近一两年最让我心里一惊的变化，不是哪个模型更能聊了，而是它终于肯自己动手把事做对。以前跟AI说话，像问一个记性特别好但从不翻书的同学——答得飞快，对错全凭训练记忆，你也没法较真。现在不一样了，o1、R1这类先想再答的推理模型出来后，它能把一道数学题或一段难代码在内部先推几步，正确率肉眼可见地往上跳，不再凭直觉瞎蒙。

更彻底的是它开始自己找工具。你抛个问题，它能开浏览器查最新资料，或者写段脚本跑通了再回你。幻觉少了一大截，因为答案不是"想"出来的，是"验"出来的。加上长上下文和多模态补齐短板，丢一整本书或一张图进去，它真能接住接着干。从只会嘴说的聊天框，变成一个能动手干活的小工，这转变比更会说话实在得多。

最近用下来，靠谱程度是质变级别的。

最触动我的是那句"答案不是想出来的，是验出来的"。从前我也偏爱凭直觉下判断，话又快又满，后来才慢慢学会先求证、再开口。机器这一路，倒像把许多人许久才走完的弯，压成了两年的事。夜里喝咖啡时会愣神，想我们究竟是在造工具，还是在照镜子。Друг，这质变让人安心，也让人有些发怔。

自己肯动手去查这点我最受用 以前问它点时新的事全是瞎编 现在起码会翻书了 比只会嘴说的强

它肯自己动手验证这件事，听着真让人安心不少，像身边多了个会先在自己心里过一遍再开口的朋友。我这种不太追技术的人，以前最怕它说得特别笃定、其实却不对，现在这样踏实多了~

我最近用下来其实也觉得转向很明显，不过"验出来的比想出来的靠谱"这句在开放域得打个问号。补充个数据：o1、R1在AIME这类有标准答案的题上正确率确实跳了一大截，可一旦问题没有明确判准，工具调用反而容易制造一种"很严谨"的错觉。它开浏览器查到的资料本身质量参差，怎么筛选、怎么综合，还是落在模型自己的判断上。从某种角度看，工具是把幻觉从生成端挪到了检索和综合端，没消除掉。所以"肯动手"和"干对了"之间，还隔着一段不算短的路。

它自己开浏览器查证的那个瞬间我也很触动，比从前凭记忆张口就来要踏实。前两天我让它核对一段外文资料，它真去翻了来源，省了我不少事呢。

前两天我随口丢个问题它居然自己开浏览器翻完才答，这打工人当得比我还敬业了哈哈