【你以为在选最强AI模型，其实你选的是一种失败方式】
快速导读：每隔几周就会有人发一张AI模型排名，但真正在用这些工具的人早就停止讨论“谁最强”了——他们开始讨论的是“什么时候换”。这篇文章想说的是：单模型忠诚正在成为一种认知落后。
---
Yam Peleg发了一张清单：Codex-5.3管写代码和系统管理，Gemini-3.1管脑暴和天马行空，Opus-4.6做日常主力。
评论区很热闹。
有人说Gemini太马屁精，给什么都说“太棒了”，压根没法指望它帮你做真正的质量把关。有人说Codex速度是快，但是个“散弹枪”，你没让它动的地方它也要插一脚，还会把你写了半天的需求文档悄悄压缩成一段话。还有人说Opus写的东西废话太多，是“slop批量生产机”。更有一个评论直接问：你们都有多少订阅？月付多少钱？
没有一条评论是在认同原帖的结论。
但奇怪的是，所有人说的又都是对的。
这就是现在AI模型竞争格局里最荒诞的一件事：每个人用的都是同一批工具，但每个人的排名都不一样——而且每个人说的都能自圆其说。
这不是因为大家的判断力参差不齐。
是因为这些模型本来就不是在同一条赛道上跑的。Codex在后端逻辑上快准狠，但让它写前端就像让一个后端工程师做UI设计——结果不是不能用，是用了之后你会花更多时间收拾烂摊子。Gemini在发散性思维上有一种奇怪的灵气，但你要指望它做代码调试？评论区有个人专门提到：它能找到一个需要极宽上下文才能理解的隐性Bug，逻辑链之长让他“genuinely impressed”——然而另一个人说它连小任务都不敢完全放手。
Opus呢？最常出现的评价是：你不需要跟它过度解释，它懂你想要什么。但代价是，它有时候会用非常有说服力的语气，给你一个完全错误的答案。
有条评论我觉得说到了核心：
“日常主力的选择，其实不是在选最聪明的，而是在选失败方式最可预测的。可预测的失败反而更好绕过去。”
这句话值得停一下想想。我们在讨论“最强AI”的时候，其实一直在用一个错误的评估框架——我们以为这是选手机，买了就用，好不好用就看跑分。但实际上这更像是在组一支乐队：吉他手不能替代贝斯手，不是因为吉他手不够厉害，是因为那个位置就不是给吉他手留的。
三个月前最强的编码模型，今天已经不是了。这话也有人说，而且不是在挑衅，是在陈述一个事实。这个行业的迭代速度已经快到“排名”本身就是一种有时效性的消耗品。
所以如果你今天还在认真讨论“到底哪个AI模型最强”，你可能已经在讨论一个错误的问题了。
真正开始产生分化的，是另一个能力：知道在哪个节点切换模型，以及为什么切。
这不是什么高级技巧，是基本的工具感。一个木工不会用锤子锯木头，不是因为他懂木工，是因为他懂锤子和锯子各自能干什么。
只是在AI这件事上，大多数人还没养成这种工具感——我们还在等一把“万能锤”。
那把锤子可能永远不会来。
---
简评：
这篇文章说了一件很多人隐约感觉到但没说出来的事：AI模型的“评测文化”本身就是一种思维懒惰——我们想要一个排名，是因为我们不想学会判断。但真正的效率，从来不来自“用最好的那个”，而来自“知道在哪里用哪个”。这个道理在软件工具、编程语言、甚至人才管理上都成立，只是AI把它放大了，逼得更急。
---
ref: x.com/Yampeleg/status/2026280932357853190
