智能的购买智能
文章探讨了为何用户即便有更便宜、更快的模型替代品，仍然倾向于选择昂贵且速度较慢的闭源大型语言模型（LLM），如Opus 4.6。
作者分析了原因，主要在于智能的回报是非线性的（一个小小的提升可能带来巨大的变化），难以准确衡量，竞争激烈（需要超越竞争对手），以及可以通过不断投入资金来提升智能水平。
此外，文章还提出了一些评估模型的创新方法，例如Demis Hassabis提出的“爱因斯坦测试”。
作者最后强调，人们会愿意为更好的智能买单，因为这种投入往往能够带来意想不到的回报，正如谚语所说：“没有人因为花费太多钱请好顾问而破产。
”
查看原文开头（英文 · 仅前 3 段）
May 2, 2026 Note: This post was written with too much AI assistance. Re-reading
it now, it still feels like there are important ideas here, but it also feels
very slop-y. Apologies in advance! Hopefully I'll find time to write a proper
※ 出于版权考虑，仅引用前 3 段。完整内容请阅读原文。