【特别综艺·上】《从夯到拉》｜7位硅谷AI研究员的模型排名游戏

摘要

• 模型能力排位没有形成共识：排序官把 GPT-5.5 放在最上方，但揭晓时它的身份是“顶级”而非“夯”，这一局最终“圆满失败”。 答案包括 Gemini、GPT-5.2、GPT-5.5 和 GPT；有人给 Gemini 人上人（“御三家永远都是第三家”），周奕超却直接写拉完了：“在美国还有哪个模型比它更差的？”并补充：“最拉的是不被人记住。”
• 薪资一题的全场夯是“Meta TBD”，且被主持人称为“公认的”，讨论落点是薪资两极分化：AI 研究员的工资比之前多得多，非 AI 岗位的增长可能受限。 席间还提到 quant 向 AI 的人才迁移正在发生；如果模型能做 auto research，“它也能做矿的 research，而且可能会做得比人要好很多”。
• Job security 一轮排序全对：Apple 被排在夯位、XAI 拉完了。 主持人排序时以“唯一没有裁过员”的 Apple 作判断依据，但随后有嘉宾指出 Apple 其实也裁员。XAI 的评价是“砍人砍太多了”，并有“遇事不决，先 ban 它”的说法。OpenAI 只拿到人上人，理由是：“感觉没有什么大规模的动荡，但是大家都是悄悄地就不见了。”
• Work-life balance 一题里，王森解释自己原本想把现在的 OpenAI 和 Anthropic归入“这一代的拉完了”，为避免撞车才改写 Netflix。 收尾的反思更值得记：过去两百年自动化一直试图换取更多自由时间，但“我们确实在干更多的工作，却没有实现更多自己的时间”。
• AI 时代技能排序是全场逻辑最硬的一轮：empathy 夯、身体健康顶级、做饭人上人、Photoshop NPC、coding 拉完了。 王森的判据是 coding “非常可验证”，写好测试就能验证；Photoshop 还包含较难验证的审美因素。以自身为例，他说从今年一二月份开始就没有打开过 code editor，完全用 agent 写 code。
• 最强的能力信号藏在闲聊里：一位嘉宾的牌友把读博时想过、距今已约三十年的概率论 open conjecture 发给 GPT-5.5 Pro，模型“然后就证出来了”；朋友们交叉验证后认为是对的，目前正在发第二版。 这被评为“比较夯的周末活动”。
• 对 AI 泡沫的判断是一个反身性论证：“什么叫 bubble？ 就是大家都不觉得这个东西是 bubble 的时候，它才是 bubble。现在你每天都会遇到有人说 AI bubble，那它怎么可能是 bubble？” 配套的内部视角是：frontier lab 的员工能比外部更早看到提前一代模型的进展，以及未来十天或一个月可能出现的变化，这被形容为一种特权化体验。

精读

1. 模型排位：没有形成共识，GPT-5.5 也未被排到“夯”

• 五张答案牌是 Gemini、Gemini、GPT-5.2、GPT-5.5、GPT。排序官程明昊把 GPT-5.5 放在最上方并判断为“夯”，但揭晓时这张牌的身份是“顶级”，主持人因此说“第一个就错了”，这一轮最终“圆满失败”。
• 写“夯”的嘉宾选的是 GPT，理由直白：“GPT 付我钱了呀，每个月按时给我打钱”，且“我们公司所有人都用 GPT”。
• 董萌给 GPT-5.2 排 NPC，理由是它存在时间太短：“我自己现在都不记得它发生了什么事了。”
• Gemini 的判断分歧最大：吴月忻给它人上人，理由是“御三家永远都是第三家，那只能是它了”；周奕超则给出“拉完了”：“在美国还有哪个模型比它更差的？”他还说，“最拉的是不被人记住。”

2. 薪资：Meta TBD 全场夯，quant 工作也可能被波及

• “Meta TBD”被排序官放到最上方，揭晓后主持人称其为“公认的”。Robinhood 被排为顶级；Amazon 和 Google 处于较低位置，Google 被填写者特意限定为“Google 非 DeepMind 的那部分”。
• 这一轮的正经落点是薪资正在两极分化：不做 AI 的厂商，工资以后的增长可能不会那么多，因为 AI 替代了部分工作；AI 研究员的工资则比之前多得多。
• 更进一步的推演是，最近有很多人从“矿子”转到 AI 赛道，可能以后很多“矿子”的工作也会不存在。如果模型能做 auto research，“它也能做矿的 research，而且可能会做得比人要好很多”。

