2026.10.01 | AC | LLM | Meta & Gemini: Why Linear Extrapolation Fails

摘要

市场容易把阶段性落后，外推成永久出局。 Meta和谷歌的新进展，正在挑战这种判断。前沿模型进入门槛很高，但大厂之间的领先优势未必牢固。 资金、算力、数据和工程积累，让落后者仍有持续追赶的条件。组织动荡不必然意味着能力衰退，也可能是修复的开始。 关键看调整后能否集中资源、提高执行效率、持续交付。谷歌的追赶能力还来自基础设施的持续改善。 训练与推理效率提升，为反复实验和规模化使用提供支撑。投资判断应关注持续纠错和交付能力。 一代模型的排名，不足以决定一家公司的长期竞争力。

去年，Meta模型落后、团队动荡，扎克伯格花重金招人也被质疑难以改变结局。今年，悲观叙事转向谷歌，甚至出现了重返最先进模型水平的概率已经降到零的判断。现在，Muse Spark、Muse以及刚发布的Gemini 4 Argon，正在让这些结论重新接受检验。

笔者认为，这两轮叙事暴露了同一个问题：市场很容易把一代模型的落后，外推成一家公司的永久失去竞争力；把组织调整中的混乱，外推成组织已经无法修复。前沿模型竞争的门槛很高，但对已经拥有资金、算力和人才基础的大厂，领先优势并没有牢固到足以轻易判定其他人出局。

先看今天：Meta已有修复证据，谷歌重回前沿竞争

4月8日，Meta发布Muse Spark。Artificial Analysis当时的独立评测将其列入前五，显示Meta重新具备参与前沿竞争的能力。当然，Spark在编码和部分智能体任务上仍有差距。对Meta更有意义的，是它用一代新模型证明了此前的落后可以被修复。

后续迭代也在继续。按Artificial Analysis当前相同版本的评测体系，Spark 1.3（max）的综合智能指数为48，Spark 1.2（xhigh）为40。两者推理配置有所不同，但新版本的进展说明，Meta的修复已经从首发模型延伸到持续交付。

进入9月，进展又从模型走向产品。Meta于9月8日推出个人AI智能体Muse，支持在独立应用和WhatsApp中处理任务。根据MarketWatch 9月26日的报道，Muse已连续约一周位居美国苹果App Store榜首。下载热度还需要留存和付费来验证，但这一开局已经表明：Meta的模型能力、产品设计和分发渠道，正在形成实际的产品竞争力。

谷歌的新信号来自9月30日发布的Gemini 4 Argon。Artificial Analysis的评测显示，其综合智能指数为53，与GPT-6 Astra（max）持平；自动化任务得分78%，高于Sonnet 5.5（max）的71%。终端任务得分57%，仍低于Astra的59%。谷歌此前最受质疑的智能体能力出现了明显改善，尽管优势尚未覆盖所有任务。

价格也让这次回归更有分量。Argon优惠期输入和输出报价分别为每百万tokens 2美元、10美元，标准价为4美元、20美元。谷歌重新进入前沿竞争的同时，也在争取客户的实际使用。

不过，token报价不能直接等同于完成任务的费用。Argon在该项评测中平均输出约6.2万tokens，Astra约2.7万；前者优惠期任务费用较低，恢复标准价后则高于Astra。这些数据支持谷歌重新具备竞争力，也提醒我们，模型表现、输出效率和定价需要一起看。

Argon目前仍面向部分用户开放，公开使用表现和持续迭代还需要观察。现有证据已经足以说明，谷歌重新进入了前沿竞争。当然，把它概括为全面翻盘还早。

回到当时：悲观判断如何一步步走向出局结论

Meta在2025年面对的质疑，首先来自研究圈。4月7日，模型研究员Nathan Lambert在Interconnects评论Llama 4时，直接问Meta是否按下了恐慌按钮。他认为，Llama已失去开源标准的地位，而在持续的组织问题之下，要夺回这一位置十分艰难。

