报道了几年 AI，我越来越觉得自己是个骗子……

写在前面：

太疯狂了，这大概是 APPSO 报道 AI 以来经历过更新最为密集的一个月。

在给大家介绍完一众新模型后，今天这篇文章，想和你聊聊对AI 行业的发布周期所产生的「超现实」现象。

在车轮滚滚的周期中，AI 媒体们，包括 APPSO 自己，也成为了「共谋」。归根结底，在其位谋其事，潮水的方向难以抵抗。但我们发现越来越多人都有类似的感受，所以本文也算是一种自省。

事情要从 Opus 4.7 说起。

只看大部分单项基准测试分数的话，你会以为 Anthropic 再次抬高了大模型的上限。但是在发布之后，真正用上 Opus 4.7 的用户感觉并非如此。Token 耗费变得比前代更加夸张，上下文能力和编码场景下的工具调用能力都有所倒退。

在使用了一段时间后，一些开发者切回了 Opus 4.6。Pragmatic Engineer 作者 Gergely Orosz 表示这个新模型「像是在跟我作对」。「Opus 4.7 是一次严重的倒退，而非升级。」很多开发者都表示了类似的观点。Business Insider 报道，吐槽 Opus 4.7 的推文获得了数万次点赞。

基准测试的结果，是对 Opus 4.7 的描述；用户实感，同样是对 Opus 4.7 的描述。然而两者之间，有着天壤之别。

这种区别，指向了一个笼罩在整个 AI 行业的文化现象，也即：

AI 行业，特别是以 Anthropic、OpenAI 为代表的公司，它们尽力维持着一种模型/AI 产品发布周期 (launch cycles)，每隔几个月甚至几周就有大版本发布，每天都有新功能推出。

然而，这种车轮滚滚的发布周期，有如左脚踩右脚一般，已然形成了一种自我维系的新经济模式。「发布」这件事本身，以及围绕这些发布所撰写的营销物料和媒体报道，足以塑造、固化人们对于 AI 进步的认知，并且引发真实的财务后果（关联公司的股价涨跌）。

也就是说，AI 在认知意义上的进步，已经先于真实体验上的进步，甚至在很大程度上完全替代了后者。

发布取代了体验，炒作成为了现实。

鲍德里亚与 AI 行业的超现实

在《黑客帝国》的主要角色进组开拍之前，主创沃卓斯基姐妹曾经强制要求他们阅读法国哲学家让·鲍德里亚的《拟象与模拟》(Simulacres et Simulation) 一书。

文化评论界普遍认为，《黑客帝国》是流行文化作品对鲍德里亚的思维框架的绝佳演绎：大部分人接受了虚构的幻象，只有少数人「人间清醒」。在 Cypher 这个角色的身上，你会看到有人更偏好美好的幻象，而非艰难的现实。

而《黑客帝国》三部曲的主角们，选择的是红药丸，是无论战胜母体的可能性有多么的渺茫，都要回到并且重新掌握自己的现实，掌控自己的主体性。

讽刺的是，在 2003 年，法国杂志《新观察家》采访了鲍德里亚本人对《黑客帝国》的看法，他是这么说的：

《黑客帝国》绝对是「母体」本身会制作出来的那种关于「母体」的电影。

翻译一下鲍德里亚的这句话，他其实是在吐槽《黑客帝国》流于「战胜强敌，重掌自我」的流行文化俗套。他并不认为《黑客帝国》领悟了自己提出的理念的精髓。

正相反，鲍德里亚认为，「现象」的扭曲力场已经如此之强，以至于现象与现实已经不存在实质性的区别——现象早已取代了现实。

一家饭馆的菜单，成为了饭馆的具象代表，然而你仅从菜单上是品尝不出这家餐馆的口味的；人们从一张平面的世界地图中形成对于不同国家疆域大小的认知，但当二维的比例尺切换到真实世界中却并不精确，甚至差之千里。

现实当然是存在的，只是在现象先行的时代，它逐渐变得无足轻重了。

回到本文的主题：AI 模型和产品的发布周期，你会发现一切正是按照鲍德里亚所预言的「超现实」(hyperreality) 那样，正在发生。

环绕在最新的 AI 模型周围的配套体系，已然发展地如此迅猛，变得无比庞大和厚重，具备了强大而难以撼动的自我维持能力，以至于新闻稿、基准测试分数、媒体报道……等等的「外围」，已经变成了 AI 本身，足以塑造人们对于 AI 的认知；用户对于模型/产品的真实体验，反而变成了无足轻重的次要因素。

今时今日，AI 新品的发布，并没有真的揭晓产品。而是发布的行为本身塑造了某种叙事，造成了某种现象。而这些叙事、现象，取代了真实体验 (lived experience)。

