全民AI新阶段即将到来
- 内容介绍
- 文章标签
- 相关推荐
新阶段将有以下特点：
1、从大而全向小而精转变
2、从普适性向个性化转变
3、从昂贵性向平价性转变。
这原本就是发展的趋势，但是最近一系列事件极大加速了发展的速度。
其核心事件在于claude code 源码的泄露，AI最重要的是两个方便，一是LLM本身的智能情况，就是我们熟知的gpt、deepseek那些、二是驱动LLM完成特定任务的工程范式，例如Claude code 、openclaw那些。
而claude code 源码的泄露，都将极大加速这两个方面发展，几乎可以使得行业在短时间内在这两个面的平均水平达到当前的顶级水平。
有些人认为，最多是加速第二个阶段的发展，第一个纯粹模型层面的问题，而claude code 只是泄露了工程范式上的源码，况且人家claude code是免费给人家用的，模型才收钱，模型才是人家最核心的竞争力。
我为什么说，工程范式层面的源码泄露却能极大拉动行业llm本身的发展？
一时间找不到合适的例子，就举一个不恰当的例子。
行业里有很多的llm，这些llm好比是：老虎、牛、马等等。
单从指标来看，在一些基础指标上大家都接近，并且在不同的指标上还各有千秋。
然而到具体的任务上则千差万别，例如你可以让牛来耕田，老虎力气比牛大，你却不能让老虎来耕田。
A/之前嘲讽qwen，说高分低能。我认为高分是真的，低能也是真的。只是衡量的指标不同。
能力的高低脱离了具体的场景就没有意义，现阶段AI界最看重的能力是实际解决现实工程的能力，具体而言就是理解现实工程问题、理解人类处理那些工程的方式这些问题。
就像为了种好田，搭建了一套高效的种田体系，而牛需要能够很好的理解这套体系，并遵守这套体系的逻辑运行。clude code就像这样一套体系，而claude就像那头牛。
体系要求牛速度不能太快、力气必须大、重要的是耐力以及脾气要温顺等等。在种田这个领域中你要确保你训出来的模型要像一头牛而不是像一批马。当然这个体系会包括如何耕种更高效的细节、例如犁地方式、配高效犁具，给牛套上鼻环等。体系之间有优劣之分，llm只有搭配体系才能方便评判优劣。
也就是说llm其实和体系是强绑定的，开源了体系，就等于知道了在这个体系中干活的llm需要的能力的方方面面，就能针对性的训练适应这个体系的llm。
所有我说，工程范式的开源，会很快带动适应工程的llm的发展。
一个高效开源的驱动llm干活的工程范式，是新阶段的核心基础。
为什么说从大而全向小而精转变。
对于一个公司而言，追求大而全是不理智的，因为人的精力总是有限的。
拿openclaw举例，几百万行代码，除了因为claude code不开源而引入的大量冗余之外，还追求实现许多的功能，从而导致充满bug，变得难以维护。
claude code开源之后，参照这个工程范式，会涌现出一大批功能聚焦，小而美的Agent，它不追求面面俱到，只解决核心局部的一个具体场景，力求做到最好。
为什么说从普适性向个性化转变。
摸索出一个能真正驱动llm干活的工程范式是很难的，这个范式不开源之前，很多Agent非常低效，一个高效的Agent产品是很难开发和维护的。因此这个意义上说只能由那些实力雄厚的公司来开发，而这样开发出来的产品基本无疑是普适性的，因为要面向尽可能多的用户，也就难以做到普适性。
而这个工程范式开源之后，个人就能开发高效运行的Agent，自然创意会像雨后春笋般长出来。
现阶段Agent场景之所以未能进入大部分群众的使用习惯，最核心的原因无非是Agent难用，没办法满足自己的需求，十分鸡肋。另一方面就是token太昂贵的原因。
但是Agent产品像小而精转变后，这种背景下的产品专精于一个细节领域，以人民群众的智慧，必然涌现大量轻量好用的Agent，人们根据需要引入自己想要的Agent。
为什么说从昂贵性向平价性转变。
就像前面说的，一方面开发和维护一个高效运行的Agent的成本急剧降低。
另一方面就是token太昂贵的问题。然而小而精的背景下。在一方面去除了大量冗余。另一方面，按照优秀范式训练的llm将越来越智能，用越少的token干好越多的活。最重要的是，没办法达成垄断，A/的token不是一般的贵，其关键原因之一就在于垄断。
再者抛开因为驱动llm干活的高效范式被迫开源，导致后续llm的训练会极大加强工程能力不说。gpt的发展已完全突破A/的垄断，而其价格仅是A/的十分之一。就体验而言codex gpt 5.4在相当领域上不输、甚至是超过cluade code opus 4.6，起码并驾齐驱是没问题的。而价格下来后继续上涨，概率是极低的。
况且，要是不抛开后续llm的训练会极大加强工程能力，也就是说llm的功能能会得到极大加强，这反映在中国上，以中国的在电力等上的成本优势，将极大拉低token的价格。
