{"id":"mb-20261020-f137fd","kind":"deep","title":"AI编程迎来智力饱和：为什么更聪明的模型反而卖不动了？","summary":"行业数据显示，大模型在智力评测上领先10分所换来的开发者流量溢价，已从近69%骤降至20%。随着各家主流AI在基础工程任务上普遍达标，多出来的智商边际价值迅速归零。在多轮调用、反复编译排错的真实编程闭环中，决定开发者去留的核心维度正彻底倒向速度与单次推理成本。","body":"大模型越来越聪明，多出来的智商却突然卖不动了。\n\n过去几年，整个硅谷都在赌一件事：谁家的模型跑分更高，谁就能把开发者全抢过来。\n为了在评测榜单上多刷出几分，各大实验室烧掉了几十亿美元去堆算力。\n但科技媒体 The Information 最近公布的一份行业追踪数据，给所有人泼了一盆冷水。\n在 AI 编程这个最火热的赛道里，模型智商每领先 10 分，能给平台多带来的开发者流量，从去年底的 69%，暴跌到了现在的 20%。\n整整被砍掉了三分之二以上。\n\n做出首个 AI 程序员 Devin 的 Cognition 联合创始人 Russell Kaplan 跑出来确认了这个趋势。\nKaplan 拿出了他们内部的监控结论：\n很多软件工程任务，已经进入了「智力饱和」。\n\n什么叫智力饱和？\n平时程序员打开电脑，真正要写的是什么？\n很少有人天天去解黎曼猜想，或者去证明世界级数学难题。\n大部分工程师八成以上的工作，是给系统补个接口、修个空指针异常、写一段单元测试、转一下数据格式。\n这些活儿，两年前的 AI 确实经常犯迷糊。\n代码动不动就报错，要么少个分号，要么胡编一个根本不存在的类库。\n那个时候，一个模型如果能多考 10 分，往往就是「能跑通」和「直接崩溃」的区别。\n大家自然会死盯着榜单上最聪明的那个模型，多贵都得用。\n\n但到了现在，情况彻底变了。\n市面上的主流模型，无论是 OpenAI、Anthropic、Google 还是开源阵营，在日常编程任务上，全部越过了合格线。\n让一个 80 分的模型来写，代码能跑通。\n换成一个 95 分的模型来写，代码同样能跑通。\n代码只要能一次性通过编译和测试，多出来的 15 分智商，在实际业务里产生的价值无限接近于零。\n\n当智力不再是短板，大家的注意力立刻转向了另外两件事：速度和成本。\n很多人以为用 AI 编程，就是人问一句、机器答一句。\n但真正干活的 AI 编程智能体，从来不用单次问答的方式干活。\n像 Devin 这样的工具帮人修一个 Bug，后台跑的是一个漫长的闭环。\n它要先读上百个代码文件，改第一版代码，然后在后台默默点下编译。\n编译器报错了，它读一眼报错信息，再改第二版。\n改完再去跑自动化测试，发现漏测了一个场景，又改第三版。\n解决一个稍微复杂点的工程任务，后台往往要连续调用几十次甚至上百次模型。\n\n在这样的循环里，算盘的打法就全变了。\n如果用一个极其聪明但体积庞大的旗舰模型，每次推理让你等 15 秒，改一次代码花掉几毛钱。\n几十轮交互跑下来，工程师坐在屏幕前干等了半个小时，账单扣掉好几十块，最后修好了那行代码。\n但如果换成一个便宜又极速的小尺寸模型呢？\n每次反应只要 1 秒，每次调用成本只有几分钱。\n两三分钟搞定收工，账单只有大模型的一个零头。\n两边提交的代码一模一样，全都能过测试，你会把任务发给谁？\n不管是坐在电脑前等反馈的程序员，还是每个月底核对 API 账单的老板，答案都不会有半点迟疑。\n\nKaplan 写道：一旦任何模型都能把活儿做好，成本和速度就是全部。\n过去大家坚信，只要死磕规模法则，把模型越训越大、脑子越卷越聪明，就能筑起不可撼动的护城河。\n但在真实的生产一线，商业逻辑从来不为多余的智商买单。\n当工具跨过了及格线，谁能用最低的成本、最快的反应把活儿干完，谁才拥有真正的统治力。\n这一场淘金热的胜负手，已经悄悄从「谁的脑子更聪明」，变成了「谁能把算力变成又便宜又快的水和电」。","topic":"AI编程迎来智力饱和：为什么更聪明的模型反而卖不动了？","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-20 19:43:59","legal_anchor_count":0,"transcript_citation_count":0}