发布本身，就是「产品」。

Opus 4.7、Gemini、Sora

在 Opus 4.7 发布的同一周，Figma 的股价一共暴跌了三次。

按照时间倒序：最后一次是 Claude Design 发布；中间是 Opus 4.7 发布；而第一次，是在 4 月 14 日，Opus 4.7 发布的两天前。

当天，The Information 独家报道了 Anthropic 准备在当周发布 Opus 4.7 模型以及设计工具的消息。

在 4 月 14 日哪一天，股价下跌的不止 Figma：Adobe、Wix、GoDaddy 等一众公司都有损伤——数十亿美元的市值蒸发，仅因为一家权威媒体报道了一个对于外界并不真正存在的、无法被切实感知到的产品。

如果说当今的 AI 行业已经完全沦为一个现象领先于现实的「超现实」，The Information 这篇报道所引发的股票抛售恐慌就是绝佳的例证。

随后，Opus 4.7 正式发布。Anthropic 宣称它是有史以来最强大的 Opus 模型，并提供了一系列基准测试分数来作证：SWE-bench Verified 从 80.8% 提升到 87.6%，CursorBench 从 58% 到 70%。

在发布的那一瞬间，人们无比兴奋，因为这个有史以来最强大的 Opus 模型，不仅看起来是毫无争议的进步，而且居然加量不加价，仍然是 $5/25 每百万输入/输出 token。

过了一段时间，真实用户体验如潮水般涌来，一切都变了。

用户们发现，Opus 4.7 在很多特定任务上「降智」情况显著。比如开发者和博主 Theo Browne 发现，即便在 Anthropic 官方推出的 Claude 桌面端中，使用 Anthropic 官方的 harness 来编排 Opus 4.7 执行代码类任务，它仍然会表现地很蠢，例如找不到 Node.js 的最新版、无视官方的系统提示词等等。

再比如，Opus 4.7 在多轮上下文寻回基准测试 (MCMR) 中的分数，连前代 Opus 4.6 的一半水平都达不到。这个基准测试所对应的上下文寻回能力，对于 Anthropic 主打的核心行业用户，包括法律、金融等等行业来说可能会有显著影响，他们真的需要在百万级的超长上下文窗口下工作。

Claude Code 主创 Boris Cherny 亲自下场，宣称 MCMR 是一个糟糕、过气的基准测试，以后都会用 GraphWalk 来作为上下文测试的基准。

Cherny 的解释并没多少说服力。他说 MCMR 没有现实意义，但人们同样可以说 GraphWalk，一个通过十六进制哈希值来评价图遍历性能的测试，跟 MCMR 没有区别，都没什么现实意义，都是「海底捞针」式的测试任务。

Opus 4.7 采用的新分词器也带来了新的负提升，可能导致输入、输出前的思考过程的额外消耗，提升最高 35%。在新模型发布后的一天内，有企业用户反映在此前相同的任务上使用 Opus 4.7 在 Claude 上运行任务，比 4.6 提前 30%-80% 达到 5 小时限额。

开发者 Abhishek Ray 对 Opus 4.7 的新分词器做了深入测试，发现在阅读文档（比如 CLAUDE.md）的消耗能够达到 4.6 的 1.45-1.47 倍。

而 Anthropic 官方说的 0 到35% token 增加，会让你以为真实场景会在这个区间内浮动——然而实际上，在真实场景里，额外的耗费比 Anthropic 的「上限」还要高。

Anthropic 的应对策略是什么呢？还是派出了 Boris Cherney，去 X 上口头宣布：我们为所有用户提高了限额！

当事实跟叙事对不上的时候，Anthropic 会忽略事实、改变叙事。这就好比一个封建领主打仗失了地，他不想着争回来，反而把地图给改了，然后告诉你「我的王国从来都是这么大」。

在 Opus 4.7 的官方基准跑分表上，还有另一行数字属于 Mythos 模型：SWE-Bench Verified 高达 93.9%，GPQA Diamond 高达 94.6，CyberGYM 高达 83.1%——几乎全方位超越 Opus 4.7。

Mythos 是在 Opus 4.7 之前「发布」的，然而这次「发布」远比 Anthropic 做过的任何一次发布都更加匪夷所思：

普通用户是没有办法在发布的同一天用上 Mythos 的，A 社只是宣布了有这个史无前例版强大的模型的存在，只有不超过 50 个公司认可的合作伙伴可以第一时间用上。A 社还说，没有在近期将 Mythos 公开放出的计划。

