（文/赖家琪 编辑/吕栋）
过去一周，人工智能（AI）大模型市场迎来一轮密集“上新潮”：Anthropic率先更新两款模型拉开序幕，Meta、谷歌紧随其后推出“最强模型”，接着又是OpenAI发布标志着“人类正式步入AGI（通用人工智能）时代”的模型Astra。
头部AI实验室以眼花缭乱的速度亮出新模型，但在这场竞速背后，一个新现象正在浮现——模型疲劳（model fatigue）。
所谓“模型疲劳”，并不是说用户对AI失去兴趣，而是新模型发布得太快，以至于开发者、企业客户乃至投资者都开始疲于应对。一个模型还没评估完，下一个版本已经发布；刚完成部署的新模型，可能很快又面临升级甚至被淘汰。
从“按月更新”到“按周迭代”
过去，前沿大模型的发布往往间隔数月，开发者有时间测试性能、完善产品，企业也可以从容完成部署。但如今，这种节奏正被打破。
9月1日，Anthropic发布Claude Fable 5.1，以及自称是“世界上最先进的编码和知识工作模型”Claude Mythos 5.1；此后一天，Meta发布了Muse Spark 1.3，谷歌则推出Gemini 3.8 Flash；3日，OpenAI也紧跟着发布了GPT-6 Astra，称其为“全球最智能、对齐最好的模型”。
就在OpenAI发布GPT-6 Astra的同一天，阿联酋的穆罕默德·本·扎耶德人工智能大学也向开源社区发布了自己的K2 Horizon系列AI模型。
AI研究和投资已经成为一场全球性的竞争。全球市值最高的公司、同时也是AI热潮核心芯片供应商的英伟达上周也正式宣布，将以129亿美元收购开源AI平台Hugging Face。与此同时，英伟达也一直在推出开源模型，上月发布的轻量级Nemotron 3.5 Lightning模型，据称可以在笔记本电脑或台式机上的单块GPU（图形处理器）上运行。
OpenAI首席执行官萨姆·奥尔特曼近日也承认，整个行业都在“加快步伐”。
这种趋势早已显现端倪。有分析指出，主要模型发布之间的间隔中位数已经平均从2023年的37.5天缩短至如今的11天。OpenAI模型发布间隔中位数，也从2023年的170.5天缩短至今年以来的49天。过去大约需要6个月的开发和完善周期，如今仅花费不到一个季度。
谷歌此前在106天内4次更新轻量级AI模型Gemini Flash，最新的Gemini 3.8 Flash距离上一代产品仅约3周。谷歌旗下AI实验室DeepMind董事长德米斯·哈萨比斯此前告诉美国《财富》杂志，公司正在重新恢复10至15年前的“快速交付”文化，以更快的速度将产品推向市场。
为什么AI企业如此着急？一个重要原因是，谁都不愿意在这场竞赛中成为“慢半拍”的那一家。
美国圣母大学门多萨商学院教授艾哈迈德·阿巴西（Ahmed Abbasi）认为，各大模型开发商都在争夺用户、抢占市场份额，要不断证明自己的创新速度至少没有落后于同行。
尤其是Anthropic和OpenAI，两家公司都在为潜在上市做准备，目前私人投资者对两家公司的估值均已接近1万亿美元。此外，谷歌、Meta据报也各有计划，开源AI社区也不断涌入诸如英伟达这样的新竞争者。
在这样的背景下，持续释放技术进展，无疑是向市场展示增长潜力的一种方式。
主要AI大模型logo资料图
更重要的是，中国AI企业也正在加快追赶。月之暗面、智谱等中国AI企业已经推出多款开放权重模型，部分模型在性能上逼近甚至达到闭源模型的水平，同时在成本和开放程度上具备优势。
AI金融初创公司Farsight技术负责人诺亚·法罗（Noah Faro）表示，上周Anthropic、谷歌、Meta发布的模型都属于“小版本更新”，只是在升级现有的AI模型，而不是构建一个全新的模型。
