本文来自微信公众号： 碳基智 ，作者：碳基智
1
对于大模型的理解和体验，我们现在正处于一个非常割裂、混沌的时代。
如果说2年前的大模型体验能力还算相对均衡，普通用户的核心诉求，诸如写作、情感、通用问答这些还能得到充分的满足。那么2026年的大模型，已经开始把普通用户的需求放在既不重要也不紧急的象限里了。
一方面，主流大模型们无一例外都在Coding场景开始了军备竞赛。
主流的商业模型在SWE-bench Verified排行榜（4月数据）的差距压缩到了1个百分点区间，基本都落在80%到80.9%之间。然而3个月时间过去以后，Claude Fable 5断崖式地甩开了竞争者，而从80%到95%，仅仅只花了3个月时间。
另一方面，普通用户的体验是在塌方的。特别是随着用户规模的暴涨，引发的算力紧张问题让大模型厂商选择缩减单次推理深度，导致很多大模型的输出效果变得越来越唐。就更别提创意退化、情感降级、记忆丢失等等负面case了。
2
别管大模型厂商们嘴巴上说的为了人类，为了实现AGI，这话听听可以，别信。就像有人说做手机就是为了不赚钱卖给你，你应该担心她是不是想从你身上拿到更多。
数据不会说谎。Anthropic的每月活跃用户变现能力约为211美刀，OpenAI则是25美刀，前者是后者的8倍，国内的数据只会更低。
这说明什么呢？
在大模型的商业计算公式里，1个企业级开发者用户的价值，等于8个月付20美刀订阅的普通人。
Anthropic 80%的收入来自企业客户，Claude Code上线仅一年，年化收入就突破25亿美刀，全球4%的公开GitHub提交已经由它完成。与此同时，Anthropic的企业AI市场份额从2025年初的10%飙升至2026年2月的65%，估值9650亿美刀，正式超越OpenAI。
服务开发者的公司，比服务所有人的公司更值钱。这意味着普通用户从一开始就不是这场游戏的服务对象。他们是产品早期拉新的手段，是DAU报表里的数字，是向投资人展示规模的道具。
更遗憾的是，即便是作为训练数据来源来讲，开发者用户的质量都更受模型厂商关注，而普通人的context信息，无足轻重。
3
模型更新的方向，是钱流入的方向。
Anthropic在4月的9天内连续发布了两个版本，Mythos Preview（SWE-bench 93.9%，不公开）和Opus 4.7（87.6%，公开）。两个版本之间存在6个百分点的差距，在AI时代的当下已经是能力鸿沟了。
公开发布的只是一个阉割版。这种发布策略本身就说明了一切：金字塔尖的能力被锁在企业级服务里，普通用户拿到的是特供版，甚至Anthropic家的模型还会出现因为你的需求太蠢而不值得用更好模型，给你偷摸降级的case。
Claude Opus 4.7在SWE-bench Pro上64.3%领先，GPT-5.5在Terminal-Bench上82.7%领先，所有主流benchmark都是Coding相关的。
AI Coding的合成训练数据集也在急剧膨胀。KodCode、X-Coder-RL-40k这些完全合成的代码训练集已经成为主流训练方案的标配。训练数据构成决定模型能力构成，当绝大多数训练资源投入代码场景的合成数据生产时，其他能力的训练资源被挤压是必然结果。
Money don’t lie.
4
有个数据，不保真：
全球每月为AI付费20美刀以上的人，占总人口的0.3%。而其中的高净值用户，是年消费超过100万美刀的企业客户，这个群体在Anthropic两年内从十几家扩大到逾千家。
开发者占全球人口比例不到1%。但2026年全球AI Coding工具市场的话语权，完全由这不到1%的人决定。他们的需求定义了benchmark，他们的付费定义了模型迭代方向，他们的使用习惯定义了产品形态。
模型加速趋同，Agent原生成为工具演化的收敛方向。收敛到哪里？收敛到开发者的工作流上。
普通用户是被排除在外的。
但有一个代价，是普通用户在承担的：
2026年6月有一篇顶会论文（arXiv 2606.11046）量化了一个事实：推理能力基准每提升10%，同期对齐指标会下降15-20%。也就是说，模型在代码推理上每进步一分，它在安全、情感、创意等维度上就要退步一分半。
2026年中国消费者对AI大模型最不满的三大缺陷分别是：无法自我修正（45.81%）、推理能力弱（43.21%）、灾难性遗忘（42.62%）。
用户不满的恰恰是那些在Coding评测中不会被优先考量的维度。
5
SWE-bench之所以成为大模型领域的行业标准，是因为代码的对错有唯一判定标准：测试通过率。一段代码要么能跑，要么不能跑，没有什么如跑的量子态。
要么通过87.6%的测试，要么通过93.9%。这种可精确度量的特征，让Coding成为了模型军备竞赛中最好用的武器，也最好说清楚差距是什么，在占领用户心智这一侧非常有效。
所以你就会发现有些模型，实际体验一比吊糟，偏偏打榜数据都很出彩。
普通用户不掌握算力，不定义benchmark，不控制资本流向，不参与模型训练的数据标注优先级决策，甚至被认为不是优质的训练数据来源。
但他们却要作为财报里的海量用户规模的组成，去为AGI即将到来的故事买单。
这既不合适，也不体面，但也无可奈何。