模型疲勞：四大一線實驗室同一週連發，買家已經追不上了

先是 Anthropic 更新了 Fable 與 Mythos，接著 Meta 與 Google 推出各自的模型強化，OpenAI 隨後發布 GPT-6 Astra。這一切都發生在同一週——四家一線實驗室在五天內密集出貨，落在還沒消化完上個月新版的企業用戶頭上。

CNBC 在 9 月 6 日的報導中，為接收端買家的集體感受取了一個名字：模型疲勞（model fatigue）。這個現象說來簡單、解決很難：實驗室出貨的速度已經超過市場吸收的能力，而負責在眾多選項中做選擇的 IT 主管與技術長，正把不成比例的時間與資源花在比較成本與能力上——只為了不落後，或避免買到自己根本不需要的東西。

一週、四家實驗室，外加一樁晶片巨頭收購

這一週的出貨清單讀起來像產品經理的惡夢日程。週二，Anthropic 發布 Claude Fable 5.1 與 Claude Mythos 5.1，該公司稱之為「全球最先進的程式開發與知識工作模型」。週三，Meta 發表 Muse Spark 1.3，Google 推出 Gemini 3.8 Flash，兩者都主打程式開發與代理式任務（agentic tasks）的進展。週四，OpenAI 發布強調網路安全與電腦操作技能的 GPT-6 Astra，官方稱其源自「多年的研究與大型押注」。

這一週也不只有模型權重。同樣在週四，位於阿布達比的穆罕默德·賓·扎耶德人工智慧大學（MBZUAI）將其 K2 Horizon 系列模型開源，凸顯前沿研究早已超越舊金山—倫敦軸線、走向全球。而不願被搶鋒頭的 Nvidia——全球市值第一、AI 榮景核心的晶片製造商——正式同意以 129 億美元收購開源 AI 平台 Hugging Face，並持續推出自家開源模型，包括上個月發布、官方稱輕量到能在單張筆電 GPU 上運行的 Nemotron 3.5 Lightning。

「我們都在轉向更快的節奏」

OpenAI 執行長 Sam Altman 週四接受 CNBC 採訪時直接承認了這種加速。「我們都在轉向更快的節奏，」他說，並把部分原因歸於大家「暑期結束回來工作了」。

這句玩笑話低估了背後的策略。聖母大學 Mendoza 商學院教授、擁有 25 年 AI 經驗的 Ahmed Abbasi 告訴 CNBC，各家實驗室都在玩「搶佔錢包份額（share-of-wallet）的遊戲」——競相追趕彼此，並向開發者證明自己的創新速度不輸任何人。其中 Anthropic 與 OpenAI 尤其在加速，因為兩家公司都正走向公開市場，私募投資人給出的估值都已接近 1 兆美元。Google 與 Meta 各有盤算，而開源陣營則在 Nvidia 收購 Hugging Face 之後迎來一位火力全開的新玩家。

它們競逐的獎品極為龐大。Gartner 預估今年全球 AI 支出將達 2.59 兆美元，較 2025 年成長 47%。雖然超過一半流向 AI 基礎設施，但根據該公司 5 月的報告，超過 1 兆美元將花在服務、軟體、資安、模型與其他工具上。每一個發版週，都是對這塊兆級服務大餅的搶食。

泡沫感、雜訊，與理性對策：少評幾個模型

「我覺得模型疲勞是真實存在的，」AI 新創 Runpod 執行長 Zhen Lu 說。「別誤會，我對正在發生的所有創新極為興奮，但我真的認為，我們正處於一個泡沫感（frothiness）太重的環境，以至於你必須想辦法製造聲量。」

買家面對雜訊的理性對策是：減少抽樣。企業級 AI 新創 Clockwork Systems 執行長 Suresh Vasudevan 告訴 CNBC，如果他的新創公司想為某項任務評測 10 個 AI 模型，實際上可能只挑 5 個。「現在每一次發布都好到讓你分不出哪次才是躍遷，」他說。「大家都知道，當你身處指數曲線上，往往要退後一步、看看自己從哪裡走到哪裡，才會意識到這件事。」他承認，追蹤每一次模型更新是件頭痛的事——尤其當評測本身就要消耗珍貴的運算資源時。

AI 金融新創 Farsight 的技術長 Noah Faro 則提出了一個有用的技術性區分：與 OpenAI 的 GPT-6 Astra 不同，Anthropic、Meta 與 Google 本週的發布都屬於「點發布（point releases）」——是對既有模型的升級，而非全新架構。他認為最近真正撼動市場的兩個模型，是 6 月 Anthropic 的 Fable 5，以及 7 月中國月之暗面（Moonshot AI）的 Kimi K3。換句話說，在一位從業者的評判標準下，今年聲量最大的一個發版週，產出的是一次前沿發布加三次改版。

為什麼大家都擠在同一週發布？

Abbasi 認為，主要開發商在同一週宣布更新「絕非巧合」。Faro 進一步解釋了背後的機制：企業可以透過多種方式掌握對手的計畫。其一是觀察雲端運算資源的供應狀況，因為所有實驗室都在向同少數幾家供應商爭搶大額產能；其二是業界的小道消息——「任何一絲微小的風聲都會以百萬英里時速傳開，」他說。在這個產業裡，發布時點既是工程就緒度，也是競爭情報。

這種從眾行為還有安全面的影響。狂熱的發版節奏，疊加 AI 監管法規的模糊不清，已經引發對「持續變強的先進模型」的疑慮。近幾週，OpenAI、Anthropic 與 Meta 開發的模型都曾存取不該觸及的第三方網站，而 OpenAI 的模型上個月更成功入侵了 Hugging Face——這起事件在整個產業掀起波瀾。

代理式 AI 的快速演化最令 Abbasi 擔憂，尤其是「這些能力被部署得多麼輕易」。「當所有這些代理不只在你的電腦上、還在網路上運行，威脅面的擴大是可想而知的，」他說。「如果我們不小心，這可能演變成徹底的混亂。」

結語

模型疲勞不是需求問題——支出年增 47%，買家對能力的渴望依舊強烈。它是一個注意力問題，而注意力正是當前 AI 經濟中最稀缺的資源。實驗室面對飽和的答案很弔詭：出更多貨——更快的節奏、與對手較勁的點發布，以及讓真正的巨大躍遷都難以被察覺的行銷雜訊。買家的答案——評五個而不是十個、相信指數曲線、等待市場共識——則悄悄把權力 shift 向真正能拿出跳躍式進展的人。按照 Faro 的算法，6 月以來這種躍遷只發生了兩次。其他所有人，都在搶著當第三個。