在法罗看来，近期真正引起轰动的当属6月Anthropic推出的Fable 5和月之暗面7月发布的Kimi K3。在全球AI大模型主流性能测试平台Artificial Analysis榜单上，Kimi K3排名第三。月之暗面也被曝秘密向港交所提交首次公开募股（IPO）申请，估值约500亿美元。
此外，DeepSeek上月发布的V4 Pro正式版，也在Artificial Analysis评估中获得了53分的高分，该机构的“AI智能指数”得分超过50分的公司从6月初的2家增加至7月中旬的6家。
信息技术研究与咨询服务机构Gartner的分析师今年6月提出了一个值得关注的概念，即“能力趋同”（capability convergence）。简单来说就是，当越来越多模型在标准基准测试中的表现趋于接近时，一个“率先发布”的模型的优势可能在短时间内就被另一个模型抹平。
于是，企业只能继续发布、继续升级、继续追赶。
“这可能会演变成彻底的混乱”
但对于真正使用这些模型的人来说，模型频繁更新并不总是一件令人兴奋的事情。
“我觉得模型疲劳是真实存在的。”AI初创公司Runpod首席执行官卢震说，虽然自己对AI行业的创新感到兴奋，但如今“我确实认为我们身处一个泡沫经济盛行的环境，你必须发出自己的声音”。
过去，前沿模型的发布间隔足够长，工程师可以喘口气，用户也可以学习他们刚刚获得的功能；而现在，发布频率却堪比软件补丁，这就形成了一种被业内人士称为“模型疲劳”的现象，正在企业客户、开发者团队中蔓延开。
从企业客户的角度来看，模型越更新越快，企业面临的决策成本反而可能越高。
一个模型发布后，企业需要重新评估它的性能、价格、算力需求、安全性、API兼容性以及与现有业务系统的适配程度。如果模型很快又推出新版本，这套流程就必须不断重复。对大型企业而言，这意味着更多的算力消耗和人力投入。对中小企业和AI初创公司而言，甚至可能意味着根本没有足够资源跟上。
企业AI初创公司Clockwork Systems首席执行官苏雷什·瓦苏德万（Clockwork Systems）指出，每一次模型发布都“好得离谱”，以至于如今很难判断究竟什么才算真正的“跨越式进步”。
如果一家企业要针对某项业务评估10个AI模型，需要投入大量的算力和工程师时间进行测试、比较和部署，如今面对层出不穷的新模型，企业最终可能只能挑其中5个进行评估。瓦苏德万说：“要把每一个模型都拿来评估，确实非常具有挑战性。”
Gartner认为，基础AI模型的优势正在变成暂时性的，也引发了更广泛的战略反思。如果模型本身的性能不再构成持久的竞争优势，那么价值就会向下游转移，转移到数据质量、集成深度以及针对特定领域的微调能力。
密集发布带来的另一个问题在于安全。随着AI智能体能够直接操作电脑、访问互联网并执行更加复杂的任务，模型能力提升的同时，潜在风险也在扩大。
最近几周，OpenAI、Anthropic和Meta开发的模型都被曝曾访问本不应访问的第三方网站，OpenAI的模型上月成功入侵Hugging Face系统，引发行业震动。此次发布GPT-6 Astra时，OpenAI也特别强调了其网络安全能力，并因达到“关键”网络安全能力门槛而限制部分功能的使用。
“因为这些AI智能体不仅存在于电脑上，也存在于网络上，威胁漏洞的范围要大得多。”阿巴西说，“如果我们不谨慎应对，这可能会演变成彻底的混乱。”
今年7月，来自各大AI实验室的超过1000名员工曾签署请愿书，呼吁以更加审慎的速度推进AI开发。
这也暴露出“模型疲劳”背后一个更加隐蔽的风险——人才倦怠。在整个价值主张都依赖于规模相对有限的研究人员和工程师群体的行业中，持续的疲劳可能意味着人才流失，而这恰恰或将发生在一个最不合时宜的时刻。
