Last updated on

强弩之末——为什么我不看好LLM的未来

自2022年11月30日ChatGPT3.5问世，LLM开启了狂飙突进的三年。如今“三年之期”已到，不得不承认的一个现实是AGI远未降临，而 LLM 承诺的生产力质变也并未真正发生。随着模型迭代速度放缓，从MCP的兴起，到各类Code CLI1、乃至像clawdbotmoltbot等过度包装项目的爆火，一个不争的事实是：LLM技术本身已经到达一定的瓶颈期。硅谷的叙事逻辑正在悄然转变——在无法取得底层架构突破的情况下，开发者开始通过极致的工程手段（Agent框架、RAG、Skills）强行寻找应用空间。更深层的危机在于：当模型训练成本无法通过技术优化抵消、Token价格因为融资红利耗尽而反弹时，这些以“自动化”为名、实则通过多轮对话消耗Token的Code CLI工具，成为收割剩余市场的首选。但Code CLI等LLM工具真的能解放生产力吗？我看未必，这类工具在高度依赖基座模型性能的同时，缺乏真正的逻辑理解力，存在高度的不确定性。我尝试使用OpenCode+Big Pickle为我的博客完成一个简单的优化任务：添加一个rehype插件将所有<img>标签转base64内联格式。但是再多轮提示词博弈和逻辑修正后仍没能达到我预想的效果，浪费数万token不说，更消耗我大量时间和精力。我最终只能回归相对传统的方式，在Gemini3Flash的辅助下，魔改rehype-inline实现此功能。2。对于开发者而言，如果工具带来的“协调成本”超过了其节省的“敲代码时间”，那么这种AI辅助便是一种伪命题。Figure 1: 图文无关（）Figure 2: jokes about Vibe Coding另外，基于现状，我做出一个预测，OpenAI将在一年后倒闭或被收购，原因如下。一方面，OpenAI早在23年已经彻底放弃开源路线，但它的尴尬点在于早期的GPT是开源的，且公布技术细节，所以其他厂商很快就能做出性能相当的竞品，所以闭源策略一方面没能保住OpenAI的技术护城河，另一方面也让它失去了开源社区的青睐和支持，除了早期的OpenAI API，OpenAI在闭源后鲜有制定公认标准，逐步丧失LLM时代的话语权，近期codex的开源可以视作OpenAI的一种自救，不过很难说其效果如何；另一方面，就基座模型性能来说，ChatGPT5.2已经落后于Claude Opus 4.5和Gemini3Pro，如Figure 3 所示，且OpenAI目前营收乏力，巨额亏损下，投资人的耐心已经接近极限，OpenAI甚至官宣加广告，其当下承受的压力可见一斑，如果OpenAI真的开始植入广告，那将极大影响公司的形象和投资人信心，这标志着一个神话的破灭，也标志着LLM泡沫正式进入出清阶段。Figure 3: 26年1月29日 AI Leaderboards1如Claude Code、Opencode2详见Commit e66080d