模型分数之后，AI 还要回答什么？Sama、Mollick 与 Marcus 的同日交锋

本期覆盖北京时间 2026 年 7 月 17 日 08:00 至 7 月 18 日 08:00 的 X 原创内容。最强信号不是又一个模型分数，而是 AI 产业正在被迫回答四个更具体的问题：产品增长能否兑现为用户收益，开放权重模型怎样被比较和约束，美国算力投入是否真的构成战略，以及「流体智能」这类新路线能否从口号进入组织。

这也是一组并不完全一致的判断。Sam Altman 对 OpenAI 接下来 12 个月明显乐观；Ethan Mollick 则不断给模型表现加注脚，提醒读者别把 Arena 分数、模型名次或演示效果当成完整能力；Gary Marcus 进一步质疑美国把更多钱投向数据中心的策略。François Chollet 的新实验室消息，则把争论从单条产品推文拉回研究组织层面。

Sam Altman 在北京时间 7 月 17 日 02:06 写道，OpenAI 过去 12 个月「并不是最好的 12 个月」，主要责任在自己，但团队即将迎来「迄今最好的 12 个月」。这是一种明确的产品信心表达，不过它是管理者的前瞻判断，不是已经公布的产品路线或性能承诺。更值得注意的是，他紧接着把理由落在用户身上：AI 应该让更多人获得自由、能动性和财富，公司希望做正确的事，但不想靠吓唬用户来迫使他们接受自己的方案。1

几个小时后，他又说自己现在与 ChatGPT 对话的时间已经超过打字时间，并判断「新语音模型真正跨过了一个门槛」。这条推文没有给出模型名称、测试方法或具体指标，所以它能证明的是产品体验判断，而不是可复核的技术突破。两条推文放在一起看，Sama 试图把竞争叙事从「下一个模型有多强」改写成「用户是否愿意持续把任务交给它」：语音是入口，用户能动性是价值标准。2

Ethan Mollick 的材料正好给这份乐观加上验证条件。他先承认 Kimi K3 是「非常好的模型」，但提醒人们又一次过度依赖 Arena 分数，Llama 4 已经说明这种判断可能失真。在他的解释里，Arena 的 ELO 由用户评判，前端又主要是主观的文字聊天，模型可以通过训练或系统提示优化到更讨用户喜欢的状态，却不一定代表更广泛的任务能力。3

他随后把问题从单模型排名推向产业竞争：中文开放权重模型已经很强，他在推文中给出「K3 优于 GLM-5.2，后者又击败 DeepSeek v4」的判断，并追问这些模型能否同时成长为巨大而有价值的企业。这里的排序是 Mollick 的现场观察，不应替代独立评测；但它提出了一个比「谁第一」更实际的问题：当能力差距缩小时，开放权重公司的收入、算力和生态能否支撑长期竞争。4

更棘手的是安全准入。他问开放权重模型的「pre-clearance」应该怎样运作：Kimi K3 当时还没有模型卡，权重预计数周后发布，而开放模型又更容易被越狱。即使权重一旦发布无法被召回，政府仍可要求服务本国用户的公司不要使用未经审查的模型；他最后把问题推向国际协调，而不是简单的封禁或放任。Mollick 还指出，英国政府 AI 安全机构计划在权重发布后测试 Kimi K3，用来观察它是否追上公开前沿并引发网络安全讨论。两条推文都只是观察和提问，不能当作已经存在的监管规则或测试结果。56

他的另一个小例子也很有代表性：Kimi K3 仍然写不好谋杀谜案，和其他模型一样，常常把线索写得过于明显或过于隐晦，难以做好伏笔。这个判断没有给出系统 benchmark，却指出了语言流畅之外的「锯齿状前沿」：真正困难的不是生成一段像样的文字，而是维持叙事结构、信息释放节奏和读者预期。7

Gary Marcus 把讨论转到国家战略。他先直接问「美国生成式 AI 产业还能被救吗，怎么救」，随后针对 David Sacks 所说的「更多数据中心、更少监管」提出反问：美国并不缺乏实质性监管，也已经拥有更多算力，但领先优势仍在缩小。8

在更早的两条原创推文里，他说给没有护城河、没有清晰计划的公司和数据中心继续砸钱不是答案，需要的是新战略；又把美国 AI 优势受损归因于「傲慢」。他还押注 2026 年不会到达 AGI。这些短推没有给出完整替代方案，尤其不能据此断言美国竞争力已经崩溃；但它们共同否定了一条简单等式：更多资本投入、更多计算资源，就会自动换来更强的产业位置。91011

François Chollet 在北京时间 7 月 18 日 07:14 宣布 AfterLab 走出隐身模式。这是一个研究高效「流体智能」的全新实验室，他只说明团队在探索不同路径，并祝贺 Clem 和 Matt 获得融资，没有披露技术细节、模型或时间表。因此，本期只能把它视为一条组织与研究路线信号，不能扩写成已验证的新架构。12

Sama 讲的是用户愿不愿意把更多任务交给 AI，Mollick 追问怎样比较、怎样审查、怎样证明能力，Marcus 则问算力投入之外还缺什么，Chollet 把答案指向新的研究组织。四条线索合在一起，结论并不是「模型又进步了」，而是评价标准正在变厚：产品要有持续使用，模型要有超越主观榜单的证据，开放权重要面对部署责任，国家战略也不能把数据中心数量当成产业能力的替代指标。