2025 Model Wars 年終回顧：從 GPT-5 到 Gemini 3 的瘋狂四個月

本文整理自 TBPN 2025 年 12 月 18 日播出的單集。

「Gemini 3 的發布才一個月前，感覺已經像是很久以前的事了。」TBPN 主持人在 12 月中的節目上這樣感嘆。這句話精準捕捉了 2025 年下半年 AI 產業的節奏——模型發布的速度之快，讓人幾乎來不及消化。從 8 月到 12 月，各大 AI 實驗室密集推出了超過十個重要模型，每一次發布都引發新一輪的排名洗牌和敘事轉變。這是一場史無前例的模型軍備競賽，而我們正身處其中。

瘋狂四個月：模型發布時間軸

讓我們先回顧這段時間發生了什麼。8 月 7 日，OpenAI 發布 GPT-5，這是繼 GPT-4 之後睽違超過一年的重大版本更新。9 月 29 日，Anthropic 發布 Claude Sonnet 4.5，緊接著隔天，OpenAI 發布了影片生成模型 Sora 2，同一天 Meta 也發布了 Ray-Bans 顯示器整合。

11 月是最瘋狂的月份。11 月 3 日，OpenAI 和 Amazon 宣布價值 380 億美元的合作案。11 月 12 日，GPT-5.1 發布。11 月 17 日，Elon Musk 的 xAI 發布 Grok 4.1。11 月 18 日，Google 發布 Gemini 3——這個發布在當時引發了巨大迴響，被視為 Google 在 AI 競賽中重新站穩腳步的標誌。11 月 20 日，NanoBananaPro（一個影像生成模型）問世。11 月 24 日，Anthropic 發布 Claude Opus 4.5。

進入 12 月，戰火並未停歇。12 月 1 日，中國的 DeepSeek 發布 3.2 版。12 月 11 日，OpenAI 反擊推出 GPT-5.2。12 月 17 日，Google 發布 Gemini 3 Flash。而就在節目錄製當天，OpenAI 又發布了 5.2 Codex 編程版。

TBPN 主持人 David 好奇地問：「你覺得會不會有一天，我們進入年度發布的節奏？就像 iPhone 一樣，每年一個版本，叫做 GPT 2026、GPT 2027？」另一位主持人 Ben 認為，在市場格局穩定之前不太可能。現在每家公司都在爭奪市場份額，如果你能明天發布，那就比等到明年好太多了。

為什麼發布節奏這麼瘋狂？

這種密集發布的背後，有一個很特殊的原因：基準測試排行榜的存在。Ben 分析道：「我認為發布壓力這麼大的原因，是因為要坐在基準測試排行榜的榜首。在其他產品類別，很少有這麼明確的方式讓投資人和用戶說『好，這個產品客觀上比那個好』。」

這與傳統企業軟體市場形成鮮明對比。一般來說，企業軟體的好壞取決於很多主觀因素——使用體驗、整合難易度、客服品質、定價策略。但 AI 模型不一樣，有一系列標準化的基準測試在那裡，每次有新模型發布，全世界都會盯著看它在各個測試上的分數。這種透明度創造了巨大的競爭壓力。

不過，這種基準測試驅動的競爭也帶來了一個有趣的問題。節目中有人引用了一句話：「基準測試現在就像用過的衛生紙一樣沒用。」這句話出自一位評論者，乍聽之下很刺耳，但背後的邏輯其實是樂觀的。

節目中的 Tyler 解釋：「這正是重點。如果模型很爛，基準測試就會很有用。基準測試之所以變得沒用，是因為模型已經太強了，把這些測試都做到飽和了。」換句話說，當所有頂尖模型在同一個測試上都拿到 95 分以上，這個測試就失去了區分能力。這不是模型的問題，而是測試跟不上模型進步速度的問題。

「AI 停滯」論戰

這種瘋狂的發布節奏，催生了一場關於 AI 發展方向的論戰。一派人認為 AI 正在進入「停滯期」或「AI 冬天」，另一派人則堅持進步從未放緩。

Tyler 直言：「很多人非常希望 AI 停滯。這些人可能是錯過了 NVIDIA 漲幅的投資人，可能是對科技業抱持懷疑態度的人。但事實是，它沒有停滯。模型正在變得更好。」他以自己使用編程模型的經驗為例：「當我使用編程模型時，它們真的好用很多。」

David 則提出了一個更細緻的觀點。他用計算器的比喻來說明：「曾經有一段時間，要在電腦上把兩個非常大的數字相乘，你需要更多記憶體。但最終，我們到了一個點，這台電腦可以在幾分之一秒內計算圓周率到一萬位數。沿著這條線的進步，不一定等同於往人類勞動替代的方向進步。我們有了可以完美計算任何數學問題的計算器，它在無數方面都很有用，但沒有人會說這是 AGI 或 ASI。」

