這幾天大家又在為那篇名為「異星大腦」的文章吵得不可開交，彷彿我們真的已經步入矽基生命降臨的前夜。OpenAI 這次的行銷手段比以往更具備一種宗教感的狂熱，甚至搬出雷·庫茲維爾那套二十世紀末的預言，試圖把大模型在特定基準測試上的表現，硬生生拔高到「超越人類智慧」的高度。現實是，如果你真的在生產環境裡跑過幾萬次 API，就會發現這種所謂的「異星智慧」在處理長邏輯鏈條時，依然像個得了阿茲海默症的天才。它能在千分之一秒內寫出一段精妙的 Rust 代碼，卻會在五分鐘後忘記你剛才設定的變數約束。
這種斷裂感在 ChatGPT 的 o1 模型上尤為明顯。o1 引入的強化學習推理過程，本質上是把「慢思考」這件事寫進了系統 prompt 的隱含層，讓模型在輸出之前先進行一連串自我糾錯的循環。這看起來確實很像人類在思考，但實際上，它只是一種概率分布的自我優化。當你要求它處理一個不存在於現有訓練集中的邏輯悖論時，它所謂的「推理」往往會變成一種無止盡的幻覺迴圈。這種技術路徑與其說是「異星大腦」，不如說是把人類的思維慣性封裝進了一個更巨大的黑箱。
相比之下，Claude 在處理同樣的邏輯密度時，展現出了完全不同的氣質。Anthropic 似乎更執著於所謂的「憲法 AI」，這讓 Claude 在回答問題時有一種令人窒息的禮貌和嚴謹。在長文本任務中，Claude 對於 Context 的召回率確實優於 GPT-4o，尤其是在處理超過 10 萬 token 的技術文檔時，它不太會像 OpenAI 的產品那樣，在文章中段開始出現明顯的注意力潰散。然而，這種「謹慎」有時也成了一種束縛，它太想成為一個完美的、受控的工具，反而失去了某些在混沌中尋找最優解的靈活性。
這種靈活性的缺失，在與其他模型的對照中顯得格外有趣。相較於 DeepSeek，OpenAI 的做法是將大量的算力浪費在修飾語句的圓滑度上，而非純粹的邏輯蒸餾。Gemini 則是另一個極端，Google 試圖把多模態能力塞進同一個神經網路的每一個神經元裡，這導致 Gemini 在處理純文字的邏輯推演時，偶爾會表現出一種莫名的「視覺干擾」——它可能會因為理解了某個單詞的圖像意象，而偏移了原本的語法導向。至於 Grok，馬斯克那種帶有侵略性的數據抓取策略，讓它的回答充斥著社交媒體的原始與粗糙，雖然在即時性上佔優，但在技術深度的構建上，目前還看不到能威脅到前兩者的跡象。
我們現在面臨的尷尬境地是，大模型輸出的「文字密度」確實在提升。就像有人在 Hacker News 上提到的 Astra，那種資訊密度的增加給了使用者一種「模型變得更聰明」的錯覺。但請注意，資訊密度不等於邏輯深度。一個能快速產生五千字廢話的系統，和一個能精準指出系統架構漏洞的系統，兩者之間的技術鴻溝並不是靠堆疊參數就能填平的。
如果我們真的已經到了「機器智慧開始在變革性領域超越人類」的時刻，為什麼我們還在為了一個 API 的頻率限制或者是 token 成本斤斤計較？如果這真的是異星大腦，那它現在最擅長的事情，似乎只是在模仿一個平庸的、但讀過所有書的高級秘書。
我們是否過於沈溺於這種「智慧」的表象，而忽視了底層架構的停滯不前？當 OpenAI 忙著用宏大的敘事來掩蓋模型在因果推理上的無力時，我們究竟是在見證奇點的到來，還是在參與一場由矽谷頂級公關團隊編織的集體幻覺？如果下一個版本依然只是在概率預測上加幾個百分點，那這種「異星大腦」的標籤，除了能讓股價多漲幾點，對那些真正需要解決技術難題的工程師來說，又有什麼實質性的意義？