受夠了AI總是胡說八道，OpenAI讓GPT變笨！但這才是對你負責

抓住風口

本期要點：如何讓AI值得依賴？靠更大的模型嗎？

你好，我是王煜全，這里是王煜全要聞評論。

2025年終，AI行業出現了一個分裂狀況，究竟是要追求“靠譜”，還是要顯得“聰明”？

前段時間，在谷歌壓力之下，OpenAI不僅亮起了所謂紅色警報，還提前上線了GPT-5.2模型。

可是，第三方評測結果顯示，GPT-5.2并沒有飛躍性的進步，甚至有的報告稱GPT-5.2仍落后于Gemini 3 Pro。

更是有不少用戶吐槽，GPT-5.2的回答變得冰冷生硬，甚至邏輯推理能力還有倒退的跡象。種種主觀感受匯成一個結論，那就是GPT-5.2好像“降智”了。

被寄予厚望的GPT-5.2 怎么反而沒那么聰明了？GPT-5.2滑鐵盧的背后，其實反映出整個AI大模型產業撞到了一個隱形的天花板。

2025年12月9日，谷歌DeepMind低調推出了FACTS基準測試套件 （FACTS Benchmark Suite），用科學的評估數據給所有大模型潑了一盆冷水：在基于長文檔進行問答時，沒有任何模型的事實準確率突破70%。

這意味著，即使你用著最昂貴的模型，還是有超過30%的概率接收到錯誤的、或者憑空捏造的信息。

在我們看來，當整個行業在瘋狂堆疊算力與參數后仍無法突破瓶頸時，就意味著發展方式要從追求更大更強的模型，轉向通過系統工程和商業模式的創新來突破準確率瓶頸，讓AI真正變成值得依賴的伙伴。

煉金術

首先，我們認為，在靠譜面前，AI顯得“沒那么聰明”也無傷大雅。

現在的GPT-5.2，確實是問什么就回答什么，不再像以前那樣樂于延展和調侃，給人一種刻板木訥的印象。初步使用谷歌Gemini模型的人，反而會覺得谷歌的模型充滿靈氣，似乎總能領悟到用戶的弦外之音。

但這只是在大語言模型（LLM）架構進入平臺期后，OpenAI和谷歌選擇了不同的優化方向，而產生了不同的表現。

對于大部分人而言，不僅是GPT-5.2沒有什么飛躍，GPT-5相比于OpenAI O3等之前的模型也并沒有什么顯著變化。同樣，在日常使用中，又有多少人能清晰區分Gemini 3和Gemini 2.5的差異呢？

但長期用戶一定能感到一個普遍的問題，所有大模型都時常會一本正經的胡說八道。

其實，DeepMind去年12月發布的《FACTS Grounding》基準測試報告就已經指出，沒有一個大模型的事實準確率能超過70%。也就是說，一年過去了，幻覺問題沒有得到顯著改善。

歸根結底，這是LLM本身的局限使然，從底層原理上講，LLM就是下一個Token的預測器。它通過海量文本學會了在特定上下文的后面接哪個詞的概率最高，從而“猜”出看似合理的回答，但并不真正理解事實與其中的邏輯。

這就像古代的煉金術士，能憑經驗煉出閃亮的產物，卻無法保證每次產物的質量。而現代社會需要的，是基于嚴謹的化學原理，在嚴格的環境下，能重復生產出的可靠產品。

因此，不管給AI喂多少數據、增加多少參數，它都可能被無關信息干擾，幻覺概率難以根本性地下降。哪怕GPT-6、GPT-7出來了，出錯的問題還是會存在。

靠譜更重要

這時，AI公司就必須做出選擇，究竟是要讓AI成為玩具、還是工具。

新用戶可能覺得，充滿想象力、不斷制造驚喜的AI會更好玩。

當年GPT-4o就是妙語連珠、侃侃而談，OpenAI的o1模型也會耍小聰明，盡力滿足用戶的各種要求。

但金融、法律、醫療等領域的專業用戶一定更看重AI的可信賴程度。

舉個最簡單的例子，當生病的用戶拿著一堆檢驗報告來問AI時，他們一定不希望AI在那天馬行空的推理、或充滿發散思維的抖機靈，而是要AI給他們最嚴謹、最可靠的答案。

對于企業而言，70%的可靠性更是難以托付重任。對內發錯一筆工資，對外簽錯一個合同，都是實實在在的損失。

所以，OpenAI把模型優化方向定位為更加嚴謹、減少幻覺，從而打開模型的商業化前景，也就不難理解了。但單純模型優化并不能解決幻覺問題，看來OpenAI還是沒能理解自己的真正優勢是AI顧問，幻覺問題是建立信任的最大障礙。