3. Job security 全对的一轮：Apple 夯、XAI 拉完了、OpenAI“悄悄地就不见了”

• 吴月忻排序全对：Apple 夯、Google 顶级、OpenAI 人上人、Meta NPC、XAI 拉完了。排序时主持人曾以“唯一没有裁过员”的 Apple 作判断依据，但随后一位嘉宾指出：“Apple 其实也是裁员的。”
• XAI 的理由零犹豫：“砍人砍太多了”；另一句概括是“遇事不决，先 ban 它”。
• 写 OpenAI 人上人的解释是全场最扎心的自嘲：“感觉没有什么大规模的动荡，但是大家都是悄悄地就不见了。”
• 由此引出 AI 取代工作的分歧：一位嘉宾认为时间尺度在“五到十年”，是缓慢但“实实在在发生”的过程，后果是“劳资之间的平衡又会向资方倾斜”；另一位认为“人类的灵感可能永远没有办法被取代”，确定性较低的事情仍有差异；王森则以自身为例——工作还在，但“工作内容、工作性质已经大幅度地变化了”。

4. Work-life balance 与技能排序：可验证的工作先被覆盖，empathy 是夯

• WLB 一题只有 XAI 被排对。王森解释自己原本想把现在的 OpenAI 和 Anthropic归入“这一代的拉完了”，为避免撞车才改写 Netflix；他听说 Netflix “famous for the benefits”，很 chill。
• 收尾反思是：过去两百年自动化一直试图让人做更多工作、换取更多自己的时间，但回看历史，“我们确实在干更多的工作，却并没有实现更多自己的时间”。
• 技能题王森排序全对：empathy 夯、身体健康顶级、做饭人上人、Photoshop NPC、coding 拉完了。核心逻辑是 coding “非常可验证”，写好测试就可以验证；Photoshop 有审美因素，较难验证。
• 程明昊认为人与人的关系肯定不会被取代，但 communication 未必是真正的 skill；他还说自己有时“不如跟我的猫豆多聊一聊”，因为猫可能理解得更快。主持人问“empathy 什么意思”并由程明昊回答“共情”，随后以 coding model 的口吻开玩笑说他连“不需要验证”的东西都不懂。身体健康顶级的注脚来自另一位嘉宾：“我感觉我们公司招人主要看身体好。”

5. 湾区周末观：上班是顶级，GPT-5.5 Pro 证出三十年前的猜想

• 周末活动揭晓：下赛道夯；hiking 分列人上人和 NPC；摘樱桃拉完了；上班顶级。湾区往北有 Sonoma 的 track，往南开一个半小时有 Laguna Seca。
• hiking 被称为湾区“三大俗”之一，滑雪可以夯、摘樱桃拉完了、爬山则是 NPC。关于摘樱桃，现场还打趣说“不劳动才是真正的享乐”，如果只是吃樱桃就该是夯。
• 程明昊说，周一到周五做的是不得不做的事，周末则可以“上自己想上的班”，并表示每天都要加班。随后一位嘉宾说自己从不觉得在加班，认为“一个人不应该因为自己喜欢工作而感到羞耻”。
• 另一位嘉宾希望生活中始终有一部分属于自己；还有嘉宾说，愿意周末用 AI 做 side project，把之前很难、甚至不可能做到的事情变得可能。
• 一位嘉宾分享：自己的牌友在读博时想过一个概率论 open conjecture，那已是三十年前的事；最近把问题发给 GPT-5.5 Pro，模型“然后就证出来了”。朋友们交叉验证后认为结果正确，最近已经在发第二版——这被评为“比较夯的周末活动”。

6. 在 OpenAI 的体感：提前看到未来的特权，与“AI 没有泡沫”

• 多位嘉宾谈到 talent density 与祛魅并存：同事都很聪明、对工作有激情；一位嘉宾说，进入 frontier lab 后发现许多看似深刻的东西本质上很朴素，很多时候只是人先觉得事情很难，再说服自己不要做。另一个重要收获是“把简单的事情做好、做对、做得靠谱”。印象最深的画面是 offsite 大巴——“我坐过最吵的大巴”，因为每个人都在讨论自己想做的事情。
• 一位嘉宾指出 frontier lab 的内外部视角存在区隔：内部能看到提前一代的模型，并且比外部更早感知其进步，可能提前看到十天或一个月之外的新变化；这被形容为“这个时代里一种比较特权化的体验”。
• 另一位嘉宾分享自己此前在 fund 做了五年 quant trader，那里大家会 hide secrets，不太愿意分享工作内容；相比之下，OpenAI 相对更 open。
• 泡沫问题的反身性回答是：“AI 肯定没有 bubble……什么叫 bubble？就是大家都不觉得这个东西是 bubble 的时候，它才是 bubble。现在你每天都会遇到有人说 AI bubble，那它怎么可能是 bubble？”
• 快问快答的两个彩蛋：公众对贵司 AI 误解最多的点——“是不是在下一个模型发布之前，上一个模型就会被变笨”；中美 researcher 的差异——“想的不同比想的相同要小很多，大家其实在很多地方的共识是一致的。”