Model Is Good Enough：2026 年，AI 真正稀缺的是应用而不是更大的模型

最近重新翻到 LiMu 在 SJTU 的一次讲座草稿，我印象最深的不是某个参数规模，也不是某个模型排行榜，而是一句简单的判断：Model is good enough.

这句话当然不是说模型研究结束了，更不是说底层能力不再重要。它真正刺中的，是另一个更不舒服的事实：对绝大多数研究者、创业者和应用团队来说，继续把主要注意力押在 Better Model 上，边际回报已经没那么高了。

过去几年，我们最关心的问题是：模型能不能更强？今天真正更稀缺的问题开始变成：这些能力到底该放到哪里去，怎样被组织进真实任务，又怎样沉淀成持续的数据与反馈闭环。

换句话说，2026 年最值得认真思考的，不是模型还会不会继续进步，而是：模型已经够用了之后，我们有没有把它用在真正值得的地方。

它和 The Second Half 在说同一个转折，但关注点不同

在我之前那篇 从 RL Agent 到 LLM Agent：The Second Half 之后的范式转移与不确定性建模 里，我已经写过 Shunyu Yao 那条线的核心判断：当模型、算法与 RL 已经展现出某种泛化能力之后，瓶颈会从 Better Model 转向 Better Evaluation、Better Dataset，以及更接近真实世界的问题定义。

LiMu 这次讲座在我看来说的是同一个时代转折，只是重心更往前推了一步。

• The Second Half 更强调：模型已经强到足以迫使我们重写 benchmark 与 evaluation。
• LiMu 的提醒 更强调：模型已经跨过够用的阈值，接下来更重要的是找到什么应用真正值得做、什么数据真正值得积累、什么 post-training 真正能把能力压向现实问题。

所以二者不是冲突，而是前后相接。评测是桥，应用是目的地。 我们之所以要重写评测，不是为了再造一套更漂亮的 leaderboard，而是为了让模型能力真正迁移到现实场景里。而一旦你把视角继续往前推，就会发现：很多时候，真正定义评测的，恰恰就是应用本身。

这也是我现在越来越强烈的一个感觉：如果说 The Second Half 让我们意识到问题定义比继续刷模型更重要，那么 LiMu 的提醒其实更直接——没有成立的应用，所谓更好的问题定义最后也可能只是另一套研究圈自洽。

为什么 2026 年更该把注意力放在应用

今天的 AI 已经很难再被描述成“不会做事”。它会写代码、会做数学、会分析文档、会搜索资料、会调用工具、会在一批 benchmark 上稳定超过过去的系统。能力当然还在往上走，但“有没有能力”本身已经不是最有信息量的问题了。

真正尴尬的现实是另一面：模型越来越强，并没有自动变成生活和工作方式的同步重构。

我们已经拥有一批强得惊人的模型，但大多数人的日常生活并没有因此被彻底改写。对很多人来说，AI 仍然更多停留在聊天窗口、搜索增强、偶尔写点东西的层次；真正深度嵌入长期工作流和生活组织层的场景，仍然很少。

这不是因为能力不存在，而是因为能力还没有被组织进足够合适的应用界面。

合适这两个字比很多人想得更苛刻。不是每个需求都适合今天的模型，也不是每个看起来有需求的方向都能形成稳定产品。一个场景如果没有足够清晰的任务边界、没有足够稳定的反馈、没有可沉淀的数据回流，那模型再强，也往往只能停留在 demo、试玩和短期惊艳里。

所以我现在更愿意把问题说得更尖锐一点：AI 现在不缺能力，缺的是接口；不缺回答，缺的是被组织进现实的方式。

下一阶段真正稀缺的，不是再多一个比前代 benchmark 强 3 个点的模型，不是再次取得了某某比赛的金牌与leaderboard的第一，而是那些既真实、又稳定、还能持续积累反馈的任务形态。

应用为什么不是商业问题，而是技术问题

应用重要很容易被说成一句偏产品经理口吻的话，好像它只是商业落地、市场选择或用户运营的问题。但如果把这件事放回今天的大模型技术栈里，你会发现它其实是一个非常硬的技术问题。

因为应用并不只是模型能力的出口，它还是后续数据与训练信号的入口。

更准确地说，这里面有一条非常清楚的链条：

1. 应用先定义任务边界。 你到底是在做代码修改、网页操作、医学辅助、实验规划，还是个人事务管理？
2. 任务边界决定能采什么数据。 你能不能拿到轨迹、结果、错误类型、人工修正、长期偏好、环境后果？
3. 数据质量决定 post-training 是否有意义。 如果拿不到稳定反馈，所谓面向场景优化最后往往只剩 Prompt 反复试错（当然目前确实很多应用局限于此，比如大火的Skills已经快变成Prompt黑盒优化了）。
4. 反馈结构决定模型能否持续变得更有用。 即便底模再强，没有清晰 reward proxy、没有可验证结果、没有可复用经验，也很难形成真正的闭环。

