做出ChatGPT核心研究的人今天掀桌：大模型搞不定自動化，新架構提速200倍且輸出免費

曾經參與 ChatGPT 核心演算法開發的研究團隊，近日突然發表一套截然不同的全新架構，直接挑戰當前大型語言模型在自動化任務上的實用性極限。這群在人工智慧領域舉足輕重的科學家公開主張，現行主流大模型雖然在對話生成方面表現亮眼，但用於自動化決策場景時效率低落、運算成本高昂，難以真正落地應用。為此，他們設計了一套跳脫傳統 Transformer 架構的解決方案，宣稱能將處理速度提升高達 200 倍，而且輸出完全免費。這項消息一經公布，立即在學界與產業界掀起熱議。由於發表者正是當初打造 ChatGPT 核心技術的關鍵成員，他們這次「掀桌」式的公開批判，格外具有分量。

許多人解讀這不僅是技術路線的宣示，更可能預示著下一代自動化系統底層邏輯的重大轉向。根據研究團隊公布的技術說明，這套新架構的運作方式與現有的語言模型截然不同。傳統上，要讓大模型執行自動化決策，往往需要反覆進行提示工程、輸出格式轉換、以及多階段的推理校驗，整個流程既繁瑛又耗費大量算力。但新架構只需輸入一段無結構的狀態資訊，系統就能直接回傳一個帶有概率置信度的強類型決策，完全省略中間反覆推敲與格式轉換的步驟。換句話說，開發者不再需要為了讓模型輸出符合特定格式，撰寫冗長的提示詞，也不需要再透過後處理來解析模型產生的自然語言結果。

新架構讓決策過程變得像呼叫一個標準函式庫一樣直接：輸入當前狀態，輸出最合適的下一步行動與對應的信心度。這種設計大幅降低了自動化系統的開發複雜度，同時也顯著減少運算延遲與硬體成本。研究團隊特別強調，這套架構的設計初衷就是為了解決大型語言模型在實際自動化場景中的「效率瓶頸」。目前主流大模型雖然能理解人類語言，但在執行連續決策、條件判斷或規則驅動的任務時，往往需要反覆調用推理鏈，每產生一個決策都可能耗費大量 token，導致延遲與開銷雙雙飆升。新架構則從根本上重新設計決策輸出的方式，讓模型以更貼近程式碼邏輯的形式直接回應，因此能達到驚人的速度提升。

值得一提的是，該團隊明確表示，這套新架構的輸出不會收取任何費用。這與目前主流大模型普遍按 token 計費的模式形成鮮明對比。對於需要大量自動化決策的企業用戶來說，這項「輸出免費」的承諾極具吸引力，可能徹底改變自動化服務的定價邏輯。這群研究者過去在 ChatGPT 核心演算法上的貢獻有目共睹，包括注意力機制的優化、強化學習回饋的設計等關鍵技術。如今他們公開提出與自家前東家路線不同的新方案，業界普遍認為這是對當前大型語言模型「萬能論」的反思。許多自動化領域的工程師長期以來苦於大模型「殺雞用牛刀」的困境：明明只需要一個簡單的二元判斷，卻要執行數十億參數的模型，既浪費又不可靠。

新架構的出現，正好填補了這個需求缺口。目前該架構仍處於論文與原型驗證階段，尚未公佈完整的原始碼或商業化時程。但已有不少自動化平台開發者表達高度興趣，甚至有業界人士猜測，若這套方案能順利實作，很可能催生出一批新形態的輕量級決策引擎，專門用於物聯網、機器人控制、供應鏈管理、金融交易等高頻自動化場景。從更宏觀的角度來看，這項研究也再次提醒產業界：大型語言模型並非萬能工具，尤其在需要即時、低成本、可解釋的決策任務中，針對性設計的專用架構往往遠比通用模型更具優勢。過去幾年，業界過度追捧參數量與對話能力，反而忽略了自動化落地的實際效率問題。這次「掀桌」行動，可視為對失衡發展的一次強力校正。

無論最終能否量產，這套新架構已經成功引發一場關於自動化技術路線的深刻討論。對於長期依賴大模型進行自動化的企業而言，或許該開始思考：究竟是繼續堆疊算力，還是轉向更精巧、更高效的專用解決方案？而這群曾打造出 ChatGPT 的研究者，已經用行動給出他們的答案。