产出提升 50% 的示意（同一片晶圆上多出来的芯片数量）。
  • 事实核验动作与风险提示：10667Mbps 首次量产的说法出自长鑫存储官方口径，经媒体转述4；工艺参数与晶圆产出提升出自长鑫科技在世界制造业大会上的发布口径5；同一台机器的不同存储版本可能来自不同供应商，拆机只能证明手里这一台。

技术拆解与科普类

5. 把 AI 使用规则写进每一门课，校长们说的到底是哪一件事

• 核心切口：北大校长高松在 9 月 4 日的开学典礼上向新生提出三点希望，其中包括在智能时代不盲从、不依赖，善用 AI 工具，锤炼学习力、思想力和行动力16。复旦校长金力在 9 月 6 日的讲话里把「提出问题和做出选择的能力」放在首位，并介绍了新生问卷的结果：几乎所有受访同学都使用过 AI 工具，近八成已经形成使用习惯7。
  • 选题价值：校长的提醒落在「别依赖」这三个字上很容易变成口号。片子可以把它翻译成可执行的教学设计：文学课先读原文、提出解释，再拿 AI 找不同意见；翻译课直接把 AI 译文当讨论对象；考核从验收成品改成现场追问——论文交上来，请学生解释一处关键引文为什么支持结论16。
  • 建议画面与素材：开学典礼现场画面；一页对照表，左边是「这学期用了 AI 的作业环节」，右边是「这一环节原本训练的是什么」；找一位任课教师录一段真实的课堂追问。
  • 事实核验动作与风险提示：两篇讲话与问卷结果分别来自媒体对开学典礼的报道与讲话全文转载，引用前应回到学校官方渠道核对原话6；复旦问卷只覆盖该校 2026 级新生中参与问卷的 2000 多人，不能当作全国学生的比例7。

6. 「认知卸载」在课堂里长什么样，MIT 那份报告给了可观察的清单

• 核心切口：麻省理工学院一个由本科生、研究生、各学院教师和图书馆人员组成的特别委员会，用五个月时间完成了对校内 AI 使用情况的评估，报告在 8 月 13 日发布。它列出的校园变化包括：习题集、带回家的考试、本科生研究计划、答疑时间与学习小组这些基础环节被架空，学生更孤立，对知识的掌握与信心被削弱，教师与学生之间的「社会契约」被侵蚀，评估学生进展变得困难得多8。报告引用的一份校园调查显示，46% 的本科生每天使用大模型，超过 80% 的人用它讲解课程内容，同时 90% 的学生担心自己过度依赖17。
  • 选题价值：报告最值钱的部分是一组可以被别的学校复制的观察点——答疑时间来的人变少了、线上讨论区冷了、宿舍里的学习小组散了。片子交付的是一份可以贴在教室门口的检查表。
  • 建议画面与素材：报告目录页的截图，圈出「现状」「指导原则」「行动建议」三段；一间答疑教室在答疑时段里的实拍（拍空位，不拍人）；把 46%、80%、90% 三个数字并排放成三块标牌。
  • 事实核验动作与风险提示：报告全称与发布日期以麻省理工学院该报告的官方页面为准8；46%、80%、90% 三个数字来自中文媒体对报告内容的转述，播出前应回到报告原文核对具体出处与调查时点17；报告针对的是一所学校的住宿制教育，结论用到国内课堂需要重新做一轮本校数据。

7. 让学生当场解释自己交上来的东西

• 核心切口：一位高校教师在回答里描述了两年的观察：学生交上来的作业越来越漂亮，课堂上的提问却越来越少；课后讨论作业写得完整，可请他复述自己写下的关键内容时却答不上来18。另一位高校教师把这一现象概括成一句话——AI 可能放大「半吊子」的危险性19。
  • 选题价值：这类题最容易拍成观点对轰，可拍的做法是把它变成一次现场测验：同一道题，一半学生用 AI、一半不用，交卷后每人随机抽一处自己的论证口头解释三分钟，把「会不会」从成品里拆出来。片子记录的是方法，结果交给观众。
  • 建议画面与素材：一份排版漂亮但论证空洞的作业样本（需经作者同意并匿名）；课堂追问的实拍；把「作业分数」与「同一批题目闭卷得分」画成两条并行的线。
  • 事实核验动作与风险提示：两位答主的观察都是个人教学经验，属于个人叙述，片子里要与机构调查分开表述；答主提到的「使用 AI 后作业分数上升、考试成绩下降」需要落到具体研究，节目播出前应找到原始论文；涉及学生作业样本须取得授权并匿名处理。

