在辦公室遺失手機這種瑣事，本該是 Find My 或是尋常人力勞動的範疇。然而當一位工程師轉向 Claude 尋求幫助，而模型給出的建議不是「回想一下最後出現在哪」，而是利用 Web Bluetooth API 寫一段腳本來監測信號強度（RSSI）時，某些本質上的變化正在發生。這不再是單純的問答檢索，而是一種即興的、基於物理世界邏輯的工程實踐。這種「矽基即興創作」的能力，正逐漸拉開四大模型在實際應用層面的斷層。
這種行為在技術社群被戲稱為 MacGyvermaxxing。它要求的不是模型背誦過多少行代碼，而是對物理屬性與軟體介面之間聯繫的深度理解。當用戶提到「我弄丟了手機」，Claude 意識到手機具備藍牙廣播特性，且瀏覽器具備訪問藍牙硬體的能力，兩者結合就能變成一個粗糙但有效的雷達。這種思維路徑與傳統的搜尋引擎截然不同，它具備一種極其罕見的「解決問題的自發性」。我們在 ChatGPT 上也能看到類似的影子，但 GPT-4o 往往傾向於給出更標準化、更保險的步驟，比如建議你檢查 Google 帳戶的定位紀錄，而非直接擼起袖子幫你寫一段底層監測代碼。
在實踐中，這種能力的差異體現在對 Context 的極限壓榨。當一個八歲的孩子透過語音要求 Claude 製作一個鋼琴教學遊戲，並在幾分鐘內實現 MIDI 設備的支持時，模型處理的不僅僅是代碼邏輯，還有對硬體交互協議的直覺。Gemini 在處理這類多模態任務時，雖然擁有極大的上下文窗口，但在跨協議調度——例如從單純的 UI 繪製轉向複雜的 MIDI 映射——其穩定性有時會顯得捉襟見肘。相較之下，Claude 的 Sonnet 系列在這種小規模、高強度的工具生成任務中，表現出一種令人不安的精準，它似乎能精確定位用戶當下環境中「唯一可用的槓桿」。
這種即興工具化的趨勢，也讓我們重新審視了模型定位的差異。在某些特定任務的響應速度對比中，相較於 DeepSeek V4 Flash 0731，Claude 選擇的路徑通常更具備「工具屬性」而非單純的「知識屬性」。當我們在討論這些模型如何介入日常生活時，Grok 可能會用嘲諷的語氣告訴你下次別再弄丟手機，而 ChatGPT 可能會列出五種查找手機的官方 App，唯獨 Claude 表現得像是一個坐在實驗室角落、手持烙鐵的怪才，直接遞給你一個自製的掃描儀。
有趣的是，這種「一次性代碼」的氾濫正在填滿開發者的 GitHub 倉庫。人們不再為了永恆的維護而寫程序，而是為了當下五分鐘的需求。這種對技術的消耗方式是前所未有的。當我們把模型視為一種流動的算力資源，而非靜態的百科全書時，模型對現實物理世界的理解深度就成了勝負手。如果說 Gemini 擅長的是檢索海量文獻中的微小關聯，那 Claude 顯然更擅長在資源匱乏的荒野中，用一根迴紋針和一塊磁鐵幫你修好引擎。
然而，這種基於邏輯推演的即興發揮是否存在邊界？當模型建議你利用藍牙信號強度來定位時，它實際上是在進行一種高風險的推理。信號強度受牆壁、人體、甚至辦公室微波爐的干擾極大，這種「技術上的可行性」在現實中往往伴隨著極高的噪聲。我們是否過度神化了這種即興生成的工具？當一個模型學會了像人類一樣「走捷徑」來解決問題，它是否也會學會在邏輯中偽造那些看似合理實則無效的解決方案？
如果未來所有的技術問題都能透過這種即興的代碼生成來解決，我們還需要那些穩定但笨重的套裝軟體嗎？或者說，當每個人都能在五分鐘內生成一個專屬於自己的、支持 MIDI 的鋼琴教學系統時，軟體的邊際成本歸零後，剩下的價值究竟是什麼？當你下一次在辦公室迷失方向，你是會選擇相信那些經過驗證的官方工具，還是會向那個躲在螢幕後的矽基馬蓋先問路？