把代碼推送到生產環境的那一刻，總有些東西會碎掉。最近在 Hacker News 上鬧得沸沸揚揚的那篇離職宣言，其實撕開了一個大家都心知肚明的傷口：當 Google DeepMind 這種曾經被視為 AI 聖殿的地方，開始為了應對競爭而瘋狂趕工，技術本身的純粹性就成了最廉價的犧牲品。這不是一個人的幻滅，而是一群習慣了在論文裡定義未來的科學家，被迫去處理那些瑣碎、功利且充滿政治妥協的 API 調用問題。
Gemini 的出現，本身就是 Google 焦慮感的具現化。在實驗室環境下，Gemini 的多模態架構表現得非常優雅，它原生支持視訊、音訊和文本的交叉處理，而不像 GPT-4 早期那樣依賴多個模型的拼接。但在實際的企業級應用中，這種優雅很快就被現實打敗了。當開發者試圖在 Google Cloud 上調用 Gemini 1.5 Pro 時，會發現它的 Function Calling 在面對超過二十個並行工具調用時，成功率會出現斷崖式下跌。這種不穩定並非模型能力不足，而是在追求性能與成本平衡的過程中，推理側的對齊過於草率，導致模型在長上下文推理中產生了邏輯偏移。
我們在測試長達 10 萬 token 的程式碼庫理解任務時，Gemini 往往能精確定位到某個函數的定義，卻在解釋函數間的邏輯耦合時顯得心不在焉。這就是典型的「為了發布而發布」的後遺症。開發團隊忙著對標競爭對手的參數，卻忘了去優化最基礎的開發者體驗。那些從 DeepMind 離開的人，大抵是受夠了這種從「改變世界」縮水成「優化點擊率」的落差。
相較於 Kimi K3 在特定語境下的處理邏輯，Gemini 的策略顯得過於笨重且保守。在四大平台的競爭中，Claude 走的是另一條路。Anthropic 的工程師顯然更在意輸出的「人格化」與「邏輯自洽」，即便在處理超長文本時，Claude 3.5 Sonnet 的注意力分布也比 Gemini 穩定得多。ChatGPT 則在不斷疊加功能，試圖把自己變成一個無所不能的瑞士軍刀，雖然這讓它的系統提示詞（System Prompt）變得越來越臃腫，甚至偶爾會出現指令遵循度下降的情況，但它強大的生態慣性依然讓它穩坐龍頭。
這種權力結構的位移，在 Grok 身上表現得最為露骨。當 Google 還在為模型輸出的政治正確性反覆橫跳時，Grok 直接選擇了另一種極端，用最少的過濾器換取最高的原始推理速度。這其實反映了目前四大平台之間的一種撕裂：Google 擁有最強大的硬體基礎設施和人才庫，卻被內部的官僚體系和防禦性策略拖住了腳步；OpenAI 則在資本與理想之間反覆橫跳，試圖維持領先優勢；Anthropic 固守著安全與對齊的陣地；而 Grok 則在混亂中尋找生存空間。
當我們在討論 Kimi K3 的某些技術參數時，其實更應該關注的是，為什麼這些後起之秀能夠在特定的窄道上跑得飛快。Google 的問題從來不是技術儲備不夠，而是它的創新漏斗被塞滿了過多的合規性審查和商業防禦動作。一個在論文裡能跑出 99% 準確率的架構，經過產品部門的打磨、法務部門的閹割、以及市場部門的包裝後，送到用戶手裡時，往往只剩下一個平庸的殼子。
這就是為什麼那些頂級的 AI 研究員會選擇離開。他們追求的是一種對技術的絕對掌控感，是那種「只要我邏輯對了，模型就該給我正確回饋」的純粹。但在現在的 Google，你寫出的每一行代碼，都要為那個可能永遠不會到來的「安全邊界」負責。當技術不再是為了解決問題，而是為了規避風險，這家公司就已經失去了它的靈魂。
我們是否已經進入了一個「平庸 AI」的時代？當所有的大模型都在為了對齊人類的偏好而變得越來越像社交高手，那些真正硬核的、能推動科學邊界的邏輯推演，是不是正在被各種安全護欄和商業補貼所掩蓋？如果連 DeepMind 都不再是技術烏托邦，我們還能指望誰去推開那扇通往 AGI 的門？