最近我发现一个很有意思的现象：越来越多人开始关注大模型的“智商”。每当新模型发布，大家都会讨论它的能力提升了多少、排行榜上升了几位，甚至有人会因为模型更新后某些任务表现不如预期，就认为它被“降智”了。
在实际使用中，也有人习惯性地选择最强模型，把推理强度开到最高，仿佛这样就能获得最好的结果。但我一直觉得，我们可能把注意力放错了地方。使用 AI 的目的究竟是什么？是追求一个智商更高的模型，还是以更合理的成本、更短的时间，完成一项符合预期的任务？
这两者并不是一回事。
一、追求最强模型，有时候是一种偷懒
我认为，很多人习惯性地追求最强模型，背后其实隐藏着一种心理：自己不知道怎么解决问题，所以希望把问题交给一个足够强大的 AI。
当一个人不知道如何定义任务、怎样拆解问题，也不知道如何判断结果是否正确时，选择最强模型似乎就成了最安全的决定。毕竟，已经用了最好的模型，也开启了最高推理强度，如果最后还是做不好，好像就不再是自己的问题。
这其实是一种对判断责任的转移。
当然，我并不是说使用最强模型就是偷懒。面对陌生领域和复杂问题，借助更强的模型探索未知完全合理。真正值得警惕的是，我们是否把模型能力当成了自己不需要理解问题、不需要作出判断的理由。
AI 可以帮助我们完成任务，但任务本身应该如何定义、结果应该达到什么标准，这些问题并不会因为模型升级而自动消失。尤其是在缺乏明确目标的情况下，模型可能非常高效地完成了一件并不值得做的事情。
二、成本、时间和质量，才是任务完成的衡量标准
假设现在有两个人需要完成同一项任务。
第一个人使用最强模型，花了 10 美元。第二个人通过任务拆解、Harness 和不同模型的组合，只花了 1 美元，而且最终交付的质量相当。
从 AI 使用能力的角度来看，第二个人可能更懂得如何组织模型、工具和工作流。但站在任务完成的角度，两个人未必有什么本质区别，因为这里还缺少一个重要变量：时间。
假如第一个人只用了 5 分钟，第二个人却花了两个小时，那么使用更昂贵的模型反而可能是更经济的选择。特别是当人的时间成本远高于模型费用时，为了节省几美元而投入大量精力优化工作流，并不一定划算。
但反过来，如果两种方案的完成时间和质量相近，成本却相差十倍，那么在长期使用和大规模任务执行中，这种差距就会被不断放大。
假如你是一家公司的老板，同样的工作，一个员工长期花费另一个员工十倍的模型成本，却没有带来相应的效率或者质量提升，你显然需要重新评估这种工作方式。
因此，我认为衡量 AI 的实际价值，至少应该关注三个维度：成本、时间和质量。 其中，成本不仅包括 Token 费用，还应该考虑人工投入、工具费用和返工成本；时间也不只是模型生成答案的速度，而是从任务开始到最终验收的完整周期。
我们真正需要优化的，是整个任务的完成效率，而不是某一次模型调用的表现。
三、推理强度应该由任务决定
还有一个值得讨论的问题，就是很多人习惯把推理强度和模型智商联系起来，认为思考时间越长、推理过程越复杂，模型就越有能力。
我们可以借用认知心理学中系统一和系统二的概念来理解这个问题。系统一倾向于快速、直觉式的判断，系统二则需要投入更多认知资源进行缓慢、审慎的思考。当然，大模型的推理机制与人类认知并不相同，这里只是一个类比。
对于经验丰富的人来说，熟悉的问题往往不需要反复推敲就能作出准确判断。而面对复杂、陌生或者高风险的问题，则可能需要更充分的分析。
AI 的推理资源也应该根据任务进行分配。例如，信息分类、格式转换、简单代码修改等任务，通常没有必要投入大量推理预算；而复杂的软件架构设计、数学推导或者多步骤问题分析，则可能从更充分的推理中受益。
但增加推理强度并不保证结果持续改善。有些任务投入更多计算资源后，质量提升有限，甚至可能因为引入额外假设而产生错误。
推理强度本质上是一种可以调节的计算资源，重要的不是使用多少，而是投入之后能否带来值得付出成本的质量提升。
四、Harness 的价值，是降低对模型临场发挥的依赖