Mythos 存在吗？存在，也不存在，它只存在于 Anthropic 官方的服务器上，存在于这些被 A 社官方认证的「合作伙伴」的体验当中。

但是这并不妨碍网红博主和 AI 媒体们对其发表各种溢美之词：一个将会彻底革命千行百业的大模型，一个秒杀一切其它模型的「最后的大模型」……

Mythos 是那个号称强大到以至于世界上 99.999% 的人都不配使用的模型。

然而对于普通人来说，它迄今为止唯一的真实意义，就是塑造 Anthropic 乃至于整个 AI 行业将会彻底重塑这个世界的认知。

但 Anthropic 并不是第一家这么做的公司。

2023 年底，Google 发布了一条展示 Gemini 多模态的宣传视频。在这条视频里，Gemini 能够对摄像头拍到的画面进行实时的视觉理解，它能看懂用户手绘涂鸦的内容，能在用户玩游戏的时候进行实时解说，甚至能猜中用户在玩的「空壳游戏」（几个杯子一个球，猜球藏在哪个杯子里）。它的语音效果温暖而富有人味——在 2023 年的时候惊为天人。

Google CEO Sundar Pichai 也转发了这条视频，在 YouTube 上的播放量一天内破了百万。科技媒体纷纷撰写了报道，盛赞 AI 的进步已然突破了文本对话本身，在获得多模态能力后真正进入真实世界并带来深远影响。

这个被营造出来的认知，在仅仅 2 天后就轰然塌房。

在彭博社和 TechCrunch 的记者逼问下，Google 交代了实情：视频中  Gemini 所谓的实时对话，其实是静态图片和提示词一条一条喂进去后生成的回应。不仅 Gemini 产品在当时做不到实时对话，就连 Google DeepMind 团队自己都无法在内部实现。这个 demo 本身就是假的。

真相曝光后，Google 仍在嘴硬。一位公司公关表示，这条视频是「Gemini 可能性的演绎」。但我们都明白潜台词是什么意思，就像《盗梦空间》里的「植梦」那样，科技行业通过这样的营销行为，在用户的心智中种下种子，让它生根发芽，枝繁叶茂，开花结果。

当然，在今天，低延迟的对话功能和多模态识别能力早已被 Gemini 们实现。但事件发生的顺序仍然重要：Google 先结了果，才去种的因。

这条视频后来被 Google 删除了。但在被证伪之前，已经有上百万人看过了视频，参与了这场倒果为因的表演——有多少人今天还记得当时 Gemini 团队做了这件事？真相是什么，已经不重要了。

类似的事情也发生在早期的 Sora 身上。

2024 年 2 月，OpenAI 展示了这个当时还在训练中的视频生成模型，赛博朋克都市里的迷醉霓虹，以假乱真的猛犸象穿越雪原，纸鸢如鸟群一般翱翔在天空。

直到 24 年底，带着彼此「穿模」的物体、满是六根手指的手、走样到无法辨认的人脸，Sora 模型真的来了。用户期待着能像年初的预告视频里那样随意生成绚丽而真实的画面，得到的却是需要大量抽卡才勉强能用一个抽象短视频生成器。

有一说一，OpenAI 的确在 24 年这视频的一开头就明确表示，当时的 Sora 还只是一个研究项目。但这条视频所营造出的「现象」，所塑造的认知，直到去年 Sora 2 正式上线才算勉强兑现。

后来的事情大家都知道了：如今 Sora 项目已经彻底关闭，标志着 OpenAI 暂时退出了视频生成模型的赛道。

Sora 走完了属于它的生命周期。但它所验证的「现象领先现实」这一顽疾，却仍然肆虐着整个 AI 行业。

没有一片雪花是无辜的

当下这种情况，并不是凭空出现的，不同角度的行业人士参与到其中，而每个参与者都有自己的目的——最终形成共谋。

AI 公司的产品经理、市场营销与公关撰写新闻稿，在种种基准测试中找到最有说服力的数字。这些公司的创始人和高管，更是极为擅长通过演讲、播客、推文去营造 FOMO（错失焦虑），让失业的恐慌（无论是否真实）笼罩在舆论的头顶。

然后，媒体和自媒体网红们，通过一条又一条的文章、推文、视频、播客，将上述所有信息进行咀嚼、吞咽、反刍、排出。

行业常说模型即产品。但在更高的维度上，你会发现产品早已不是模型本身，而是环绕在模型周边的「外围系统」。

是一代更比一代高的基准测试分数，更是一篇又一篇以「地震」「海啸」「雪崩」为标题，宣告着「AGI 奇点到来」，令人「头皮发麻」「大出血」「冷汗直流」「吓出癫痫」的 AI 网红帖文和媒体报道文章。

