你好，我是王煜全，這裡是王煜全要聞評論。
過去一周，AI界最大的事情，就是4家AI領域的重要公司，陸續重新開放或是發佈了各自的最強模型。
先是月初，Anthropic的Claude Fable 5重新上線，接著OpenAI推出GPT-5.6，xAI推出 Grok 4.5，Meta推出Muse Spark 1.1。
這些公司都號稱自己全球最強，或是同等性能下價格更便宜。
但更重要的是，大家強調的關鍵詞高度一致，那就是程式設計、Agent、工具呼叫以及更低成本。雖然也會提及參數和基準測試的分數，但顯然那些已經不是那麼重要了。
在我們看來，它們其實表明，大模型競爭的核心指標，正在悄悄被換掉。這也意味著，一種由AI驅動的新生產力正在進入市場。
變成生產力
首先，可以看出，Scaling Law沒有失效，模型還在不斷擴大，性能也還在繼續提升。在大模型領域，領先者的突破仍然會刺激全球更多企業快速追趕。
這是我們5月份從矽谷回來後，就在科技特訓營裡給出的明確判斷。
但今天，就不能只是把Scaling Law狹義理解成繼續堆參數、堆算力、堆資料了，還得包括強化學習、推理時計算、上下文管理、工具呼叫、多Agent協作等等一系列新的指標。
換句話說，“Scaling”的對像已經擴展到了整個智能系統。
於是，大模型也在朝著更具生產力的方向發展了。
此前，Anthropic的Mythos和Fable最讓外界感到震動的，是它們在程式設計、推理和網路安全能力上出現了突躍式的進步。
比如，它不只是能發現普通軟體缺陷，還能發現銀行、電網等關鍵基礎設施系統的漏洞。
由於怕引發安全危機，Anthropic甚至沒有把Mythos 5全面公開，只面向經過稽核的Glasswing夥伴和少量特定機構。
同時，後來的Fable 5也引起了美國政府的關注，還短暫地頒布了禁令，只允許美國人使用這個模型。
過去談AI，大多數人想到的是寫文章、生成圖片，但Anthropic無形中開啟了大模型的新競爭，那就是能否完成現實世界的高價值、高風險任務。
也正因為如此，即便Anthropic仍有巨額算力、研發和人力成本支出，卻仍然在2026年第二季度成為了首個扭虧為盈的大模型巨頭公司。
再看GPT、Grok和Muse Spark的新模型，也就好理解了。
GPT-5.6伴隨ChatGPT Work等Agent工具一起發佈，就在強調執行，而不是回答問題。Grok和Muse Spark則都聚焦程式設計和Agent工作流。
Meta也以Muse Spark 1.1為起點，開始對企業和開發者收費。
知名AI基準與分析機構Artificial Analysis，更是給出了一個精準概括：AI 的競爭正在從“短題智商測試”，進入“長程任務耐力賽”。
所以，四家公司的做法指向了同一個趨勢，那就是，單純討論那個模型排名或評分第一，意義已經不大了；大家更關注的，是你的模型有沒有從工具變成生產力。
就像是，能寫一段程式碼，是工具；但能理解一個程式碼庫、修復一個問題，能有效的跑測試、根據報錯繼續修改、並最後提交可用的結果，才是生產力。
AI大模型的價值
我們更想強調的是，AI大模型將更有商業價值了。
此前，AI大模型公司更多像是在炫技，靠著各種令人咋舌的操作讓市場以及全球科技界看到自己的能力。
但這些能力就天然具有價值嗎？並非如此。
因此，OpenAI至今仍在巨額虧損中，2025年虧損209億美元，2026年更是預計要虧損250億美元。
馬斯克在把xAI併入SpaceX時，更是把xAI高額的債務也吸收了進來，以至於在SpaceX上市之後，就馬不停蹄地融了200億來還債。
那麼，大模型究竟怎樣才能具備商業價值？
Anthropic證明了，從程式設計切進去，就能跑通。
但新的問題也來了，如果大家都扎堆AI程式設計，也就難免又內捲了。
我們認為，不只是程式設計，AI能發揮價值的領域還有很多，關鍵在於如何進行分析。
透過現象看本質，AI的價值很容易計算，就是看AI能獨立承擔的任務所能產生的收益，扣除推理成本以及人類監督運行狀況的成本。
這和一套流水線的商業價值原理一致，只不過推理成本要換成能源以及原材料成本。
而且，就像我們其實不關心一套流水線中的電機馬力多大，同樣的道理，我們也不應該在意一個工作流中AI大模型的參數規模和跑分。
大模型的參數再多、跑分再高，對企業意義有限；一次回答精準度高，也未必能給企業帶來明顯收益。但如果AI能把20個步驟連起來，並在幾十分鐘內交付一項原本需要人類1天甚至數天的工作，這就能給企業帶來實實在在的價值。
這也就解釋了為什麼長程任務成為了大家都要攻克的難點。因為任務越長，步驟越多，模型要處理的變數越多，可能出現的錯誤也越多，問題也越複雜。AI能做到的話，能替代的高價值崗位、能實現的高價值工作就越多，自然盈利性就越好。
看到了這兒，你也許會問，那跟我有什麼關係？
我們覺得，這就意味著，每個人、每個團隊、每個公司都要隨之改變自己和AI的協作方式，也就是從“用AI”當工具、當幫手，變成讓AI做主力，把真實的工作完成。
這個起步當然不容易，AI大模型要先有基礎的、不錯的能力，然後你要建構一個工作流程，讓AI進入一個能反覆被打回、反覆修正的任務之中。
為什麼程式設計成為了AI率先能幹活的領域？
就是因為程式設計的工作任務天然完全數位化，目標相對清晰，結果也可以用測試自動驗收，失敗後能立刻獲得反饋。
而一旦AI能幹活了，它就不是工具了，更像是你的夥伴了。
所以，未來我們最應該做的，就是把AI培養成自己的工作夥伴，讓它真的理解我們的工作流程、成果的標準和我們（或客戶）的偏好。
工具的使用者，很有可能會因為工具的變強而被替代。
但如果你和AI成為合作關係，讓AI獨立地自動化幹活，你來設計、監督和營運，那麼AI越強，就越需要你的指導，你就越能因為AI革命而變強。
最後，也想問問，你有沒有什麼重複的工作已經由AI完全獨立負責了呢？歡迎在評論區給出你的分享。 (全球風口)