最近我一直在思考 Harness 的价值。
在我看来，Harness 并不只是给模型增加提示词、知识库或者工具，而是通过任务组织、知识经验、上下文管理、执行约束和结果验证，让 AI 能够按照一套相对稳定的方法完成工作。
这也是为什么我认为，我们不应该总是纠结于模型有没有“降智”。
假设一个模型在更新后，某项任务的表现下降了。我们当然可以切换模型，但如果整个系统只能依靠某个模型每次都表现出色才能正常工作，那么这个系统本身就存在脆弱性。
我们能不能通过更明确的任务定义，减少模型对需求的误解？能不能把复杂任务拆解成更容易执行和验证的步骤？能不能把已有的知识、经验和方法论沉淀下来，而不是让模型每次都从头探索？又能不能建立测试和反馈机制，让错误尽早暴露，而不是等到最终交付时才发现？
我认为，这些才是 Harness 真正值得投入的地方。
当然，Harness 并不能凭空弥补所有模型能力上的不足，也不意味着我们可以完全忽视模型的进步。但它能够把原本依赖模型单次发挥的任务，逐步转变为具有明确流程、约束和反馈机制的工作系统。
这背后还有一个重要变化：我们不再只是向 AI 提问，而是开始把自己的知识、经验和判断标准转化成能够持续复用的能力。
对于长期运行的 Agent 系统来说，这种能力尤其重要。因为我们追求的不是某一次任务表现惊艳，而是在成百上千次任务中，仍然能够保持可接受的质量、成本和稳定性。
五、从组织管理的角度理解 AI
我觉得还可以从人类组织管理的角度来理解这件事情。
假设你是一家公司的老板，手下有一个非常优秀、能力很强的员工。你当然愿意给他更多自主权，让他独立处理复杂问题，但这是否意味着你可以完全不关心他的工作过程和结果？
显然不是。
作为管理者，你仍然需要明确目标、分配资源、制定验收标准，并对关键成果进行审查。一个优秀员工的价值，是能够减少你对具体执行过程的干预，让你把精力放在更重要的决策上，而不是让整个组织失去必要的管理机制。
我认为 AI 也是如此。
随着 Agent 能力不断提升，我们确实可以把越来越多的工作委托给 AI，但这并不意味着人可以完全退出工作流。相反，人需要从具体执行者逐渐转变为任务的定义者、资源的组织者和结果的判断者。
而且，不同任务需要不同程度的监督。对于结果容易验证、错误成本较低的任务，我们可以赋予 Agent 更高的自主权；对于涉及重大决策、资金、法律或者其他高风险事项的任务，则需要设置更明确的权限边界和人工审核机制。
能力越强，可以委托的事情越多，但最终责任不会因此自动消失。
这也是为什么我认为，AI 时代的一个重要能力，不只是学会使用工具，而是学会如何管理由人、模型、知识和工具共同组成的工作系统。
六、从使用智能，到组织智能
过去几年，大家的注意力更多集中在模型本身：哪个模型最强、哪个模型推理能力最好、哪个模型能够完成更复杂的任务。这些讨论当然有价值，因为模型能力的进步不断拓展着 AI 能够解决的问题边界。
但对于真正需要长期使用 AI 的个人和组织来说，仅仅关注模型能力已经不够了。
我们需要进一步思考，如何根据任务选择合适的模型，如何分配推理资源，如何把知识和经验沉淀为 Harness，以及如何通过反馈和验证持续改善整个系统。
我觉得，这代表着一种重要的转变：从使用智能，到组织智能。
未来真正有竞争力的人，未必是最熟悉模型排行榜的人，也未必是每次都使用最昂贵模型的人，而是那些能够理解问题、组织资源、建立方法，并持续交付可靠结果的人。
所以，我并不反对使用最强模型，也不反对在必要的时候投入更多推理资源。我反对的是，把模型能力当作逃避思考的理由，把技术配置当作任务成功的保证。
AI 能够帮助我们减少大量重复劳动，甚至承担越来越复杂的工作，但我们依然需要知道自己在解决什么问题，为什么要这样解决，以及如何判断最终结果是否值得接受。
模型能力的提升，应该让我们有更多精力思考真正重要的问题，而不是让我们逐渐放弃思考。