AI研究者Yuchen Jin：AI諷刺在於聰慧與愚蠢並存
AI研究者Yuchen Jin指出AI的諷刺之處：比數學博士更聰明，能解決10個開放數學問題；卻比實習生更笨，無法遵循3條簡單指令，卻消耗1000萬token並花費250美元。
他以此對比當前大模型在複雜推理上的突破與在基礎指令遵循上的不可靠，以及高token消耗帶來的成本問題。
市場層面，AI推理能力提升吸引資本持續投入高算力與長上下文應用；但指令遵循不穩定與高token成本推高實際使用門檻，資金更流向能有效控制消耗並提升可靠性的優化方案與工具鏈，純能力展示型應用承壓。
來源：公開信息
ABAB AI 解讀
Yuchen Jin作爲華盛頓大學相關AI研究者，長期關注大模型推理與實際部署表現；其觀察呼應近期多起模型在數學競賽級問題上取得突破，同時在簡單多步指令與成本控制上暴露短板的公開案例。
資本路徑上，實驗室與初創將資源集中於擴展上下文與強化推理，動機在於搶佔“解決開放問題”的敘事高地；具體表現爲高token預算實驗與基準測試投入，導致單次交互成本顯著上升，資金從通用聊天轉向可控、低消耗的生產級系統。
類似案例可見早期GPT系列在創意寫作優異卻在精確指令上反覆失敗，或當前長上下文模型在複雜任務中出現“幻覺式執行”；當前AI應用正從能力展示階段轉入可靠性與成本效率並重的落地階段。
本質屬於技術替代中的能力錯配：當模型在特定高難度任務超越人類時，市場機制用實際指令遵循與單位成本重新定價，定價權向能壓縮無效消耗的工程方案集中。
ABAB News · 認知定律
能力越強，簡單失敗越刺眼
Token消耗是隱藏的真實成本
聰明解決難題，未必能聽懂指令