而当工程范式、llm训练这两方面，中国都能在短时间内拉到跟上相关领域顶级水平时。一个好用的Agent将不再昂贵。
以上。
CaiGbro
网友解答：--【壹】--：
同意，工程化是一个应用的道路，但是不是只有cc的工程化可以推动，社区的各种优秀设计我觉得不比cc差，anthropic强的是claude和cc的协同，你用通用的怎么可能比得过
--【贰】--：
其实前面qwen离职的负责人写的长文已经解释了模型训练进入了下个阶段，后面就是提升agent能力了，不只是提升智能
--【叁】--：
中国是不缺电，但中国缺好的gpu，老黄不卖给中国，一点办法都没有。
你看deepseek用国产显卡训练，一点新消息都没有了。
--【肆】--：
不认同。从大模型到本地模型的转换不会因为claude code的代码泄露而发生，本地模型能力的确已经提升很多。但是agent框架的升级不能弥补模型能力的差距，人们（尤其是程序员）更想使用能力更强的SOTA模型。
--【伍】--：
特化领域还是适合本地模型的，主要是不觉得cc的泄漏会导致这方面有什么大发展
--【陆】--：
开源模型可以针对工程能力强化训练，开源出功能能力好的llm，然后就能本地私有使用类似claude code的agnet了，这样agent和llm都是自己可控的。
--【柒】--：
我觉得接下来会出现面向Harness训练。
--【捌】--：
其实你说的大致意思是模型照着cc的工程化思路改进可能会有更好的执行效果吧，毕竟以前靠的是猜，可能有过拟合
--【玖】--：
比尔盖茨：不敢相信20年后人们会用计算机做什么
2026:一百万只会下单的老母鸡大战200只霸王龙
--【拾】--：
没错，肯定的重要的指标
--【拾壹】--：
如果价格不是问题呢？真正的阻碍是什么
--【拾贰】--：
模型能力是一个很宽泛的概念，claude模型强的地方在于它的工程能力，能够理解和组织复杂功能等上面的能力，不能说gemini不强，但是它用在claude code上就是一坨。工程能力才是对llm能力的刚需。
--【拾叁】--：
公益站一关，大家全都 token 危机……
--【拾肆】--：
刷到一个相关贴子，是这样说的，ai确实会变得普及，agent也会变得日常，但是这种提升没有实质上发展生产力，因此是利好大公司的通用llm以及一人公司的垂类业务，但是在中间态的中小型企业来说，带来的收益甚小，但是还是会去追，因为谁也不确定一旦没赶上这个风口，就可能“错过产业升级”，进而被淘汰
新阶段将有以下特点：
1、从大而全向小而精转变
2、从普适性向个性化转变
3、从昂贵性向平价性转变。
这原本就是发展的趋势，但是最近一系列事件极大加速了发展的速度。
其核心事件在于claude code 源码的泄露，AI最重要的是两个方便，一是LLM本身的智能情况，就是我们熟知的gpt、deepseek那些、二是驱动LLM完成特定任务的工程范式，例如Claude code 、openclaw那些。
而claude code 源码的泄露，都将极大加速这两个方面发展，几乎可以使得行业在短时间内在这两个面的平均水平达到当前的顶级水平。
有些人认为，最多是加速第二个阶段的发展，第一个纯粹模型层面的问题，而claude code 只是泄露了工程范式上的源码，况且人家claude code是免费给人家用的，模型才收钱，模型才是人家最核心的竞争力。
我为什么说，工程范式层面的源码泄露却能极大拉动行业llm本身的发展？
一时间找不到合适的例子，就举一个不恰当的例子。
行业里有很多的llm，这些llm好比是：老虎、牛、马等等。
单从指标来看，在一些基础指标上大家都接近，并且在不同的指标上还各有千秋。
然而到具体的任务上则千差万别，例如你可以让牛来耕田，老虎力气比牛大，你却不能让老虎来耕田。
A/之前嘲讽qwen，说高分低能。我认为高分是真的，低能也是真的。只是衡量的指标不同。
能力的高低脱离了具体的场景就没有意义，现阶段AI界最看重的能力是实际解决现实工程的能力，具体而言就是理解现实工程问题、理解人类处理那些工程的方式这些问题。
就像为了种好田，搭建了一套高效的种田体系，而牛需要能够很好的理解这套体系，并遵守这套体系的逻辑运行。clude code就像这样一套体系，而claude就像那头牛。
体系要求牛速度不能太快、力气必须大、重要的是耐力以及脾气要温顺等等。在种田这个领域中你要确保你训出来的模型要像一头牛而不是像一批马。当然这个体系会包括如何耕种更高效的细节、例如犁地方式、配高效犁具，给牛套上鼻环等。体系之间有优劣之分，llm只有搭配体系才能方便评判优劣。
也就是说llm其实和体系是强绑定的，开源了体系，就等于知道了在这个体系中干活的llm需要的能力的方方面面，就能针对性的训练适应这个体系的llm。
所有我说，工程范式的开源，会很快带动适应工程的llm的发展。
一个高效开源的驱动llm干活的工程范式，是新阶段的核心基础。