随后，扎克伯格大规模挖人、重建AI团队，组织能否磨合成为新的焦点。WIRED在当年8月报道，新超级智能实验室成立仅约两个月，已有至少三名研究员离开，其中两人在Meta停留不足一个月后回到OpenAI。

在6月30日新实验室宣布成立时，Bindu Reddy就在X上判断，Meta看起来落后最先进模型约一年，并写道：

“Even a multi-billion reorg may not save them”

即使投入数十亿美元重组，也未必能救得了它。

更有分量的质疑来自图灵奖得主、Meta前首席AI科学家Yann LeCun。2025年11月，他宣布将离职创业；2026年1月2日刊出的《金融时报》访谈中，他称新任AI负责人Alexandr Wang缺乏研究管理经验，并预言：

“A lot of people have left, a lot of people who haven’t yet left will leave.”

很多人已经离开，很多尚未离开的人也会离开。

从外部研究者对Llama的失望，到前首席科学家对新管理层的质疑，Meta当时面对的悲观叙事已经超出一代模型表现：旧团队失去信任，新负责人能否带领研究员，重金招来的人又能否留下，都受到怀疑。

这些材料说明，当时对Meta的质疑确实深入到了组织和人才层面。Spark和Muse所证明的，是Meta仍能重建模型与产品竞争力；把上述问题进一步推导成公司已经失去修复能力，才是笔者要讨论的外推。

到了2026年8月7日，SemiAnalysis对谷歌的判断更为绝对。在《Gemini is Cooked but GCP is Cooking》中，它将人员流失、算力分配问题和组织文化联系起来，并写道：

“their odds of reaching SOTA again have dropped to zero.”

谷歌再次达到最先进模型水平的概率，已经降到零。

这就是“Gemini已死”最值得讨论的地方。对当期差距、人才流失和组织效率的担忧，可以是准确的；从这些事实推导出未来追赶概率为零，却是一个强得多的结论。Argon的出现，首先冲击的就是这种永久退出前沿竞争的判断。

真正被低估的，是把组织和工程重新做对的能力

这一轮模型竞争，当然存在很难的研究问题，也依赖优秀的技术判断。但能够把一代模型做出来、稳定提升并交付给用户，包含大量可以拆解、验证和反复改进的工作：数据质量、实验设计、训练稳定性、评测体系，以及研究结果能否顺利进入产品。

姚顺宇在张小珺2026年5月发布的访谈中，对这件事讲得很直接：“AI个人英雄主义时代已经过去了”。他强调可靠、细致和对工作负责，也谈到Anthropic明确决策、迅速推进的执行方式。

这段访谈的启发是，前沿模型能力要通过一整套组织系统生产出来。顶尖研究员很重要，但人才名单本身解释不了全部结果。技术方向由谁决定，决定之后资源能不能集中，实验出了问题谁负责，以及团队能否快速知道自己哪里做错了，这些同样决定模型最终表现。

这也解释了为什么一家大厂落后以后，仍然可能追回来。资金和算力给它持续试错的条件，人才市场给它重新组队的机会，而清晰的目标和责任机制，才把这些投入转化成有效进展。追赶所需要的，往往包括把已经知道重要的事情认真做好，把训练、评测和交付中的问题逐一解决。

Meta的变化提供了一个具体例子。公司在Spark发布时披露，团队用了约九个月重建底层技术体系，涉及模型架构、优化方法和数据。虽然这是公司的自述，但独立评测提供了结果端的验证。把这段过程全部解释为花钱挖人，遗漏了新团队到位之后真正发生的工程重建。

市场线性外推最容易漏掉的，恰恰是公司的反应。模型落后，会促使管理层换人、改目标、调整算力分配、重建技术路线。失败本身会推动组织改变。用旧组织的表现，预测改变后的组织必然继续失败，相当于假设管理层面对危机什么也不会做。

