AI“变蠢”背后的真相：高效与体验的双重挑战

大家有没有发现，现在的AI似乎越来越让人摸不透？

事情是这样的，我近期给 OpenAI 充了200刀的会员，想看看现在的 ChatGPT 究竟有多强大。然而，结果却让我大跌眼镜。

我给它出了个简单的算术题：5.9 = x+5.11，结果它却直接给我算崩溃了。这题目真的有那么难吗？

难道堂堂200刀的人工智能，还不如我20块的计算器？

不过，我记得GPT-4刚发布时，我还用它解决过高数问题。难道模型升级后还会降低智力吗？于是我又试着给它出了一道微积分题目。

这次它表现得还不错，用换元法顺利解答了。大家有兴趣可以自行验证。

两次测试都是GPT-5，怎么表现还天差地别呢？

原本以为是OpenAI的问题，但上网一查才发现，这其实是整个行业的趋势。

美团发布的开源模型LongCat，就提到用路由器提高效率。

DeepSeek V3.1发布时也说，一个模型可以有两种思考模式。

而Gemini在Gemini 2.5 flash发布时，也引入了相似的模式，让模型自己决定怎么用脑。

总的来说，大家都在让模型“该思考时再思考”，该偷懒的时候偷懒。

这样做的目的很明确，那就是省钱。从OpenAI的资料来看，通过这种“让模型自己决定要不要思考”的方式，可以省下不少tokens，GPT5输出token数就少了50%-80%。

DeepSeek的图表也显示，新模型tokens消耗下降了大概20%-50%。

省一半的token，对普通人可能没什么概念，但对OpenAI这样的大公司来说，就是一笔巨大的开销。

据报道，ChatGPT每天耗电超过50万度。在如此庞大的基数下，省下来的电足够一个上万户家庭的小镇用一天。

这也解释了奥特曼为何在网上说，你们跟GPT说声谢谢都要花我千万美元。以前的高级模型，一句谢谢也要让它思考几分钟，确实有点浪费。

那么，AI是如何练成这种“看人下菜”的能力的呢？OpenAI没有公布具体原理，但有一篇论文《Tryage: Real-time, Intelligent Routing of User Prompts to Large Language Models》分析了这个问题。

在GPT-3.5出来时，大模型还不会自我调节思考能力，每个问题都让AI无限烧脑。