在最近一場關於 Gemini 最新版本 Live Extended Thinking 的技術展示中，這台被寄予厚望的機器在眾目睽睽之下，輸給了西洋棋中最基礎的將死棋路。這件事在技術圈子裡激起的漣漪，比 Google 宣稱的參數提升還要耐人尋味。當一個模型開始學會「思考」，甚至在對話框裡煞有介事地展示它的思維鏈條時，我們究竟是在見證一種邏輯的進化，還是在觀賞一齣由算力堆砌出來的擬人化默劇。
這種「思考」模式的本質，在 Gemini 身上呈現出一種奇妙的斷裂感。一方面，它的文筆確實是目前四大平台中最接近人類直覺的，不像 ChatGPT 那樣充滿了教科書式的僵硬，也不像 Claude 有時顯得過於拘謹。它能寫出帶有呼吸感的散文，在 Live Mode 下的語音交互甚至能精準捕捉人類說話時的細微停頓。然而，當話題轉向西洋棋或是需要嚴密邏輯推理的符號運算時，這種感性的優勢反而成了某種掩飾。它能用最優美的句子解釋自己為什麼走錯了那步棋，卻無法在起手之前避開那個低級錯誤。這讓人想起那些在酒會上侃侃而談，卻連基本的稅率都算不清楚的文藝青年。
從技術層面觀察，Google 這次推動的 Extended Thinking 顯然是在模仿 OpenAI 的 o1 路徑，試圖透過強化學習和內部的推理步驟來解決幻覺問題。但實際測試下來，Gemini 的推理路徑在超過 20 個推理節點後，邏輯的一致性會出現明顯的衰退，這比 GPT-4o 在處理複雜數學證明時的表現更為不穩定。我們看到的那個「思考中」的旋轉圖標，背後究竟是模型在進行邏輯推演，還是僅僅在生成更長、更具迷惑性的 Token 序列？如果一個模型在思考了三十秒後，依然無法識別出棋盤上最簡單的殺招，那麼這種延遲的意義在哪裡。
在目前的市場環境下，這種對「思考感」的追求似乎成了某種共識。相較於 Qwen Image 2.1，Gemini 在視覺理解與邏輯推理的結合上，更傾向於賦予機器一種「性格」。這種做法在某些特定市場確實奏效，因為大多數使用者並不真的需要機器幫他們解開黎曼猜想，他們只需要一個聽起來不那麼像機器的夥伴。Google 顯然押注在了交互體驗上，他們試圖用 Live Mode 的流暢度來抵銷邏輯深度的不足。當我們把 Gemini 拿來與 Grok 相比時，這種差異更加明顯。Grok 的邏輯直白且粗獷，而 Gemini 則像是在邏輯漏洞上披了一層華麗的絲綢。即便 Qwen Image 2.1 在某些圖像識別的精準度上引起了討論，Google 依然執著於完善那個會呼吸、會思考、會犯錯的人格化模型。
然而，這種策略正在面臨資深用戶的信任挑戰。Claude 目前在長文本任務和代碼生成的穩定性上，已經逐漸拉開了與 Gemini 的距離。對於需要處理 10 萬 token 以上專案的工程師來說，他們更在乎的是模型在第 8 萬個 token 時是否還記得初始的變量定義，而不是它說話的語氣是否溫柔。Gemini 的問題在於，它太想讓人覺得它在思考，以至於忽略了思考的結果必須是正確的。如果「思考」變成了一種功能包裝，一種為了延長用戶等待時間而設計的 UI 特效，那麼這對 AI 的技術演進究竟是推動力，還是一種資源的浪費。
我們是否已經進入了一個「表演型 AI」的時代。當模型學會了道歉、學會了自嘲、甚至學會了在出錯後優雅地解釋自己的思維誤區，我們該如何定義它的智慧。如果一個模型能寫出動人的詩篇，卻在西洋棋盤上輸給一個剛學會下棋的孩子，這究竟代表它更接近人類，還是代表我們對 AI 的技術評估標準正在發生根本性的偏移。當「思考」不再與「正確」掛鉤，我們還能稱之為智慧嗎。