科学 · zh
大模型越烧钱，AI 研究为什么反而迎来“小机构窗口”？
今年8月，独立AI评测机构METR说，过去半年里，它获得了约7100万美元的资金承诺。 METR不训练基础模型，没有数据中心，也没有一款等待冲上应用榜的聊天产品。它做的是另一件听起来不那么热闹的事：让模型做一批尽量接近真实工作的任务，记录它用了哪些工具、在哪一步卡住、能连续完成多长时间的工作，再把方法和结果放出来。 为什么一群最有钱、最会造模型的公司旁边，会需要这样一家机构？ 一个模型能写出不错的代码，和它能否在没有人盯着的情况下跑完一个两小时的工程任务，是两回事。一个Agent演示里会订机票，和它在真实权限、真实网站、真实异常里能否稳定完成任务，也是两回事。模型公司当然会做内部测试，但当测试结果关系到发布节奏、销售承诺和监管压力时，外面总要有人再量一次。…