人员离开，也可能是组织修复的一部分

谷歌的争论尤其典型。很多观察首先关注的是名气最大的研究者是否离开，然后据此判断公司的技术能力还剩多少。这个方法直观，却容易把历史贡献和当前职责混在一起。

笔者的渠道调研显示，部分资深研究者如Jeff Dean虽然对Google AI有重大历史贡献，但过去一两年已经逐渐远离Gemini前沿模型的日常执行；管理职责进一步集中，可能有利于后续推进。随着Koray Kavukcuoglu承担日常经营和执行职责，新的组织安排更值得观察的是决策和资源能否围绕下一代模型集中。

对于Jeff Dean等人的离开，应该追问的是：他们当时具体负责什么，原来的职责由谁接手，关键项目有没有因此停摆，新的技术负责人是否拥有足够的决策权。把新闻里的名字逐一减掉，就得出组织能力必然等比例下降，过于简单。

优秀科学家对长期基础研究、AI for Science或创业产生兴趣，完全可以理解。一个追求长期科学突破的组织，和一个必须在明确时间内交付下一代模型的团队，目标和工作方式会有所不同。对企业而言，让负责人、资源配置和当前目标重新匹配，可能比保留所有知名人物更重要。

因此，人员流失既可能暴露问题，也可能伴随修复。判断依据应当落到调整后能否稳定交付、实验效率是否改善、关键岗位是否补齐。离开本身无法自动给出答案。

谷歌的基础设施能力也在改善。公司在2025年第四季度业绩说明中披露，通过模型优化、效率和利用率提升，2025年Gemini单位服务成本下降了78%。2026年4月发布的第八代TPU，又分别针对训练和推理优化，并改进网络与数据传输。

笔者认为，这些积累使大厂有条件持续追赶。训练集群、网络、软件和部署经验不会随着一代模型失利而消失；基础设施效率提高，同样的预算就有机会支持更多实验和更大规模的使用。组织调整决定资源如何投入，工程体系决定投入能否有效执行，两者共同影响下一代模型。一次延期或失败，并不足以把这套能力归零。

进入门槛很高，不代表领先位置不可挑战

回到最初的问题：前沿模型的壁垒到底深不深？笔者认为，需要区分进入这个行业的门槛，以及已经进入的几家大厂之间，领先优势能维持多久。前者很高，后者仍然存在很大的竞争空间。

对普通公司而言，凑齐算力、资金、数据能力和成熟团队非常困难。但对Meta、谷歌这样的参与者，关键变量已经变成能否有效组织现有资源。它们不会因为一代模型失败，就失去所有基础设施、工程积累和招募能力。它们还有时间纠错，也有条件把成功方法扩大。

因此，笔者认同有资源的大厂始终有机会追赶，但不会把它进一步写成有钱就一定追得上。数据要转化成有效训练信号，算力要落实到正确实验，人才要在同一目标下协作。能把这些事情持续做对，本身就是稀缺能力。

Muse还提示了另一个容易被忽视的事实：公司不必等到模型在所有榜单上第一，才有机会做出受欢迎的产品。当能力跨过实用门槛，产品体验、场景和分发会开始影响结果。对拥有庞大用户渠道的公司，模型差距缩小之后，产品竞争力可能释放得比市场预想更快。

这对投资判断的影响很直接。一代模型领先，可以支撑当期的竞争优势，却不足以自动推导出长期垄断；一代模型落后，也不足以把一家资源充足、仍在认真修复的大厂价值归零。笔者更关注的是，公司能否连续交付更好的模型，能否把投入转化成真实使用，以及组织是否具备持续纠错的能力。

去年对Meta的悲观，今年对Gemini的悲观，未必错在发现了问题。真正容易出错的，是看到了问题以后，过早认定问题不会被解决。模型排名是一张不断更新的成绩单。一家公司的竞争力，还包括它拿到不及格成绩之后，能不能重新把事情做对。

#

本文基于公开资料及笔者个人研究整理，仅供交流参考，不构成任何投资建议