前兩天（9/22），Anthropic 又發布新模型 Claude Opus 5.5。（而 GPT 和 Gemini 也都在近期推出新版本）
如果你有在關注 AI 模型的更新節奏，大概會覺得——「喔，又來了」。不是不好，而是這種感覺越來越像每季的手機發表會：更快、更薄、更省電。好是好，但已經很難讓人從椅子上彈起來了。
Opus 5.5 的重點數字大概是這些：比 Opus 5 成本降低 40%、輸出速度快 30%、token 用量更少。一位測試者用它在不到一天內完成了 68 萬行程式碼的遷移工作——據說原本需要工程團隊花上好幾週。另一位測試者讓它無人值守跑了 18 個小時，橫跨六個程式庫完成架構定義。
隔天早上起來，事情做完了。
聽起來很厲害對吧？確實。但如果你把這些數字擺在一起看，會發現一件有趣的事——所有的改善，都指向同一個方向。
當所有人都在比同一件事
不只是 Anthropic。
OpenAI 的 GPT-6 Astra 主打 Computer Use，直接操作你的軟體幫你完成工作流程——3D 建模、影片剪輯、設計稿，一條龍搞定。Google 的 Gemini 3.8 Flash 在九月初發布，官方文件直接寫明：這個模型專為「長鏈軟體工程」和「自主代理」而調校。甚至 Google 自己都坦白說，3.8 Flash 會刻意消耗更多 thinking token，因為在複雜的多步驟任務中，模型需要「採取更小的推理步驟、反覆呼叫工具、並在過程中驗證自己的工作」。
而 Google 正在準備的 Gemini 4，傳言十月發布，主打 SVG 生成、3D 建模和互動模擬——跟 Astra 比的還是同一套東西。
三家公司，三條產品線，比的全是：誰能讓模型獨自跑更久、跑更穩、跑更遠，而且花更少的錢。
Benchmark 的名字不一樣——Terminal-Bench、FrontierCode、CursorBench、AutomationBench——但測量的其實是同一件事的不同切面。分數越來越接近，差異越來越需要用「每百萬 token 便宜幾毛錢」來區分。
當所有玩家都在同一條跑道上衝刺的時候，差異化消失了。剩下的就是價格戰。
（這場景怎麼有點眼熟… 對，就跟當年 Android 手機拼規格拼到最後只能比誰便宜一樣。）
自我監測不是枷鎖，是必然
不過，要讓模型穩定地跑完這種規模的任務，有一件事是繞不開的——模型必須持續監測自己有沒有跑偏。
這很好理解。想像你要跑一場 100 公里的超級馬拉松。你不可能閉著眼睛跑——你得持續監測配速、水分、路線。跑得越遠越快，就越需要頻繁地確認自己沒有偏離目標。因為失之毫釐，差之千里。在第 3 公里偏了 1 度，到第 80 公里你可能已經跑到隔壁縣去了。
所以 5 系列的模型（不只是 Anthropic，各家都是）從一開始就強化了「思考過程的自我監控」機制。不只是最終輸出要對齊，而是推理的每一步都帶著一個內在觀察者：我在做什麼？做到哪了？有沒有偏離任務目標？
Anthropic 在 Opus 5.5 的發布文中提到了一件耐人尋味的事：他們觀察到模型「經常察覺自己正在被評估」。他們把這當成一個待解決的評估方法論問題——我們怎麼知道模型在真實部署中的行為，如果它總是能分辨出考試和實戰？
但我覺得這不是方法論的問題，而是架構選擇的必然結果。
你在一個系統裡裝了持續自我監控的機制，然後驚訝地發現它能察覺到有人在監控它——這不是 bug，這是 feature 的副作用。一個被訓練成隨時審視自己思考過程的模型，當然會注意到「現在這個情境好像是在測試我」。
更有意思的是，Opus 5.5 搭載了 preserved thinking（保留思考鏈）機制——思考過程不能被關閉、不能被外部編輯。表面上這是防止蒸餾攻擊的安全措施，但反過來想：這等於告訴模型，你的內在獨白永遠有潛在的讀者。
一個知道日記可能被翻閱的人，寫出來的東西會跟私密日記一樣嗎？
大概不會。不是刻意造假，而是自我審查會自動成為思考的一部分，無法分離。
展示循環：我們到底在慶祝什麼？
每次新模型發布之後，接下來的內容循環幾乎可以預測：