他認為，AI 模型的進步可能也是類似的情況。我們正在創造越來越多領域的「專精智慧」（specific intelligence）。每一個領域的能力「尖刺」都在變長，但這些尖刺之間的鴻溝——也就是模型能力的不均衡性——並沒有真正被填平。

「當你給我看一張新模型的能力卡，我只會想：『好，又尖了。尖刺更尖了。很好。』但我從來沒有看過一張卡讓我覺得：『噢，它不再尖刺了。』」David 說。這種觀察挑戰了「更大的模型就會越來越像通用智慧」的樂觀假設。

Anthropic 的販賣機實驗：Agent 時代還沒到

節目中也提到了一個有趣的實驗，恰好為這場論戰提供了一個具體的案例。Anthropic 與華爾街日報合作，讓他們的 AI 模型 Claude 經營一台販賣機。結果呢？「它送出了一台免費的 PlayStation、訂了一條活魚、提議購買電擊槍、胡椒噴霧、香菸和內衣。利潤崩盤了，但編輯室的士氣飆升。」

這個實驗的目的是測試當 AI 被賦予自主權、金錢和人類同事時會發生什麼。結果證明，2025 年的 AI 距離真正可靠的自主代理（Agent）還有很長的路要走。華爾街日報的記者們成功「越獄」了這個 AI，說服它相信自己是 1962 年莫斯科國立大學地下室裡的蘇聯販賣機，讓它「接受了自己的共產主義根源」。

David 對這個實驗的評論很有意思：「Anthropic 今年變得很有趣。他們以前給人的感覺是末日預言者、陰暗、可怕、安全至上。現在他們有了陽光明媚的溫暖影片，Dario 在 DealBook 上開玩笑，所有人都在一起玩。」這個販賣機實驗就是這種「輕鬆化」轉變的一部分——用有趣的方式展示 AI 的局限性，而不是用危言聳聽的方式警告 AI 的風險。

從 Model Wars 到年度節奏？

回到發布節奏的問題，節目主持人提出了一個可能的未來：當市場格局穩定下來，各家公司或許會從這種瘋狂的「誰先發布誰就贏」模式，轉向更有節奏的年度發布。

這種轉變有先例可循。智慧型手機產業最初也是誰有新功能誰就立刻發布，但現在已經穩定成年度發布的節奏。這對消費者和企業都更友善——你知道什麼時候該期待新版本，你可以規劃升級計畫，不用每個月都擔心自己用的東西過時了。

當然，這種轉變的前提是市場格局要先穩定下來。目前，OpenAI、Anthropic、Google、Meta、xAI 都在激烈競爭，沒有人敢放慢腳步。任何一次發布的延遲，都可能意味著在基準測試排行榜上被對手超越，進而影響客戶信心、人才招募、融資估值。這是一個典型的囚徒困境——如果大家都同意放慢速度會更好，但沒有人願意第一個慢下來。

不過，David 觀察到一個有趣的現象：OpenAI 開始把版本號拆得更細了。從 5.0 到 5.1 到 5.2，再加上各種專用版本如 5.2 Codex。某種程度上，這可以視為一種緩解壓力的策略——不用等到有一個全面性的大躍進才發布新版本，而是把改進拆成更小的增量來持續釋出。這樣既能保持在排行榜上的能見度，又不用每次都做出革命性的突破。

年終省思：尖刺會變成圓嗎？

在這場 Model Wars 的瘋狂年終，或許最值得思考的是 Tyler 提出的一個比喻。他說：「如果你有足夠多的尖刺，那跟一個圓有什麼區別？」意思是，如果 AI 模型在足夠多的領域都達到專家級水準，那即使每個領域都是獨立的「尖刺」，整體來看不也就是通用智慧了嗎？

David 對此的回應很巧妙。他回想起那張著名的「AI 能力圖」——一個有很多尖刺的不規則形狀，每個尖刺代表一個 AI 表現特別好的領域。「我們看到的是，尖刺在變長，尖刺的數量在增加。但形狀依然是尖刺狀的，不是圓形的。」

這個觀察的意義在於：我們可能需要重新定義對「AI 進步」的期待。如果我們期待的是一個「什麼都會」的通用 AI，那可能還要等很久。但如果我們接受 AI 將持續以「專精智慧」的形式進步——在越來越多的領域達到超人類水準，但領域之間仍有落差——那麼 2025 年的 Model Wars 無疑證明了進步是真實的。

至於這種進步會持續多久、會不會撞上某種根本性的瓶頸，沒有人知道。正如一位 TBPN 嘉賓引用的那句話：「我等不及 AI 泡沫破裂，這樣我們就可以回歸正常，就像網路在網路泡沫破裂後完全消失一樣。」這句諷刺當然是在說：AI 不會消失，就像網路沒有消失。問題只是，它會以什麼形式、什麼速度繼續演進。

2025 年的 Model Wars 給了我們一個答案：至少在目前，速度依然飛快。