三家AI公司同一天发新模型，我盯着屏幕发了半小时呆

那天早上我正在改一个不太难的Bug，消息栏突然炸了。

OpenAI发了GPT-5.6，不是一个模型，是三个——Sol、Terra、Luna。Anthropic发了Claude Sonnet 5。Meta发了Muse Spark 1.1。三家公司在同一天，甚至几乎是同一小时，往市场上扔了三个重量级模型。

我放下手里的Bug，开始刷消息。刷了大概半小时，越刷越沉默。

不是因为这些模型不厉害。Sol在Terminal-Bench上跑了91.9%，Claude Sonnet 5号称接近Opus级别但价格低一个档，Muse Spark 1.1有一百万token上下文还只要1.25美元每百万输入。这些数字都很吓人。但让我沉默的不是数字本身，是一种更私人的感受。

我在想，我上一次认真学一个新东西，是什么时候。

不是学不动，是不知道该学哪个

去年这个时候，我还在认真研究GPT-5的API文档，把function calling的各种参数翻了个底朝天，写了篇笔记觉得自己搞懂了。然后GPT-5.5出了，参数变了。然后GPT-6出了，接口结构换了。现在GPT-5.6出来了，分了三档，还多了个”Ultra subagent mode”和”Max reasoning-effort”的设置。

那个笔记现在已经没什么用了。

这不是OpenAI的问题。Anthropic也一样——我从Claude 3.5 Sonnet用到现在Claude Sonnet 5，中间过了4.7、4.8、Fable 5、Mythos 5好几个版本，每个版本的能力边界都不一样，有些写法在旧版本好用，新版本反而要调整。Google的Gemini从2.5 Pro到3.5 Flash，API的返回格式改了两次。

我有时候觉得自己像个永远在追火车的人。火车越来越快，我跑得也越来越快，但终点站在哪儿，没人告诉我。

那天下午我做了个实验

刷完消息之后，我没急着去测新模型。我做了一件事——打开了自己过去三个月的AI使用记录，想看看自己到底在用AI做什么。

结果挺出乎意料的。

我用AI最多的场景，不是什么前沿实验，而是这几件事：让Claude帮我读一段看不懂的日志、让GPT帮我写一段重复的CRUD代码、让Cursor帮我找个文件里某个函数在哪儿被调用了。就这些。

那些让我焦虑的新模型能力——多Agent编排、全双工语音、百万token上下文、自主浏览器操作——说实话，我日常工作中一次都没用上。

不是说这些能力没用。它们肯定有用，对某些场景、某些团队可能是改变游戏规则的。但对我来说，此刻，我的工作流里最需要AI做的事情，三年前GPT-4就已经能做得差不多了。

这个发现让我平静了一点。

焦虑的真正来源

后来我想了很久，觉得程序员面对AI的焦虑，大概分三层。

第一层是”会不会被替代”。这层焦虑去年最严重，今年反而淡了——因为我发现身边用AI用得最好的程序员，活儿反而更多了。会用AI的人变得更有效率，需求方也愿意把更多活儿交给能快速产出的人。恐惧被替代的，往往是那些不碰AI、假装它不存在的人。

第二层是”学不学得过来”。这层焦虑现在最重。每个月都有新模型、新工具、新框架、新概念。MCP火了要学MCP，Agent火了要学Agent编排，Vibe Coding火了要搞Vibe Coding。你刚觉得某个东西理解了，下一个概念就来了。这种”永远在补课”的感觉，比被替代的恐惧更折磨人，因为它是一种慢性消耗。

第三层比较隐蔽，我花了很久才意识到——是”我做的事情有没有意义”。

当你花两天写好的代码，AI十分钟就能生成一个差不多能用的版本，你会忍不住想：那我这两天算什么？当我花一个下午研究某个工具的使用技巧，结果下个月这个工具更新了，技巧直接作废，我会想：那这个下午算什么？

这种意义感的动摇，比”学不学得过来”更深层。因为它质疑的不是你的效率，而是你的存在价值。

我后来想通了一件事

那天晚上我出去散了步，回来之后把焦虑的来源在笔记本上写了一遍，然后发现了一个问题。

我把”跟上AI的发展”当成了目标。但这个目标本身就有问题——AI的发展速度，从设计上就不是为了让人”跟上”的。OpenAI一年发四五个大版本，Anthropic每个季度都有新模型，Google、Meta、xAI、DeepSeek全部在抢节奏。这不是一个你能”追上”的火车，因为火车自己也在加速。

所以问题的本质不是”我跑得够不够快”，而是”我到底要往哪儿跑”。

我后来给自己定了个规矩，算是一种自我保护——每出一个新模型，我不急着去学。我先等一周。如果一周之后，这个模型在我日常工作中真的用上了，我去学。如果一周之后它只是存在于科技新闻里，跟我实际的工作流没有交集，那我就不学。

这不是偷懒。这是在保护自己的注意力。

GPT-5.6出来那一周，我没有去测Sol的91.9% Terminal-Bench。我继续用Claude Sonnet 4.7改完了那个Bug。Sonnet 5出了之后我也没有立刻切过去，因为4.7对我手头的活儿来说够了。等哪天4.7不够用了，我自然会换。

不是说新模型不值得关注。而是我意识到，程序员的竞争力，从来不是”知道所有新东西”。是知道哪些新东西跟自己有关，哪些跟自己无关。能把相关的东西用好，把无关的东西放下，这种判断力比追新速度快得多。

那个Bug最后改完了

说回开头那个Bug。

它是一个很普通的竞态条件——两个异步任务同时写一个缓存键，偶尔会出现脏数据。这种BugAI也能帮我找到，但我那天下午是自己读完代码找到的。花了一个多小时，没有用AI。

不是因为我排斥AI。是因为那天我需要让自己确认一件事——我还能自己读代码，我还知道怎么追一个Bug的根因，我对这个系统的理解还没有空洞化。

那天晚上我在笔记本上写了一句话：模型更新是AI公司的事，搞清楚自己要做什么，是我的事。

然后关了电脑，去睡了。