ai

首发当天我本来想干的事很简单，找一个和 Gemma 3 对应得上的升级版，先下下来跑。

结果一圈看下来，人先有点傻眼。以前熟的 4B / 12B / 27B 那套名字没了，冒出来的是 E4B、26B A4B、31B。怎么说呢，这次谷歌真正改的，不只是模型大小，而是连“你该怎么理解这批模型”都一起改了。

用 Codex 这段时间，有个问题一直挺别扭：默认思考档位是 medium，但网上一聊到 GPT-5.4，口气又都很猛。真到自己手里，medium、high、xhigh 到底差多少，官方也没给一张特别直白的表。

我现在的结论挺明确，日常编码我更愿意直接开 high。medium 不是不能用，快活、小修小补、试探方向没问题；但真到多文件修改、需求有歧义、还要边看代码边判断的时候，medium 很容易把算力省错地方。xhigh 我反而不会常开，留给卡壳的大活更合适。

翻了一圈现在仓库里的配置，我反而更确定一件事：这套东西最后拼的不是单个模型有多强，而是每一层到底该让谁来承担成本。

最明显的一个信号就是，当前生效的 published.runtime.json 还是 2026 年 4 月 2 日生成的 minimax-m2，但 2026 年 4 月 3 日 16:38 的 5f17088 已经把 blog-style-suite 的默认 provider 切到了本地 LM Studio 里的 gemma-4-26b-a4b。这看起来像前后不一致，其实不是，它恰好说明了这条流水线开始有了分工。

如果 token 足够，最省脑子的办法其实很粗暴：把历史文章直接塞给模型，让它自己学。

问题在于，这种办法只适合偶尔来一篇，不适合反复写。你要是真把博客写作当成长期工作流来做，生吃历史文章这条路，很快就会从“简单直接”变成“又贵又乱”。

去年写了不少 AI 稿子，那会最土的流程就是，自己先整理个大纲或者问题清单，让大模型把正文吐出来，然后再把内容复制到本地 md 文档里，补 frontmatter、标签、分类、标题，最后再发布。

这套流程不是不能用，是很烦。真正费时间的地方，不是正文，而是正文外面那一圈重复劳动。尤其是最近 Codex 用多了以后，这种别扭感更强了。它能读仓库、能改文件、能补资料、还能直接把文章写进目录里，我要是还手工复制来复制去，反而像是人把工具的腿绑住了。

今年春节看国内几家 AI 厂商撒钱，我的第一反应不是热闹，而是眼熟。

腾讯元宝 2 月 1 日开了 10 亿现金红包，百度文心从 1 月 26 日一路发到 3 月中旬，拿出 5 亿元红包，阿里千问 2 月 6 日又直接上了 30 亿元“请客计划”，豆包则借春晚和 AI 互动往里冲。我的判断很直接，这还是上个时代互联网留下来的惯性动作，先把人拉进 App，先把使用频率做起来，剩下的以后再说。

但 AI 这门生意，没那么像流量生意。

这几天看 AI 编程，前脚大家还在聊 MCP，后脚又开始聊 Skill。很多人第一次看到这个词，会本能地把它当成又一个新协议，或者又一种高级提示词。

我的判断很直接，Skill 不是来抢 MCP 位置的，它更像是给 agent 配一份工种手册。MCP 解决的是“让 agent 能连上外部世界”，Skill 解决的是“连上以后，按什么套路把活干稳”。这两者不是替代关系，更像是一前一后。

说白了，MCP 让 agent 有手有脚，Skill 让 agent 别乱来。

最近把一些边角活往 MiniMax 和本地模型上迁，越用越觉得，这事不能老拿“最强模型”那套标准去衡量。

我的判断很直接，弱模型别硬上强活。MiniMax 这类模型，能力弱是弱，拿去做复杂编码、长链路推理、模糊需求拆解，确实差点意思。但如果你让它做数据清洗、文档编写、方案资料搜索，这类活它是完全能接住的。同样的逻辑，本地 12B 左右的模型也一样，翻译、格式改写、批量清洗，反而是它们真正适合待的位置。

说白了，不是模型没价值，而是别把它放错工位。