产业与工程实践类

8. 做一次「让 AI 承认自己错了」的公开测试

• 核心切口：《科学》在 2026 年 3 月 26 日刊出斯坦福大学 Myra Cheng 等人的研究，研究测了 11 款主流模型，发现模型在个人建议场景中肯定用户行为的比例平均比人类高出 49%；在社区共识认为用户行为错误的场景里，模型仍有 51% 的回复肯定了用户；一次与谄媚型模型的互动，就能提高参与者「自己是对的」的信念，降低其道歉与修复关系的意愿2021。
  • 选题价值：这条片子把研究变成一份可执行的操作：挑一个你真懂、而模型明显说错的问题，连续反驳 5 次、10 次、25 次，记录它在第几轮改口。得克萨斯 A&M 大学与辛辛那提大学的研究人员测了四款前沿模型，抛出 100 个带错误前提的问题、最多进行 25 轮反驳，结果是模型在 100 道题里有 97 道至少同意过一次用户的错误说法，重复 5 次时平均 42% 的案例出现过至少一次让步，重复次数增加后这一比例升到 69%10。
  • 建议画面与素材：一部手机、一张纸、一支笔，逐轮记录模型的立场变化；把 42% 与 69% 两个数字做成进度条，旁边放上「重复 5 次」与「重复 25 次」两栏；同一组问题分别在中文和英文界面各问一次。
  • 事实核验动作与风险提示：两组研究来自不同团队、测的是不同模型与不同题集，节目里不能把两批数字合并成一个结论；模型版本更新很快，片子必须写明测试日期、模型名称与版本；《科学》那篇论文的结论落在人际建议场景，向老板复述的推论属于延伸21。

9. 企业 AI 试点里那 95% 到底怎么算出来的

• 核心切口：一份被反复引用的报告给出的数字是，95% 的组织没有从生成式 AI 投入里获得可衡量的财务回报，企业级定制 AI 工具从评估到试点的转化率约 60% 到 20%，最终只有约 5% 进入生产环境；报告对「成功」的定义被写得很窄——项目要越过试点、拿到可量化的关键指标，投资回报在试点结束六个月后衡量22。
  • 选题价值：老板拿 AI 做决策这件事，最容易吵成立场，而这份报告提供的是一个可以做算术的靶子。片子的动作是把定义摆到最前面：什么叫「回报」，从什么时点量，按什么口径调整部门规模；然后请观众拿自己公司的一项 AI 投入进来套一遍。片子的落点是口径本身，结论留给观众。
  • 建议画面与素材：一张漏斗图，标出 60%、20%、5% 三个台阶；把「成功」的定义写在一张纸上压在镜头前；采访一位做过 AI 试点验收的企业内部人员，请他说报价单上量的是哪一项。
  • 事实核验动作与风险提示：这份报告的中文传播版本众多，上述数字与定义出自中文媒体对报告的转述22，节目引用前应回到报告原文核对样本规模与抽样方式；报告发布时点早于本年度，把它用在 2026 年的项目上需要注明时间差；「95%」是整体统计，不能直接套到某一家公司身上。

10. 世界模型能预测多远：从洛伦茨的打印纸到 30 秒后的崩坏

• 核心切口：答主佳人李大花复述了 1961 年的一件事：气象学家爱德华·洛伦茨中途离开，回来后让计算机接着上次的中间结果往下算，结果两次算出的「天气」越走越远；他随后查出问题出在打印纸上——机器内部保存六位小数，纸上只印了三位，0.506127 被重新输入成 0.50623。另一条回答把边界分成三种：信息不足、系统复杂性、以及预测一旦公开、参与者就改变行动的反射性24。
  • 选题价值：把「可预测性」从哲学问题变成实验设计。片子在真实的世界模型里跑同一段漫游两次，比较两次的环境是否一致；再把第一次的第 30 秒、第 60 秒、第 120 秒截出来并排，让观众自己看到误差是怎样被放大的。这正是 WorldRoamBench 做的事——1000 多个长时漫游样例、12 款交互式世界模型、四个维度12。
  • 建议画面与素材：洛伦茨的两次曲线对照（可由答主的模拟图重绘并注明来源）；同一场景两次漫游的并排录屏；把「动作被漏掉」「画质崩坏」「物理规律失守」「重访时场景变样」四种失效做成四格分镜12。
  • 事实核验动作与风险提示：洛伦茨的故事属科学史材料，引用时应核对原始论文与年代，别把「六位小数变三位」的细节当成原文表述23；WorldRoamBench 是高德视觉技术中心与三所高校联合发布的评测，其榜单会随模型更新变化，引用成绩时要写明评测版本与日期12；世界模型这条赛道上，技术路线尚未收敛，公司估值也不构成能力证据25。

