碳基智2026年07月14日预计 5 分钟我发现最近两年的大模型在更新层面上都在强调 Coding 能力，卷 SWE-bench，头部玩家的差距始终拉不开太大差距，体验上又开始趋同。

        AI 仍旧在一路变强，但这个变强的方向可能跟普通用户没啥关系，如果 AGI 的实现是靠这样的路径，那被抛下的人是以什么身份存在下去？

        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。