OpenAI推理之父掀桌：AI真·滿血的樣子，你沒錢見
重點摘要
【導讀】OpenAI o1推理模型核心締造者Noam Brown髮長文炮轟整個行業：用單一跑分評價AI模型，從2024年就過時了。GPT-5.5看起來只比5.4強一點？控制推理預算後再看，那叫一個天壤之別。
### OpenAI 推理之父砲轟業界：單一跑分已過時，AI 真實力藏在推理預算裡
OpenAI 的 o1 推理模型核心推手 Noam Brown 近日在社群平台發長文，直指當前 AI 產業對模型能力的評判方式嚴重落後。他認為，2024 年還用單一跑分來衡量模型好壞，根本是過時的做法。這番言論不僅掀起業界討論，也讓外界重新思考：我們究竟該如何定義「AI 滿血狀態」？
#### 重點整理：跑分無法反映真實推理能力
Brown 的核心論點很直接：傳統的模型評測跑分（如 MMLU、HumanEval 等）只看最終答案的正確率，卻完全忽略模型在生成答案前花費了多少「思考時間」或「推理資源」。他舉例說，若控制推理預算（即限制模型能使用的運算量），GPT-5.5 看起來可能只比 GPT-5.4 強一點點；但一旦放寬預算、讓模型有足夠時間進行深度推理，兩者的表現就會出現天壤之別。換句話說，真正的 AI 能力差距，不是靜態分數能捕捉的。
#### 背景脈絡：從 o1 模型看「推理可擴展性」
這項批評的背後，其實與 OpenAI 去年推出的 o1 系列模型有關。o1 的核心設計正是讓模型在回答前先「思考」一段時間，透過 chain-of-thought 等方式逐步推導答案，而非直接輸出。這種設計讓模型在面對複雜任務時，能透過增加推理步數來提升準確率——這也就是 Brown 所謂的「推理可擴展性」。然而，業界多數評測標準仍停留在靜態評估，無法反映這種動態能力的價值。
#### 可能影響：評測標準與商業模式將被迫轉變
Brown 的發言若被廣泛接受，將直接衝擊現有的模型評比生態。首先，模型排行榜可能不再只看單一準確率，而需要同時標註「推理成本」或「運算預算」，否則容易誤導使用者以為某模型進步幅度很小。其次，這也影響定價策略：若某模型在低預算下表現普通，但在高預算下能大幅超越對手，那麼提供「分層推理付費」的商業模式將更具吸引力。此外，開發者社群可能因此更重視提示工程與推理鏈設計，而非僅追求模型參數或跑分排名。
#### 讀者可關注的後續：OpenAI 會如何公開推理預算？
接下來值得密切注意的，是 OpenAI 及其他 AI 公司是否會開始在技術報告或 API 文件中，明確揭露模型的推理預算設定。例如，未來在比較 GPT-5.5 與 GPT-5.4 時，廠商或許需要說明是在多少 token 的思考開銷下得出的結果。同時，第三方評測機構也可能被迫調整評測流程，加入「推理成本曲線」這類更細緻的指標。對一般使用者而言，這意味著挑選 AI 模型時，不能只看跑分數字，還得思考「我願意為更深入的推理花多少錢？」——畢竟，AI 滿血狀態的門票，可能真的不便宜。
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。