连续三款前沿大模型遭用户回退到旧版本使用

一件非常有意思的事情正在发生：我一直在监测用户对新模型发布的情绪，现在已经发现连续有3个最新前沿模型都有大量用户选择回退到旧版本使用。

1. opus 5：整体评价非常负面，无法沟通，总是在信息不足的情况下急于下结论，不断犯错。它甚至现在都有了专门吐槽它的网站（真的很好笑）。很多人（包括我自己）都放弃了 opus 5，回退到了 4.6 和 4.8。

2. gpt 6 astra：越来越多人报告说回退到了 5.6，不管是 sol 还是 luna 版本。主要原因是：作为日常主力模型使用成本太高；性能不稳定——有时非常聪明，有时非常愚蠢；在理解用户意图、判断该停止还是继续生成方面表现不佳。

3. grok 4.6：我总体上喜欢 grok 模型系列，但现在越来越多证据表明 4.6 并不比 4.5 强多少。它更慢，更贵，而且在智能上没有带来明显提升。

如果只是单个模型发生这种情况，那可能只是一个坏 checkpoint，我也不会觉得这有什么有意思，但这些来自不同公司的最新模型发布，似乎全都撞上了墙？这是一件值得研究的事情。

似乎共有几个主题：

- 对大多数人来说，成本和质量的权衡已经不再合理。也许对于大多数任务来说，模型已经足够聪明了，用户不认为额外增加的智能带来的好处足以证明额外成本的合理性。也许模型公司应该更多地把精力放在让 fable 层级的模型变得极其便宜，而不是研发更好但也更贵的东西。

- 训练已经偏离了方向。opus 5 的基准测试成绩比 fable 更好就是最明显的例子——我没见过任何一个人说实际用起来 opus 5 比 fable 更好。很明显，基准测试和训练后的优化方向已经错了，人们根本不关心那些优化点。

- fable 5.1 是唯一一个我没听到多少抱怨的发布，如果说有什么不满，人们只是希望移除 50% 的使用上限，这样他们就能多用 fable。

现在有证据表明，大多数高性能开源模型都只是 Claude 的蒸馏版，这似乎说明 Anthropic 仍然拥有壁垒。你怎么看？你对下一次模型发布最期望的是什么？

我已经用 4.8 很长时间了。我并没有为了 fable 专门更改我的整体配置，所以也没什么需要改回去的 :) 我使用 fable 的方式是把最困难、最模糊的任务交给它，让它想出一个好计划，然后我再用更便宜的模型去执行这个计划。