为什么说从大而全向小而精转变。
对于一个公司而言，追求大而全是不理智的，因为人的精力总是有限的。
拿openclaw举例，几百万行代码，除了因为claude code不开源而引入的大量冗余之外，还追求实现许多的功能，从而导致充满bug，变得难以维护。
claude code开源之后，参照这个工程范式，会涌现出一大批功能聚焦，小而美的Agent，它不追求面面俱到，只解决核心局部的一个具体场景，力求做到最好。
为什么说从普适性向个性化转变。
摸索出一个能真正驱动llm干活的工程范式是很难的，这个范式不开源之前，很多Agent非常低效，一个高效的Agent产品是很难开发和维护的。因此这个意义上说只能由那些实力雄厚的公司来开发，而这样开发出来的产品基本无疑是普适性的，因为要面向尽可能多的用户，也就难以做到普适性。
而这个工程范式开源之后，个人就能开发高效运行的Agent，自然创意会像雨后春笋般长出来。
现阶段Agent场景之所以未能进入大部分群众的使用习惯，最核心的原因无非是Agent难用，没办法满足自己的需求，十分鸡肋。另一方面就是token太昂贵的原因。
但是Agent产品像小而精转变后，这种背景下的产品专精于一个细节领域，以人民群众的智慧，必然涌现大量轻量好用的Agent，人们根据需要引入自己想要的Agent。
为什么说从昂贵性向平价性转变。
就像前面说的，一方面开发和维护一个高效运行的Agent的成本急剧降低。
另一方面就是token太昂贵的问题。然而小而精的背景下。在一方面去除了大量冗余。另一方面，按照优秀范式训练的llm将越来越智能，用越少的token干好越多的活。最重要的是，没办法达成垄断，A/的token不是一般的贵，其关键原因之一就在于垄断。
再者抛开因为驱动llm干活的高效范式被迫开源，导致后续llm的训练会极大加强工程能力不说。gpt的发展已完全突破A/的垄断，而其价格仅是A/的十分之一。就体验而言codex gpt 5.4在相当领域上不输、甚至是超过cluade code opus 4.6，起码并驾齐驱是没问题的。而价格下来后继续上涨，概率是极低的。
况且，要是不抛开后续llm的训练会极大加强工程能力，也就是说llm的功能能会得到极大加强，这反映在中国上，以中国的在电力等上的成本优势，将极大拉低token的价格。
而当工程范式、llm训练这两方面，中国都能在短时间内拉到跟上相关领域顶级水平时。一个好用的Agent将不再昂贵。
以上。
CaiGbro
网友解答：--【壹】--：
同意，工程化是一个应用的道路，但是不是只有cc的工程化可以推动，社区的各种优秀设计我觉得不比cc差，anthropic强的是claude和cc的协同，你用通用的怎么可能比得过
--【贰】--：
其实前面qwen离职的负责人写的长文已经解释了模型训练进入了下个阶段，后面就是提升agent能力了，不只是提升智能
--【叁】--：
中国是不缺电，但中国缺好的gpu，老黄不卖给中国，一点办法都没有。
你看deepseek用国产显卡训练，一点新消息都没有了。
--【肆】--：
不认同。从大模型到本地模型的转换不会因为claude code的代码泄露而发生，本地模型能力的确已经提升很多。但是agent框架的升级不能弥补模型能力的差距，人们（尤其是程序员）更想使用能力更强的SOTA模型。
--【伍】--：
特化领域还是适合本地模型的，主要是不觉得cc的泄漏会导致这方面有什么大发展
--【陆】--：
开源模型可以针对工程能力强化训练，开源出功能能力好的llm，然后就能本地私有使用类似claude code的agnet了，这样agent和llm都是自己可控的。
--【柒】--：
我觉得接下来会出现面向Harness训练。
--【捌】--：
其实你说的大致意思是模型照着cc的工程化思路改进可能会有更好的执行效果吧，毕竟以前靠的是猜，可能有过拟合
--【玖】--：
比尔盖茨：不敢相信20年后人们会用计算机做什么
2026:一百万只会下单的老母鸡大战200只霸王龙
--【拾】--：
没错，肯定的重要的指标
--【拾壹】--：
如果价格不是问题呢？真正的阻碍是什么
--【拾贰】--：
模型能力是一个很宽泛的概念，claude模型强的地方在于它的工程能力，能够理解和组织复杂功能等上面的能力，不能说gemini不强，但是它用在claude code上就是一坨。工程能力才是对llm能力的刚需。
--【拾叁】--：
公益站一关，大家全都 token 危机……
--【拾肆】--：
刷到一个相关贴子，是这样说的，ai确实会变得普及，agent也会变得日常，但是这种提升没有实质上发展生产力，因此是利好大公司的通用llm以及一人公司的垂类业务，但是在中间态的中小型企业来说，带来的收益甚小，但是还是会去追，因为谁也不确定一旦没赶上这个风口，就可能“错过产业升级”，进而被淘汰