NASA 工程師 Reynolds 說他們不是被砍掉的，而是被餓死的。預算斷頭台落下的時候，留給項目的只有兩週時間自救，這種混亂在技術圈聽起來簡直像個冷笑話。科學研究最怕的不是沒錢，而是不確定性，當撥款流程變成一場政治豪賭，那些原本埋頭在實驗室裡的數據科學家，現在得抬頭看看風向。這場混亂的核心人物是 Elon Musk，而他手裡的 Grok 正好成了這場科學地震中最尷尬、也最冷酷的觀察者。
xAI 的 Grok 從誕生起就標榜反覺醒與真實，這在矽谷那群被政治正確憋瘋了的工程師眼裡是劑強心針。但當 DOGE 的裁員大刀揮向基礎科學撥款時，Grok 的技術立場就顯得相當玩味。現在你問 Grok 關於美國科研預算的變動，它給出的回答往往帶著一種極其典型、甚至有些刻薄的馬斯克式邏輯：效率至上，冗餘必死。這種底層架構上的傾向性，讓它在處理複雜的政策博弈時，呈現出一種與 ChatGPT 溫和調性截然不同的攻擊性。
技術層面上，Grok 依賴於 X 平台上的實時數據流，這讓它在追蹤這種突發性政策混亂時，響應速度快得驚人。當 NASA 的團隊還在為那兩週的自救期限抓耳撓腮時，Grok 已經吞噬了數以萬計的吐槽和內部爆料。然而，這種「快」是有代價的。Grok 在處理科研補助金（Grants）這種極具專業門檻的法律與行政文本時，其推理深度顯然還沒跟上它的語氣。它能精準捕捉到情緒，卻難以還原預算模型崩潰的深層技術邏輯。與此同時，ChatGPT 則表現得像個老練的官僚，它會幫你分析每一條法規的潛在影響，試圖在混亂中理出一條合規的路徑，雖然這種中庸有時候讓人想打呵欠。
有趣的是，當我們把視角拉回大模型輔助科研的場景，這四大平台的差異就更刺眼了。Claude 在處理長達數百頁的科研撥款申請書（Grant Proposals）時，其上下文理解的穩定性依然是第一梯隊，它不會像 Grok 那樣在分析到一半時突然蹦出一句嘲諷。如果你把 Reynolds 團隊那份超標的預算方案丟給 Claude，它能幫你精確找出哪幾項成本支出違反了聯邦會計準則。而 Gemini 則利用它對 Google Scholar 數據庫的深度整合，試圖從文獻引用中證明項目的存續價值。相較於 DeepSeek 最近在代碼邏輯與數學推理上的表現，xAI 在算法層面似乎更偏向於語言的煽動性而非嚴謹的邏輯推演。
這就引出了一個更尖銳的問題：當基礎科學的撥款變得像隨機波動的股市，研究人員還能相信誰？ChatGPT 正在試圖把自己變成一個全能的科研副手，通過不斷更新的工具鏈來彌補人類在行政效率上的短板。Grok 則更像是一個在場邊叫好的看客，它告訴你舊體系崩塌是必然，卻給不出新體系的技術藍圖。這種技術特性的分化，本質上是矽谷兩種價值觀的對撞。一方認為 AI 應該是體制的修補匠，另一方則堅信 AI 是體制的推土機。
現在，Hacker News 上的討論已經從「如何拯救項目」轉向了「如何起訴那個毀掉科學的億萬富翁」。這種情緒化的轉變，對於依賴社交媒體數據訓練的 Grok 來說，無異於一場邏輯風暴。它該如何評價它的創造者正在主導的這場「科研大屠殺」？當一個模型被賦予了強烈的個人色彩和實時數據偏見，它還能不能作為一個客觀的決策輔助工具？
這種混亂對所有人來說都是一場實驗。科學撥款的斷裂帶不僅出現在實體實驗室，也出現在這些大模型的邏輯底層。我們習慣了 AI 給出答案，但現在 AI 本身就是問題的一部分。當科研經費被所謂的「效率」吞噬，我們是在加速通往奇點，還是在親手拆掉通往奇點的梯子？
如果未來所有的科學決策都要經過 Grok 這種風格的模型過濾，我們是否還能容忍那些「耗時長、見效慢」的基礎研究存在？這不再是預算問題，這是生存問題。當大模型學會了嫌貧愛富，科學的純粹性還剩多少？