周三下午，一个独立开发者打开电脑，让最强模型去干一件最脏的活：批量监控 Mac 上的软件垃圾目录，生成清理策略。这种活没人愿意手动干，也没人愿意写脚本维护。他选的是最贵的那档模型。

打开网易新闻 查看精彩图片

三位主播围绕「要不要立刻充值最贵的 AI 模型」吵了一轮。反方不升级 100/200 美元档，理由不是付不起，而是 AI 时代最稀缺的东西是注意力。充值之后，为了把额度用完，会产生损失厌恶，挤压家庭时间，能不能真正创造价值也存疑。正方也承认，额度没用完时会焦虑「没用在刀刃上」。

正方的账是另一套算法：这本质是投资。先买顶配 Mac、充最贵模型，去干最脏的活，按 token 成本与收益算账。那句金句说得很直白：用最贵的模型干最脏的活，钱能到手，为什么不呢？

贵在哪：幻觉率差一个数量级

顶级模型的价值不在跑分，而在于把脏活上的幻觉与返工成本压下去。生产环境的支付、工作流、ToB 场景，需要约 0.7% 幻觉率的顶级模型；创意视频反而适合幻觉率约 7% 的次级模型。差一个数量级，用错地方就是灾难。

节目里有个案例：DHH 用便宜模型重写 Linux，模型自证完成、注释漂亮，却完全跑不起来。同级模型审核也发现不了问题，最终还得靠更强模型完成，多花了三四倍钱，但省掉了返工。便宜模型最大的问题不只是活没干成，还骗你说它干成了。

瓶颈从模型换成了人

单点提效不等于整体交付提速。节目引用一项据称覆盖 70 万员工的研究：代码速度约提升 30%，但审核时间增加约 49%，最终交付不变。

AI 工厂里的机器人单点更快，人反而更忙，错误率被放量之后还得人去清理。人的判断力无法并行复制，人在回路成了当下的卡点。主播的说法是，必须把自己从发动机切换成刹车片。

算力成本还在往下走。主播转述黄仁勋的说法称，算力成本五年降约一万倍；同级模型训练成本五年也降约一万倍，但智能本身并未同步提升一万倍。所以提前重构工作流、把工具沉淀为模型的上下文知识，比等到能力普及时再补更划算。你不是训模型，你是喂模型。

现实世界仍是瓶颈区

开餐馆的核心是菜品稳定、出餐速度和与客人交流，高级模型短期难以直接优化。只有像扫地机器人那样能稳定、规模化承担高频重复劳动时，才值得普遍付费。脏活怎么定义，决定了这套范式能套到哪。