（文/赖家琪 编辑/吕栋）
过去一周，人工智能（AI）大模型市场迎来一轮密集“上新潮”：Anthropic率先更新两款模型拉开序幕，Meta、谷歌紧随其后推出“最强模型”，接着又是OpenAI发布标志着“人类正式步入AGI（通用人工智能）时代”的模型Astra。
头部AI实验室以眼花缭乱的速度亮出新模型，但在这场竞速背后，一个新现象正在浮现——模型疲劳（model fatigue）。
所谓“模型疲劳”，并不是说用户对AI失去兴趣，而是新模型发布得太快，以至于开发者、企业客户乃至投资者都开始疲于应对。一个模型还没评估完，下一个版本已经发布；刚完成部署的新模型，可能很快又面临升级甚至被淘汰。
从“按月更新”到“按周迭代”
过去，前沿大模型的发布往往间隔数月，开发者有时间测试性能、完善产品，企业也可以从容完成部署。但如今，这种节奏正被打破。
9月1日，Anthropic发布Claude Fable 5.1，以及自称是“世界上最先进的编码和知识工作模型”Claude Mythos 5.1；此后一天，Meta发布了Muse Spark 1.3，谷歌则推出Gemini 3.8 Flash；3日，OpenAI也紧跟着发布了GPT-6 Astra，称其为“全球最智能、对齐最好的模型”。
就在OpenAI发布GPT-6 Astra的同一天，阿联酋的穆罕默德·本·扎耶德人工智能大学也向开源社区发布了自己的K2 Horizon系列AI模型。
AI研究和投资已经成为一场全球性的竞争。全球市值最高的公司、同时也是AI热潮核心芯片供应商的英伟达上周也正式宣布，将以129亿美元收购开源AI平台Hugging Face。与此同时，英伟达也一直在推出开源模型，上月发布的轻量级Nemotron 3.5 Lightning模型，据称可以在笔记本电脑或台式机上的单块GPU（图形处理器）上运行。
OpenAI首席执行官萨姆·奥尔特曼近日也承认，整个行业都在“加快步伐”。
这种趋势早已显现端倪。有分析指出，主要模型发布之间的间隔中位数已经平均从2023年的37.5天缩短至如今的11天。OpenAI模型发布间隔中位数，也从2023年的170.5天缩短至今年以来的49天。过去大约需要6个月的开发和完善周期，如今仅花费不到一个季度。
谷歌此前在106天内4次更新轻量级AI模型Gemini Flash，最新的Gemini 3.8 Flash距离上一代产品仅约3周。谷歌旗下AI实验室DeepMind董事长德米斯·哈萨比斯此前告诉美国《财富》杂志，公司正在重新恢复10至15年前的“快速交付”文化，以更快的速度将产品推向市场。
为什么AI企业如此着急？一个重要原因是，谁都不愿意在这场竞赛中成为“慢半拍”的那一家。
美国圣母大学门多萨商学院教授艾哈迈德·阿巴西（Ahmed Abbasi）认为，各大模型开发商都在争夺用户、抢占市场份额，要不断证明自己的创新速度至少没有落后于同行。
尤其是Anthropic和OpenAI，两家公司都在为潜在上市做准备，目前私人投资者对两家公司的估值均已接近1万亿美元。此外，谷歌、Meta据报也各有计划，开源AI社区也不断涌入诸如英伟达这样的新竞争者。
在这样的背景下，持续释放技术进展，无疑是向市场展示增长潜力的一种方式。
主要AI大模型logo资料图
更重要的是，中国AI企业也正在加快追赶。月之暗面、智谱等中国AI企业已经推出多款开放权重模型，部分模型在性能上逼近甚至达到闭源模型的水平，同时在成本和开放程度上具备优势。
AI金融初创公司Farsight技术负责人诺亚·法罗（Noah Faro）表示，上周Anthropic、谷歌、Meta发布的模型都属于“小版本更新”，只是在升级现有的AI模型，而不是构建一个全新的模型。