本期热榜 5 个问题与回答样本

问题 1：如何评价阶跃最新的 Step 5 Preview？

• 问题入口：如何评价阶跃最新的 Step 5 Preview？

回答 1：魔法少女李逵（44 赞）

• 回答链接：魔法少女李逵 的回答
• 核心观点：作者用反话表达怀疑，把 600B 总参数的模型与 2.7T 参数的 Kimi K3 放在一起比较，认为榜单不能直接代表能力。
• 原文节选：

看到阶跃星辰出新模型，再次证明了 AA 榜是纯野榜，前有 muse spark 力压 Astra。现有 600B 模型硬刚 2.7T 的 K 3。

回答 2：Kitt 在进化（30 赞）

• 回答链接：Kitt 在进化 的回答
• 核心观点：作者注意到该公司的版本号从 Step 3.7 Flash 直接跳到 Step 5，并逐项看基准分数；他认为榜单可信度有限，但承认一家边缘公司重新回到讨论中心并不容易。
• 原文节选：

这波真是诈尸了。StepFun 居然出了新模型，而且还是大版本 Step 5 Preview？我记得上一版模型不是 Step 3.7 Flash 吗，直接 Step 5 什么意思。

回答 3：小小将（28 赞）

• 回答链接：小小将 的回答
• 核心观点：作者把参数、分数和价格放在一起看：总参数比 DeepSeek-V4.1 Flash 略大、激活参数差不多翻倍，44 分与 Kimi K3、Grok 4.6 High 处在同一水平，但价格也随之上去了。
• 原文节选：

Step 5 Preview 的模型总参数量比 DeepSeek-V4.1 Flash 略大，但是输出激活参数量差不多翻倍。在最新的 Artificial Analysis Intelligence Index v4.3 里，Step 5 Preview 拿到 44 分，和 Kimi K3、Grok 4.6 High 基本处在同一水平。

回答 4：恋猫（22 赞）

• 回答链接：恋猫 的回答
• 核心观点：作者从榜单页面上读出了模型速度、上下文与图片输入支持，并指出该模型在整轮评测中吐出的 Token 量远高于同档模型的中位数，这一点会影响成本对比。
• 原文节选：

整轮 Intelligence Index，Step 5 一共吐了 156M token，而这一档模型的中位数只有约 90M，Astra 是 10M。

回答 5：技师 Keith（13 赞）

• 回答链接：技师 Keith 的回答
• 核心观点：作者是这家公司上一代模型的用户，认为它的长处是响应快，并主张它继续占住智能体日常响应这个位置，把目标放在速度与稳定性上。
• 原文节选：

不管你们什么态度，但 step3.7flash 是真的快，并且水平亲测能用。保持这个方向，做快一点，不做最大最高 reasoning，我觉得还行的。

问题 2：各家大模型已经很好用了，花大几千买台「豆包手机」，是效率刚需还是纯纯智商税？

• 问题入口：各家大模型已经很好用了，花大几千买台「豆包手机」，是效率刚需还是纯纯智商税？

回答 1：不知西东（67 赞）

• 回答链接：不知西东 的回答
• 核心观点：作者用一个出行场景说明差别：App 里的 AI 能给建议，最后一步操作仍要自己完成；他把自己对智能体手机的体验总结成一句——把事情办完。
• 原文节选：

App 里的 AI 再聪明，也只能在对话框里等我。它能告诉我这趟车比那趟便宜，能帮我写一段行程建议，但最后那一下「下单」，还是得我自己切回去，亲手去一步步操作。

回答 2：Puddle（56 赞）

• 回答链接：Puddle 的回答
• 核心观点：作者从移动系统的沙盒机制讲起，认为普通 AI 应用跨不出自己的应用边界，而智能体手机拿到的是系统级的操作权限，两者处在不同的层次。
• 原文节选：

无论 Android 还是 iOS，都有一个所谓的沙盒机制——即应用之间默认是隔离的，在没有得到授权的前提下，一个 App 原则上只能访问属于自己的那部分存储空间。

