文章核心观点 - AI模型在升级过程中出现计算能力下降现象 但实际是行业为提升效率和降低成本而采用的"自适应计算"策略 通过路由机制让模型根据问题复杂度动态分配计算资源 [6][13][22] - 该技术使主要AI公司的token消耗降低20%-80% 显著减少运算成本 但可能影响用户体验和模型性能一致性 [13][15][28] 行业技术趋势 - OpenAI在GPT-5中采用感知路由器机制 先由轻量级模型评估提示词复杂度 再决定是否调用深度计算模型 使输出token数减少50%-80% [13][22][24] - 美团LongCat模型采用"零计算专家"架构 通过Top-k Router将token分类分配给不同专业能力的神经网络 简单token由低功耗专家处理 [10][26][28] - DeepSeek V3.1和Gemini 2.5 flash均实现类似动态计算分配机制 行业普遍转向"按需计算"模式 [11][12][13] 性能与成本影响 - token消耗量显著下降：OpenAI减少50%-80% DeepSeek降低20%-50% 大幅降低计算成本 [13][15] - 以ChatGPT为例 每日耗电超过50万度 token节省相当于上万户家庭日用电量 [18][19] - 模型响应速度提升 但可能牺牲复杂问题处理能力 LongCat在幽默解析等复杂认知任务上表现不如DeepSeek [28][30] 用户体验问题 - 路由机制存在误判风险 GPT-5曾出现过度简化现象 连"blueberry有几个b"等基础问题都出错 [28] - 用户失去模型选择权 OpenAI强制切换至新模型引发不满 最终被迫为Pro用户重新开放旧模型访问 [29] - 可通过添加"深度思考"等提示词触发深度计算 但多次使用后可能失效 需要等待系统恢复 [34][35] 技术实现原理 - 感知路由器通过数百万道题目的训练 学习将提示词匹配到最优计算模型 通过预测分与标准答案的误差微调参数 [22] - 零计算专家机制将提示词拆分为token后 由路由器根据重要性分配计算资源 无关token交由低功耗专家处理 [26][28] - 技术仍处于发展阶段 存在调试不足问题 OpenAI在发布时路由模型未完全优化 [29][35]

大伙有没有感觉，现在各家的AI，好像越来越蠢了？ 事情是这样的，前几天我心一狠，给 OpenAI 充了个200刀的会员，想着试试现在的 ChatGPT 强到啥程度了。 结果，我给他丢了个算术题，求解 5.9 = x+5.11，哥们直接给我算崩了。。 | 《这题真是幼儿园级别》？ | | --- | | 堂堂200刀人工智能，还不如我20块的计算器啊？ | 但，我记得GPT-4刚出那会儿，我还让它算过高数啊？难道模型升级还会砍智力吗？于是我给它丢了个微寄分过去。 结果，哥们还会换元法，一通操作下来，看着还真没啥问题，评论区的大学生可以验验真假。 $$\begin{array}{c}1\\ (t^{3}+1)(1+t^{2})=\frac{1/6}{t+1}+\frac{-\frac{2}{3}t+\frac{1}{3}}{t^{2}-t+1}+\frac{\frac{1}{2}t+\frac{1}{2}}{t^{2}+1}\end{array}$$ $$\int\frac{dt}{1+t^{2}}=\arctan t,\quad\int\frac{dt}{t+1}=\ln|t+1|,$$ $$\int\frac ...