大模型这五年，翻篇靠的是换训练目标

GPT、对话助手、推理模型、agent——新闻里它们像四次不同的革命。一位从业者的看法更简单：变来变去只换了一样东西，训练模型去干什么。

一、发生了什么

在 Deep Cogito 做后训练的工程师 Gupta 10 月发文梳理这条线（本文转述其框架）。第一幕，2018 到 2020 年，目标是预测下一个词：从一亿多参数的小模型在几千本书上练起，到千亿参数版本不再需要微调，模型学会了语言本身，但只会「接话」不会「回答」，你问烤面包它可能续写五个新问题。第二幕，2022 年，目标变成当有用助手：人类示范、人类排序、再用强化学习对齐偏好，结果十三亿参数的小助手在评分上赢了百倍大的裸模型，这条路造出了 ChatGPT。第三幕，目标换成先想后答：数学和代码的答案能自动判对错，给了强化学习免费的裁判，推理模型由此出现，还打开了答题时多花算力的新维度。第四幕至今，目标是动手干到完成：查资料、跑代码、改文件，交付物从一句话变成一件完成的事。作者引用的最新数据是：编程终端类基准的成功率一年间从两成涨到七成以上，可完成任务时长每四个月左右翻一番；但也有模型能答对博士级科学题、却读不明白一个模拟时钟指针，短板依旧参差。

二、跟你有什么关系

如果你在选型，这条主线提醒你先问供应商：你的模型在哪个目标上训练最重？擅长闲聊的底子和擅长干活的底子不是一回事。如果你在学习 AI，别再追每个新名词，看它属于哪一幕，判断它解决了什么旧痛点，名词会过时，这条主线不会。如果你做内容创作，注意长文写作至今是短板——它还没有一个像数学那样便宜又客观的裁判，短期内也未必会有。

三、怎么判断

1. 判断成熟度：终端任务成功率从两成涨到七成多，是真实可用的信号；但五成可靠性意味着演示，九成五才算同事，问清楚数字出自谁家评测、任务有多长、重试了几次。
2. 判断瓶颈：作者认为下一步在记忆和评分标准——模型至今每个任务都从零开始，模糊任务的「好答案长什么样」还没有好办法写进数据，这恰是目前最难补的短板。
3. 判断趋势：每一幕都没淘汰前一幕，今天的 agent 骨子里仍是预测下一个词的模型，旧的短板照样会漏出来。作者的原话值得记：进步的真正引擎，是设计出编码了正确目标的数据。

四、三个别信的说法

「参数规模决定一切。」 十三亿参数打过一千七百亿的案例说明，目标函数选对，小模型照样翻盘。规模是前提，不是答案。

「AI 已经会自己进步了。」 下一幕被作者寄望于「边干活边学习」，但今天的模型仍然每个任务清零重来，这条还没实现。

「新模型发布就是革命。」 每次跃迁背后是数据集和奖励的设计变了，多数发布只是同一幕里的常规迭代，学会区分能省下大量焦虑。

五、一句话结论

五年四幕剧，导演从来都是同一个问题：这次我们训练它干什么。

信息来源

• HackerNoon 的演进分析原文，2026 年 10 月 25 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 26 日。