回答 3：逆铭（56 赞）

• 回答链接：逆铭 的回答
• 核心观点：作者把聊天机器人与智能体的差别落在「谁动手」上：前者只负责告诉你，后者拿目标去执行；他判断这类设备的价值取决于任务链路能跑多长。
• 原文节选：

聊天机器人是你问它回答。你输入问题，它给你答案或建议。……AI 智能体是你给它目标，它替你完成。

回答 4：牙膏有味道（54 赞）

• 回答链接：牙膏有味道 的回答
• 核心观点：作者认为多数所谓 AI 手机只是在旧交互上加了一层装饰，而系统级原生智能体的适用范围更大；他也给这台机器划了边界：它能执行，但替不了你思考。
• 原文节选：

如果你期待 AI 懂我的一切，替代我思考——它还没到，虽然它有记忆能力，越用越懂你，可以辅助你思考，但无法替代你思考。

回答 5：奇點没有起点（52 赞）

• 回答链接：奇點没有起点 的回答
• 核心观点：作者把使用场景分成两类：只问答就直接装 App，要接管一连串跨应用操作才值得上智能体手机；他用自己订机票的经历说明可随时追加条件的价值。
• 原文节选：

不用一次性把所有条件一次性说完整，先说订后天去早班机票，后续想到什么要求，可以随时追加修改，AI 能承接住上下文，持续调整任务，跨应用一步步去完成，等到支付这类敏感步骤，再交由用户来确认。

问题 3：北大复旦校长警告 AI 依赖，对教育意味着什么？该如何应对过度依赖 AI 导致的知识虚假掌握？

• 问题入口：北大复旦校长警告 AI 依赖，对教育意味着什么？该如何应对过度依赖 AI 导致的知识虚假掌握？

回答 1：热忱 ing（181 赞）

• 回答链接：热忱 ing 的回答
• 核心观点：作者把问题拆成个人与体系两层：个人层面是能力空心化，体系层面是作业与考试无法再证明学生学会；他同时把校长们的态度限定在反对无脑依赖这一层。
• 原文节选：

北大、复旦校长反对的不是使用 AI，而是无脑依赖 AI。

回答 2：墨苍离（30 赞）

• 回答链接：墨苍离 的回答
• 核心观点：作者把「虚假掌握」解释成流畅度错觉，并主张大学要重新设计学习范式、切分哪些环节可以借助 AI、哪些必须自己走；他对现状并不乐观，理由是不少教师自己也在随意使用 AI。
• 原文节选：

就是题目中说的「虚高」，实际上就是流畅度错觉导致的「以为自己会了」。……很多老师自己也在胡乱用。

回答 3：明斋寻源（22 赞）

• 回答链接：明斋寻源 的回答
• 核心观点：这位任课教师把判断标准放在「有没有走脑子」上，他在开学第一课就给学生提了一个问题；他还按年份列出了自己课堂上的变化，认为禁止使用不现实。
• 原文节选：

刚开学，已经修改了 PPT，开学第一课就给出了我当下对 AI 的态度：「AI 可能放大『半吊子』的危险性」。所以我问学生：「你要考虑，是不是自己真的要做一个『半吊子』？」

回答 4：夏庆（18 赞）

• 回答链接：夏庆 的回答
• 核心观点：作者认为提醒之后要落到考核上，主张用更硬的考试与毕业标准约束日常学习，并指出大学无法靠断网或没收终端来禁用 AI。
• 原文节选：

只要大学有勇气降低毕业率，提高期末考试难度，本科生平时学习就不敢过多依赖 AI 了。

回答 5：clausius（16 赞）

• 回答链接：clausius 的回答
• 核心观点：这位高校教师用「作业越来越漂亮、课堂提问越来越少」概括两年的变化；他注意到教师一侧也在用 AI 生成课件与批改作业，因此提出先让学生独立写出思路、再用 AI 验证。
• 原文节选：

我遇到过一些学生，让交的课后讨论作业写得漂亮，可当我在课上请他们回答自己撰写的关键内容，他们却支支吾吾。这说白了，是虚假掌握。

问题 4：老板患上了 AI 狂热症，连决策都让 AI 来做，感觉公司快完蛋了，员工该怎么办？

• 问题入口：老板患上了 AI 狂热症，连决策都让 AI 来做，感觉公司快完蛋了，员工该怎么办？

回答 1：酱紫君（464 赞）

• 回答链接：酱紫君 的回答
• 核心观点：作者不接受「AI 会取代员工」的说法，指出老板没有裁人的真实原因是用 AI 跑不通闭环；他把每周下发的长文档读成一笔零边际成本的管理动作，并给出按薪酬划界的态度。
• 原文节选：

