AI研究者Yuchen Jin：AI讽刺在于聪慧与愚蠢并存
AI研究者Yuchen Jin指出AI的讽刺之处：比数学博士更聪明，能解决10个开放数学问题；却比实习生更笨，无法遵循3条简单指令，却消耗1000万token并花费250美元。
他以此对比当前大模型在复杂推理上的突破与在基础指令遵循上的不可靠，以及高token消耗带来的成本问题。
市场层面，AI推理能力提升吸引资本持续投入高算力与长上下文应用；但指令遵循不稳定与高token成本推高实际使用门槛，资金更流向能有效控制消耗并提升可靠性的优化方案与工具链，纯能力展示型应用承压。
来源：公开信息
ABAB AI 解读
Yuchen Jin作为华盛顿大学相关AI研究者，长期关注大模型推理与实际部署表现；其观察呼应近期多起模型在数学竞赛级问题上取得突破，同时在简单多步指令与成本控制上暴露短板的公开案例。
资本路径上，实验室与初创将资源集中于扩展上下文与强化推理，动机在于抢占“解决开放问题”的叙事高地；具体表现为高token预算实验与基准测试投入，导致单次交互成本显著上升，资金从通用聊天转向可控、低消耗的生产级系统。
类似案例可见早期GPT系列在创意写作优异却在精确指令上反复失败，或当前长上下文模型在复杂任务中出现“幻觉式执行”；当前AI应用正从能力展示阶段转入可靠性与成本效率并重的落地阶段。
本质属于技术替代中的能力错配：当模型在特定高难度任务超越人类时，市场机制用实际指令遵循与单位成本重新定价，定价权向能压缩无效消耗的工程方案集中。
ABAB News · 认知定律
能力越强，简单失败越刺眼
Token消耗是隐藏的真实成本
聪明解决难题，未必能听懂指令