模型不再是产品，现象才是产品。现实不再构成现象的要件，现象变成了新的现实。

延伸阅读：AI圈炒作圣经震撼首发 by 葬 AI

作为一个 AI 媒体的典型作者，我会在使用一个模型不到短短一天（大部分时候可能几个小时就够了）后给它打上「最强模型」的标签；当 GPT 的版本号从 4 进化到 5 的时候，我敢于不假思索就宣称新模型比 GPT-4 实现了这样或那样的进步。「碾压」「颠覆」「炸裂」在我的词汇表里，早已通货膨胀到不值一文。

合上电脑的时候，我经常陷入自我怀疑：今天写的文章在多大程度上经得住回头的事实考验？我有没有真正准确、负责任地描述这个 AI 模型或产品的创新性和实用意义？

究其根本，我们每天报道这个新模型，那个新产品，这样或那样的新技术变革，早已不再单纯因为它们有多少，甚至压根有没有创新性和实用意义了。

实际上，我们每天做这些报道，往往单纯是因为产品发布即将发生，而 AI 科技媒体如果不报道这些产品发布，如果不用这些词汇去写报道，报道就无法被推荐、点击、阅读、分享，就将落后于他人。

在今天，在这个 AI 营销模式下，没有哪个从业者可以不用随波逐流。是的，即便是 APPSO 也无法幸免。每一家媒体，每一个 AI 网红博主，都在为这个「无限进步」的循环贡献着自己或大或小的推力。

我们写了 Opus 4.7 是最强模型；转头我们又写了Opus 4.7 降智。这些观点看似相互矛盾，可它们都来自于事实——但它们又绝非全部和唯一的事实。时间长了你就习惯这种左右脑互搏了。

在每一个时间点上，这些观点都击中了舆论的某种偏好或审美，符合当下的「时代精神」，所以自然会有前仆后继的媒体和博主去不断发表、增幅这些观点，引发争议，获取流量。

作为读者，你不应该期待今天看完这篇文章之后，明天不再看到它所批评的那种文章发表在 APPSO 上。甚至这篇讽刺的文章，本身也成了它所讽刺的对象。如果不是因为 Opus 4.7 的发布，和看到了后续的争议，我不会写这篇文章。

我们能最终逃离这个循环吗？

也不是完全没有希望。

Claude、GPT 这样的模型，关注度足够高，用户足够多。在发布之后的第一时间里（通常在一两个小时内）， 我们能够看到一些真实用户的评测体验，特别是那些站在营销话术的对立面的真实报告。可以说，情况还是有转机的。

令我印象最深的其实是 GPT-4o 下线和 GPT-5 的发布。

人们对新的 GPT 大版本期待已久，山姆·奥特曼本人对模型做出「专家级别的智能」这一评价，以及那条经典的「死星」推文居功甚伟。

紧接着，GPT-5 真的来了，却在 X、Reddit 等平台上引发了排山倒海的反向舆论。「降智」「不如 4o」「还我 4o」的声音此起彼伏。预测市场 Polymarket 上当时有一个预测标题是「哪家公司到 8 月底能拿出最强模型」，OpenAI 在里面的比例在 GPT-5 发布后的短短一个小时内从百分之七十多降低到了十几。

顶不住压力的 OpenAI，不得不把下线的 4o 又给搬回来。

然而这个循环还是没能破灭：GPT-5 的小版本接二连三地推出，发布和更新的周期从年逐渐加速到以月为计。 4o 限时返场后最终还是下线，成为了滚滚向前的车轮压过的一粒石子。

考虑到 Opus 4.7 赚足了眼球，而 OpenAI 已经好长时间（在今天的周期里简直是度日如年）没有上线新模型了，传闻中的「Spud」，以及即将在今年内发布的 GPT-6，都将在它们各自专属的时段内成为「最强模型」，这件事已成定局。

上轮反省还没结束，新的周期已然开始。

当你读完这篇文章，关掉页面，刷新了一下朋友圈、公众号列表或者 X，会看到又一篇讲述新模型的文章发表了，可能是 DeepSeek V4、Kimi 2.6、Hunyuan 3 或者 GPT 5.5，甚至可能是真正到来的 Mythos。

这些文章的标题，会有同样的炸裂词汇。你在正文里，将看到「最强模型」的各种分数一而再、再而三地被刷新。

你以为这个新模型将会是绝杀，成为 the last model to end all models……

但那又怎样？在北京的知春路，在杭州的汇金国际，在旧金山的 Mission Bay 和 Market St.，比最新的周期还要更新的一轮，早已转动起来。

文章来自于微信公众号 "APPSO"，作者 "APPSO"