AI工具

最近不少人都有同一種體感：某些新一代模型在「工程/推理/解題」上強得誇張，但拿來寫文案、寫故事、寫一段有溫度的文字時，卻變得更平、更保守、更像把句子排整齊的理工腦。 這種落差常被形容成「技能樹點歪了」。我覺得更精準的說法是：模型能力本來就不是單一維度，產品團隊做的其實是取捨。 ## 能力不是一條進度條，而是一張資源分配表 我們很容易把模型升級想成「各方面都更強」。 但在實務上，模型表現更像一張資源分配表： * 你把更多訓練與評測權重放在「推理、邏輯、一致性」，它在工程任務會更穩。 * 你把更多權重放在「語氣、修辭、敘事節奏、情緒共鳴」，它在寫作會更像人。 而要把兩邊都做到頂，成本與風險會一起上升：更難控的輸出、更多不可預期的風格漂移、更難一致的產品體驗。 ## 為什麼寫程式看起來進步特別快 寫程式任務有幾個天然優勢： 1. 驗證明確：能跑、能過測試、能重現。 2. 回饋快速：錯了會報錯，改一次就知道對不對。