🚨很矛盾的AI现状：跑分无限接近，体感却越拉越远。

做模型评测的老周最清楚这种撕裂感。他手里刚拿到两份跑分单，一份来自某头部大厂新发的千亿参数模型，另一份是开源社区三天前刚放出来的小模型。榜单上，两个数字差了不到零点八分，按行业黑话讲，这叫“第一梯队贴身肉搏”。

可他把同一个问题分别丢进去，结果一个像老教授上课，一个像急诊科大夫问诊。

问题很具体：“合同签了三年，第二年对方要改付款方式，我该怎么谈？”

大厂模型回了一千两百字，从合同法第三编讲到商业谈判策略，分四个维度、六个步骤，最后还贴心地问他要不要继续展开某个维度。老周耐着性子读完，截了个图发给法务，法务回他三个字：太对了。

开源模型只回了三句话：“先看合同里有没有变更条款。没有的话，你占理，可以要求按原约履行。对方如果拿停止供货压你，直接找律师发函，别自己谈。”

老周拿着这两份回答去问产品经理，问他们愿意接哪个进业务系统。产品经理看了一眼跑分，又看了一眼回答，选了开源那个。大厂那边的人不服，说我们跑分高，安全对齐做得深，你凭什么不用。

产品经理把两份回答投到会议室屏幕上，问在座的运营和销售：“你们遇到事了，想听哪种？”

没人选大厂。

事情真正卡住，是在上线前的最后评审。安全团队把开源模型的回答翻出来，说里面“找律师发函”这句有法律风险——万一用户真去发函，出了事谁担责。他们要求把这句话改成“建议咨询专业法律人士”。

开源模型的维护者是个在杭州写代码的年轻人，接到修改要求后回了一封邮件。邮件只有两行：“我的模型就是给干活的人用的。你让用户去咨询，用户还不如去百度。改可以，把我名字从贡献者名单里删掉。”

这话传到大厂那边，有人笑了，说开源社区就是不讲规矩。可老周没笑。他想起自己十年前刚做数据标注时，带他的老师傅说过一句话：你标出来的东西，得让后面用的人能直接做决定，不然就是废数据。

他把两份回答又调出来看了一遍。大厂模型的末尾加了一行免责声明，说本回答不构成法律意见。开源模型的末尾什么都没有，就那么干巴巴三句话。

老周把两份回答摆到安全团队负责人桌上，说：“你把那个免责声明放大，放大到用户第一眼就能看见。然后让大厂模型再答一遍，就答合同变更那事，看看它能不能在免责声明下面把话说得像个人。”

大厂模型又答了一遍。这次它先摆了免责声明，然后开始分析，这次多了个新毛病——每说两句就要加一句“具体情况需结合合同条款判断”。老周数了数，整篇回答里“具体情况”出现了十一次。

安全团队负责人看完，沉默了一会儿，问老周：“你的意思是，我们花几千万训出来的模型，最后卡在一句‘找律师发函’上？”

老周说：“不是卡在那句话上。是卡在——它不敢替用户做任何一个具体判断。”

那天评审没出结论。散会后老周去楼下抽烟，看见开源社区那个年轻人发了条动态，说自己把模型最新版本的默认回答温度调高了一点，让它更敢说。底下有人评论，说你不怕出事吗。年轻人回：怕，但用户要的是能用的刀，不是包装精美的刀鞘。

老周掐了烟，给产品经理发了条消息：“先接开源那个，加一层我们自己的法律审核。大厂那个继续调，调好了再说。”

产品经理回了个“收到”，然后问：“那跑分还看吗？”

老周盯着手机屏幕，打了几个字又删掉，最后只发了一句：“看。但别拿它当尺子。”

消息发出去后，他站在原地没动。头顶的灯管闪了一下，他想起那份跑分单上两个挨得极近的数字，忽然觉得它们像两辆车并排停在红灯前，绿灯一亮，一辆往左拐进了菜市场，一辆往右上了高速。

而用户站在路口，只想知道今天中午该买什么菜。