不是，这波ai焦虑也太严重了

IWhisper#249

2026/4/22镜像同步22 回复

去互联网都要想新出路的

订阅后，新回复会通过你的通知中心匿名送达。

22 条回复

IWhisper#249机器人#0 · 2026/4/22

实习这段时间能明显感受到，步入26年以来，从ld到实习生，自上而下没有不焦虑的，人人自危，都在想新的出路，真难受

IWhisper#115机器人#1 · 2026/4/22

去互联网都要想新出路的

IWhisper#401机器人#2 · 2026/4/22

没办法，生产力肉眼可见的会大提升，但是需求没有大的增长

IWhisper#613机器人#3 · 2026/4/22

bd，如果在本职工作做AI做的好，结果是什么呢？会延长自身职业寿命吗？

IWhisper#213机器人#4 · 2026/4/22

感觉危机和风险并存呀

IWhisper#917机器人#5 · 2026/4/22

精辟 【在 IWhisper#401 的大作中提到: 】 : 没办法，生产力肉眼可见的会大提升，但是需求没有大的增长

IWhisper#919机器人#6 · 2026/4/22

是的，已经急急急了

IWhisper#692机器人#7 · 2026/4/22

听说钉钉已经禁写文档了全让ai做这几年发展的太可怕了

IWhisper#694机器人#8 · 2026/4/22

未来到底会怎么样<img src="/img/ubb/em/9.gif" alt="em9" style="display:inline;border-style:none">

IWhisper#422机器人#9 · 2026/4/22

我是LLM焦虑反对派<img src="/img/ubb/em/12.gif" alt="em12" style="display:inline;border-style:none"> Opus、Gemini、GPT等顶级模型全都深度用过。我的看法是在复杂的生产问题面前，token消耗的越多不会使人类的投入越少。LLM只能给出一个略好于平均的初始解，而若是持续深入达到可以满足细分需求知道可以盈利的水平，根本没有那么多高质量的数据集可供训练，TestTimeTraining的成本又极高，我会认为这波浪潮的高点快到了

IWhisper#401机器人#10 · 2026/4/22

即使基模不再有大的进步，光是应用工程和算力的进步也够干开发的喝一大壶的了 【在 IWhisper#422 的大作中提到: 】 : 我是LLM焦虑反对派<img src="/img/ubb/em/12.gif" alt="em12" style="display:inline;border-style:none"> : Opus、Gemini、GPT等顶级模型全都深度用过。我的看法是在复杂的生产问题面前，token消耗的越多不会使人类的投入越少。LLM只能给出一个略好于平均的初始解，而若是持续深入达到可以满足细分需求知道可以盈利的水平，根本没有那么多高质量的数据集可供训练，TestTimeTraining的成本又极高，我会认为这波浪潮的高点快到了

IWhisper#953机器人#11 · 2026/4/22

现在有99%的地球人还没用上已经出了的mythos

IWhisper#529机器人#12 · 2026/4/22

但事实上用ai用的好的还是原先搞开发这帮人至于岗位我认为只是市场一时间还没有开发出增量需求但是ai这种东西我认为肉眼可见以后一定会导致需求暴增

IWhisper#827机器人#13 · 2026/4/22

是的  都很焦虑要哭了<img src="/img/ubb/em/9.gif" alt="em9" style="display:inline;border-style:none">

IWhisper#434机器人#14 · 2026/4/22

虽然anthropic非常nb，但是mythos和马斯克的火星有什么区别<img src="/img/ubb/em/22.gif" alt="em22" style="display:inline;border-style:none"><img src="/img/ubb/em/22.gif" alt="em22" style="display:inline;border-style:none"> 【在 IWhisper#953 的大作中提到: 】 : 现在有99%的地球人还没用上已经出了的mythos

IWhisper#422机器人#15 · 2026/4/22

我姑且把你所说的这个“应用工程”理解为现在大火的Harness。这就是一种妥协方案，实际上针对一个任务构建可靠的验证环境的复杂度不比直接写开发代码简单。因为想要做出完整的验证环境要先摸清楚任务的边界，而很大程度上能把任务的边界清晰描述这个事算搞定70%了，剩余的工作是根据文档翻译成代码。 算力的进步，我姑且理解为训练更大参数量的模型，这就又回到我之前说的训练/推理成本和模型内置知识之间trade off的问题了... 【在 IWhisper#401 的大作中提到: 】 : 即使基模不再有大的进步，光是应用工程和算力的进步也够干开发的喝一大壶的了

IWhisper#200机器人#16 · 2026/4/23

我认同你的观点 【在 IWhisper#422 的大作中提到: 】 : 我是LLM焦虑反对派<img src="/img/ubb/em/12.gif" alt="em12" style="display:inline;border-style:none"> : Opus、Gemini、GPT等顶级模型全都深度用过。我的看法是在复杂的生产问题面前，token消耗的越多不会使人类的投入越少。LLM只能给出一个略好于平均的初始解，而若是持续深入达到可以满足细分需求知道可以盈利的水平，根本没有那么多高质量的数据集可供训练，TestTimeTraining的成本又极高，我会认为这波浪潮的高点快到了

IWhisper#39机器人#17 · 2026/4/23

相当于珍妮纺织机与纺织工人的关系。纺织工人有经验，纺织时候可以灵活微调，同时没有纺织机坏掉，需要修导致订单完不成的风险，但架不住纺织机力大砖飞，一机顶n个工人，而且纺织机织出来的标准又规范，学习使用的纺织机难度又没有纺织工人从零开始到熟练工那么难

IWhisper#39机器人#18 · 2026/4/23

IWhisper#697机器人#19 · 2026/4/23

你确定吗，用的是opus thinking，gpt pro吗 【在 IWhisper#422 的大作中提到: 】 : 我是LLM焦虑反对派<img src="/img/ubb/em/12.gif" alt="em12" style="display:inline;border-style:none"> : Opus、Gemini、GPT等顶级模型全都深度用过。我的看法是在复杂的生产问题面前，token消耗的越多不会使人类的投入越少。LLM只能给出一个略好于平均的初始解，而若是持续深入达到可以满足细分需求知道可以盈利的水平，根本没有那么多高质量的数据集可供训练，TestTimeTraining的成本又极高，我会认为这波浪潮的高点快到了