此前我們就曾指出，既然OpenAI已經擁有了數億用戶，就應該更進一步培養用戶的“AI依賴”—— 任何拿不準的問題都習慣于問一下AI，讓ChatGPT成為用戶的AI顧問。

一旦用戶建立起這種依賴，就很難被其他產品搶走。

閃電戰

那么，更關鍵的問題來了，既然更大的模型不再等于更可靠，又該怎么辦呢？

我們的答案也很明確：從“造坦克”轉到“打閃電戰”。

之前，領先的AI公司都聚焦于提升單體模型的能力，這就是典型的“造坦克”思維，看誰的鋼板厚、火力猛。

可是，當坦克的性能提升遇到瓶頸，戰爭的勝負就取決于誰能打出閃電戰。

正如二戰初期，德軍的坦克并非最強，但憑借無線電協同與空軍的配合，就能快速突破防線，從而40多天擊敗法國。

未來AI領域的玩家也應該著力讓多個模型和外部工具互相配合，構建出能產出可靠結果的系統。只有這樣，人們才敢真正把重要工作交給它。

比如，隨機出現的幻覺和錯誤雖然令人頭疼，但OpenAI可以通過分級服務來解決。

對于關鍵任務，如關乎生死、財務等高風險問題，OpenAI完全在生成初步答案后，自動調用額外的驗證Agent從多個角度對答案重新檢查和補充幾遍，再給出終審后的回答。這個過程確實會多耗費一些算力和時間，但可以大幅降低錯誤概率。

當然，屆時OpenAI也就可以理直氣壯地對“無幻覺服務”收費，比如200美元甚至2000美元一個月，或者一天幾十美元。畢竟提供“可靠性”本身就是一種高價值的服務。

而在平時，用戶只需每月支付20美元，就能滿足日常所需。

這無疑會極大地提升用戶AI依賴的程度，別忘了，對于把ChatGPT當成專家顧問的用戶，每一次幻覺都是對OpenAI的可信度的傷害。

要打出閃電戰，除了要轉變思想，從單純賣大模型技術變成賣可信賴的泛領域的專家顧問服務，速度也至關重要。

目前，OpenAI為了應對谷歌的競爭，已經決定在未來幾周內收縮應用層面的投入，以求在核心技術層面實現突破。

可是，我們很懷疑這個決定的正確性。

在不脫離現有LLM架構的前提下，OpenAI真的能在幾周內實現革命性突破嗎？而且，如果多數用戶要的是可信賴的AI顧問，模型性能提升真的能解決幻覺問題、進而解決信任問題嗎？

同時，在這幾周，如果OpenAI的競爭對手，比如一向標榜自己更真實、更可靠的Anthropic，率先推出無幻覺的專業服務，提前占據了市場心智，那么OpenAI辛苦積攢的高價值用戶也就可能快速流失。要想再把這些用戶搶回來，無疑又要付出高昂代價。

以上就是今天的內容，毫無疑問，未來是AI時代，而盡早開啟孩子AI時代的進化之旅是掌握時代機遇的關鍵。也在此向各位家長推薦前哨AI冬令營。我們認為，最好的學習不是學理論，而是親手實踐。我們將通過一周的集訓，讓孩子能親自上手完成一個真實的AI項目，從理解AI到駕馭AI，快快點擊鏈接了解詳情吧。

更多科技產業的新趨勢和底層規律，歡迎加入科技特訓營學習，和我一起，先人一步，領先一路！

王煜全要聞評論，我們明天見。

↓長按圖片掃碼報名，先人一步，領先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發布獨家資料，快快掃碼加入吧！

此外，我們還為您準備了一個思維導圖，掃描加群即可領取

“AI應用的未來分析”

↓點擊學習王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！