几个月前,GPT-5.5 和 Claude Opus 4.6 已经能够完成大量编程、调研、文档和办公任务。到了 GPT-5.6、Opus 4.8 与 Grok 4.5,普通用户却未必还能感受到类似早期模型迭代时的巨大代差。
这并不意味着模型停止进步了,而是竞争的重点正在发生变化:从提高单次回答的质量,转向延长可独立执行的任务时间、提高工具适配能力、管理上下文、验证结果、调度子智能体,以及降低每个有效交付物的总成本。
下一阶段真正被比较的,可能不再是一个孤立的模型,而是一整套由模型、工具、上下文、运行环境、验证机制和真实用户反馈组成的工作系统。