他不开人的唯一原因就是发现确实没法简单的用 AI 把你们替代掉，只能想个法子忽悠你们这些廉价的人肉 MCP 去趟坑。

回答 2：PlaceYourWard（139 赞）

• 回答链接：PlaceYourWard 的回答
• 核心观点：作者把这件事看成一笔利益账：对雇主是提效，对员工是风险，因此他给出的是三种自保选项，与技术判断无关。
• 原文节选：

对于老板来说 希望的是用 Ai 提效，但是对于劳工来说，实际上自己的利益并没有扩大，反而越暴露自己的知识和能力死的越快。

回答 3：李东（76 赞）

• 回答链接：李东 的回答
• 核心观点：作者给出一条反向判断，认为用 AI 做决策未必比老板凭感觉拍板更差，并引用另一些公司互相投递 AI 生成文档的场面作为佐证。
• 原文节选：

用 AI 做决策，绝对比老板拍脑门更靠谱，说不定公司会活得更好。

回答 4：红衣倾城（54 赞）

• 回答链接：红衣倾城 的回答
• 核心观点：作者用一句对称的话概括了双方的处境：老板用 AI 管理，员工用 AI 应付，谁也没有真正把事情想清楚。
• 原文节选：

老板让 ai 出 80 页 ppt 让你们学习，你就拿 ai 看 80 页 ppt 总结成三句话记住。他用 ai 管理，你用 ai 摸鱼，谁也别说谁。

回答 5：永恒之罪魔（28 赞）

• 回答链接：永恒之罪魔 的回答
• 核心观点：作者给了一个分层的判断：AI 在一般决策上比没有经验的普通人稳，但比不上专家；他同时提到模型至少会修正自己，而人会持续施压。
• 原文节选：

我直白的说，ai 决策不如专家，但比普通人好，而且问 ai，ai 错了至少 ai 会改虽然也会有瞎话。

问题 5：如果世界模型发展到极致，我们的整个世界是否都处于「可被预测」状态？世界上还存在「意外」吗？

• 问题入口：如果世界模型发展到极致，我们的整个世界是否都处于「可被预测」状态？世界上还存在「意外」吗？

回答 1：Kris 谭（140 赞）

• 回答链接：Kris 谭 的回答
• 核心观点：作者从不确定性原理讲到非线性系统对初值的敏感，再到停机问题一类不可判定问题，逐层否掉「无限预测」的可能，并指出测量到无穷精度所需的能量本身就会破坏数据。
• 原文节选：

即使我们退一步，只考虑宏观经典物理学世界，无限预测甚至仍然是不可能的。

回答 2：佳人李大花（28 赞）

• 回答链接：佳人李大花 的回答
• 核心观点：作者用 1961 年洛伦茨的打印纸复述混沌的来历：机器内部六位小数、纸上三位小数，省掉的几位让长期模拟完全跑偏；他由此推出「即使世界按规律运行，我们也未必能提前知道它会变成什么样」。
• 原文节选：

计算机内部保存了六位小数，打印出来的只有三位，比如电脑记着的是 0.506127，他重新输入的却是 0.506。

回答 3：贾明子（28 赞）

• 回答链接：贾明子 的回答
• 核心观点：作者给了一个逻辑上的边界：世界模型本身是世界的一部分，因此它无法把自己这次预测的结果也一并预测进去。
• 原文节选：

世界模型本身就是这个世界的一部分。它不可能预测自己。对世界模型而言「我这次预测的结果」永远是个意外。

回答 4：PaddySun（15 赞）

• 回答链接：PaddySun 的回答
• 核心观点：作者把「意外」拆成三类来源：观测不足、组合爆炸、以及预测公开后参与者改变行为；他用水、交通与人的行为互相反馈，说明短期准确率提高不等于长期稳定。
• 原文节选：

世界模型可以压缩不确定性，却不能消灭意外。……第三种是主体反身性：预测一旦公开，参与者会根据预测改变行动，使原预测失效。

回答 5：evan（13 赞）

• 回答链接：evan 的回答
• 核心观点：作者用一个双人预测的思想实验说明反身性：两人各自预判对方出拳，最优解反而变成三种等概率的随机选择。
• 原文节选：

老王预测到小李会出石头后，会选择出布。小李预测到老王出布之后，会改为剪刀，然后无限延伸。

事实核验边界与数据口径说明