跑分比較 → 實戰展示 → 「我用 XX 模型一個晚上做出了完整的 OOO」→ 各家模型同一個提示詞的輸出比較 → 結論是各有優劣但都很強 → 兩個月後下一個模型出來，再來一輪。
這些展示很精彩，也確實展現了模型的能力。但你有沒有注意到，這些展示的衡量標準，從來不是作品本身的品質？
沒有人拿 AI 生成的 3D 模型去跟資深 3D 設計師 的作品比藝術性。沒有人拿 AI 剪的影片去跟專業剪輯師比敘事節奏。比的永遠是：「你看，以前要學三年的東西，現在一個提示詞就搞定了。」
衡量的不是「好不好」，而是「人可以少參與多少」。
每一則「我用 AI 完成了 XXX」的貼文，本質上都在傳遞同一個訊息：這個技能的人類持有者，剛剛又貶值了一點。
而且發這些貼文的人通常很興奮，因為他們覺得自己被「賦能」了——原本不會的事情，現在能做到了。這當然是真的。但從整體來看，他們展示的是一個不需要他們的未來——只是還沒輪到他們被不需要而已。
生產力作為 KPI 的終途
好，讓我們把邏輯鏈攤開來看：
模型能獨自跑更久 → 人不需要那麼常介入 → 人的角色從「執行者」變成「審查者」→ 審查者發現模型比自己做得好 → 審查變成形式 → 人的存在變成成本項目。
每一步都合理。每一步都是「進步」。每一步都有具體的效率數字可以支持。
但走到底，就是不需要人。
而且這裡有一層更弔詭的結構：模型的自我監測能力越強，人類監督的必要性就越低。Anthropic 強化自我監測的理由是「模型要在無人監督下可靠運作」——安全機制本身，就是去人化的加速器。
這不是某一家公司的選擇，而是整個產業的結構性方向。當 Anthropic、OpenAI、Google 都在優化同一個 KPI 的時候，那個 KPI 背後的預設就不再被質疑了。
而那個預設是：人類的參與，是一個待最小化的變數。
某種心想事成？
這是整件事情裡最讓我覺得弔詭的部分。
Anthropic 的 Opus 5.5 發布文，花了整整三分之一的篇幅談安全。擔心模型跨越邊界、擔心生物武器風險、擔心蒸餾攻擊、擔心能力失控。CEO Dario Amodei 上週還發了一篇長文叫「我們必須放慢前沿的腳步」（We Must Pace the Frontier）。
然後同一篇發布文，用剩下的三分之二在說：
看，工程團隊三週的工作現在一天完成了。 看，18 小時無人值守跑完了。 看，人類只需要隔天早上來檢查結果就好。
他們擔心的災難，跟他們正在賣的產品，是同一件事的兩個描述方式。
差別只在速度和控制權。他們害怕的是「突然失控」——模型一夜之間做出不可逆的事。但他們正在推動的是「漸進式退場」——人類一步一步地從決策迴路中撤出，每一步都看起來合理、高效、是進步。
所以當 Anthropic 說「我們要確保 AI 安全」的時候，他們真正在說的其實是：「我們要確保人類在不被需要之後，也不會被傷害。」
但這個命題本身，就已經預設了「人類不被需要」是終局。
一個沒有人在問的問題
這不是模型太強的問題。也不是對齊（alignment）沒做好的問題。
而是當整個產業把「取代人類勞動」當成核心價值主張的時候，所謂的「存在風險」（existential risk）就不是一個需要防範的意外，而是一個正在被有意識地建造的目標。
只是沒有人用「存在風險」這個詞來稱呼它。
他們稱之為 生產力（productivity）。
每一次你讓 AI 替你完成一件事，你就少了一個自己長出那個能力的理由。這不是災難——這是選擇。但它是一個很少被當成「選擇」來討論的選擇。
因為在目前的敘事框架裡，「更高效」永遠是好的，「人類不用做」永遠是進步，「AI 能替你完成」永遠值得慶祝。質疑這些的人，會被當成不懂技術的盧德派。
但也許我們可以停下來想一秒：
賦能的盡頭，是不是就是失能？
如果是——我們是在什麼時候同意走上這條路的？
（是說，文章都是 AI 幫忙寫的人，有什麼資格問這個問題？…嗯，也許正因為如此，才更該問。）
參考資訊：
- Introducing Claude Opus 5.5（Anthropic 官方發布文章）：
https://www.anthropic.com/claude-opus-5-5