在法罗看来，近期真正引起轰动的当属6月Anthropic推出的Fable 5和月之暗面7月发布的Kimi K3。在全球AI大模型主流性能测试平台Artificial Analysis榜单上，Kimi K3排名第三。月之暗面也被曝秘密向港交所提交首次公开募股（IPO）申请，估值约500亿美元。
此外，DeepSeek上月发布的V4 Pro正式版，也在Artificial Analysis评估中获得了53分的高分，该机构的“AI智能指数”得分超过50分的公司从6月初的2家增加至7月中旬的6家。
信息技术研究与咨询服务机构Gartner的分析师今年6月提出了一个值得关注的概念，即“能力趋同”（capability convergence）。简单来说就是，当越来越多模型在标准基准测试中的表现趋于接近时，一个“率先发布”的模型的优势可能在短时间内就被另一个模型抹平。
于是，企业只能继续发布、继续升级、继续追赶。
“这可能会演变成彻底的混乱”
但对于真正使用这些模型的人来说，模型频繁更新并不总是一件令人兴奋的事情。
“我觉得模型疲劳是真实存在的。”AI初创公司Runpod首席执行官卢震说，虽然自己对AI行业的创新感到兴奋，但如今“我确实认为我们身处一个泡沫经济盛行的环境，你必须发出自己的声音”。
过去，前沿模型的发布间隔足够长，工程师可以喘口气，用户也可以学习他们刚刚获得的功能；而现在，发布频率却堪比软件补丁，这就形成了一种被业内人士称为“模型疲劳”的现象，正在企业客户、开发者团队中蔓延开。
从企业客户的角度来看，模型越更新越快，企业面临的决策成本反而可能越高。
一个模型发布后，企业需要重新评估它的性能、价格、算力需求、安全性、API兼容性以及与现有业务系统的适配程度。如果模型很快又推出新版本，这套流程就必须不断重复。对大型企业而言，这意味着更多的算力消耗和人力投入。对中小企业和AI初创公司而言，甚至可能意味着根本没有足够资源跟上。
企业AI初创公司Clockwork Systems首席执行官苏雷什·瓦苏德万（Clockwork Systems）指出，每一次模型发布都“好得离谱”，以至于如今很难判断究竟什么才算真正的“跨越式进步”。
如果一家企业要针对某项业务评估10个AI模型，需要投入大量的算力和工程师时间进行测试、比较和部署，如今面对层出不穷的新模型，企业最终可能只能挑其中5个进行评估。瓦苏德万说：“要把每一个模型都拿来评估，确实非常具有挑战性。”
Gartner认为，基础AI模型的优势正在变成暂时性的，也引发了更广泛的战略反思。如果模型本身的性能不再构成持久的竞争优势，那么价值就会向下游转移，转移到数据质量、集成深度以及针对特定领域的微调能力。
密集发布带来的另一个问题在于安全。随着AI智能体能够直接操作电脑、访问互联网并执行更加复杂的任务，模型能力提升的同时，潜在风险也在扩大。
最近几周，OpenAI、Anthropic和Meta开发的模型都被曝曾访问本不应访问的第三方网站，OpenAI的模型上月成功入侵Hugging Face系统，引发行业震动。此次发布GPT-6 Astra时，OpenAI也特别强调了其网络安全能力，并因达到“关键”网络安全能力门槛而限制部分功能的使用。
“因为这些AI智能体不仅存在于电脑上，也存在于网络上，威胁漏洞的范围要大得多。”阿巴西说，“如果我们不谨慎应对，这可能会演变成彻底的混乱。”
今年7月，来自各大AI实验室的超过1000名员工曾签署请愿书，呼吁以更加审慎的速度推进AI开发。
这也暴露出“模型疲劳”背后一个更加隐蔽的风险——人才倦怠。在整个价值主张都依赖于规模相对有限的研究人员和工程师群体的行业中，持续的疲劳可能意味着人才流失，而这恰恰或将发生在一个最不合时宜的时刻。
