Nathan Lambert(2025-09,自家電子報 Interconnects;本報今日重新核對):寫程式是前沿模型「還在進步、而且一般人摸得到」的最後一塊通用戰場 — 而同一個模型,換一層工作環境,表現天差地遠。

本篇出自 2026年7月13日 晨報

Lambert 是開源模型領域最常被引用的分析者之一(前 HuggingFace、AI2 研究員)。他 2025 年 9 月的長文有一句銳利的觀察(原文,2025-09):同一個模型,套在不同的「harness」上,成績差距巨大 — harness 原意是馬具,馬再壯、沒有轡具拉不了車,圈內拿它指套在模型外面那層工作環境:給什麼工具、劃什麼邊界、怎麼驗收它交的東西。這句話的意思是,近期的進步很多不在模型本身,而在這層產品實作。

它接住本報哪條判斷:我們今天把這篇的 9 句關鍵論述逐字比對了原文,全數命中(同模型跨環境的巨大落差、Codex 累計合併超過 100 萬個程式碼提交、能力階梯 2021→2027),把這條判斷的可信度往上抬了一格。它正好是今日主線第 3 點的供給側 — Cognition 之所以要拿錢擔保,是因為價值就落在這層還不穩定的實作裡,不在模型的原始能力上。折扣:Lambert 立場偏向看好開源生態,框架照用、樂觀程度打折。

同類最新

• 大神觀點 2026年7月27日 1 條來源

  Lambert 解讀 Opus 5 為何追得上旗艦

  Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…

• 大神觀點 2026年7月26日 1 條來源

  Dwarkesh Patel 上月那組「RL 資料產業」論述，今天逐句對完帳：哪些字坐實、哪些字是前瞻，切開了。

  Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專…

• 大神觀點 2026年7月25日 1 條來源

  Ben Thompson 對 Kimi K3 恐慌唱反調：威脅不新，前沿實驗室的優勢仍然真實。

  Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…

• 大神觀點 2026年7月24日 1 條來源

  Wharton 教授 Ethan Mollick：要用 AI「做真正的工作」，實務上只剩兩個選項；分水嶺不在模型，在配套。

  Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…