这也是为什么我越来越同意草稿里那句很朴素、但其实非常关键的话：pre-train 和 post-train 同等重要；而对大多数普通研究者和应用团队来说，post-training 往往更接近现实杠杆。

pre-train 决定的是一个系统有没有广泛先验、有没有足够通用的基础能力；但 post-train 真正决定的是，这些能力能不能被压进具体场景，变成可重复、可交付、可持续优化的东西。而 post-train 值不值得做、做完有没有用，根本上又取决于应用本身能不能提供稳定高质量的数据。

所以应用不是模型之外的问题。恰恰相反，它越来越像模型能力是否还能继续增长出真实价值的前提条件。

说得再直接一点：没有好的应用，数据闭环就起不来；没有数据闭环，post-training 就很难不沦为局部修修补补；没有 post-training 真的压进场景，模型能力就很难变成社会价值。

两个正在发生的应用样本：Claude Code 与 OpenClaw

如果只在抽象层面谈应用转向，结论很容易显得空。所以这里我想放两个正在发生的样本进来，不是为了做产品比较，而是为了把前面的判断落到现实任务结构上。

Claude Code：为什么 coding agent 是第一批跑通的应用

Anthropic 官方把 Claude Code 定义为一种面向真实开发流程的 agentic coding tool：它不是单纯回答代码问题的聊天模型，而是能够读代码库、编辑文件、运行命令、接入开发工具，并工作在终端、IDE、桌面和网页这些实际开发表面上的系统。再往外一层，Claude Code 官方文档以及 Agent Skills 文档 也已经把 instructions、hooks、MCP、skills 这类机制明确放进了它的能力边界里，说明它的目标从来不是更像聊天，而是更像工作流接口。

这件事非常重要。因为 Claude Code 所代表的，并不是某个模型突然变聪明了，而是一类 agentic coding workflow 已经开始跑通。

它之所以是第一批真正兑现价值的应用，不是偶然的：

• 环境高度数字化。 代码、终端、测试、日志、版本控制，本来就全部存在于机器可读环境中。
• 成败相对可验证。 代码能不能跑、测试过不过、构建成不成功、diff 合不合理，都能给出部分明确反馈。
• 工具链天然存在。 开发流程本来就依赖编辑器、shell、Git、CI、issue tracker；agent 不是平地起楼，而是插进已有基础设施。
• 人类审核位点清楚。 很多任务可以先让 agent 做，再由工程师 review，而不是一开始就把控制权完全交出去。
• 数据回流快。 一次失败的修复、一次被拒绝的 patch、一次通过的测试、一次代码审查意见，都可以很快形成下一轮优化信号。

这也解释了为什么 coding agent 在过去一年里会成为最有说服力的应用前沿之一。它不是因为程序员更愿意尝鲜才成功，而是因为这个任务空间天然符合今天模型的优势：语言理解强、工具使用强、局部规划强、错误可快速暴露、外部反馈密度高。

因此，Claude Code 真正说明的是：一旦任务空间足够数字化、反馈足够清晰、工作流接口足够成熟，今天的大模型已经可以稳定创造价值。

这也是为什么我更愿意把它看成一个应用层信号，而不是单纯的产品信号。Claude Code 的意义不只在于 Anthropic 做出了一款好工具，而在于它证明了：有些场景不是AI 也许能做，而是AI 已经可以被组织成持续生产力。

OpenClaw：为什么个人助理智能体更接近未来，也更难做成

另一边，OpenClaw 代表的则是另一种更诱人的想象。

OpenClaw 官方 GitHub README 将它描述为一个面向个人使用场景的 personal AI assistant。从它公开呈现的方向看，它试图做的并不是一个会聊天的第二个手机 App，而是一个真正进入个人数字生活的助手：通过聊天、语音、设备接入、技能扩展、自动化与个人知识组织，去承接提醒、搜索、控制、记录、协调和长期陪伴式交互这类任务。

如果说 Claude Code 代表的是AI 进入专业工作流，那么 OpenClaw 所代表的方向，其实更接近很多人心目中 AI 的最终形态：不是你去一个工具里找它，而是它开始跟着你、理解你、服务你，并逐步接入你真正的生活界面。

也正因为如此，它比 coding agent 更直接触碰AI 如何真正影响日常生活这个问题，毕竟不是每个人都都需要写代码，Coding普及到极限也是一个小众需求。

但问题恰恰也出在这里：越接近生活，这件事就越难。

和 coding agent 相比，个人助理智能体面临的是另一套任务结构：

• 目标更主观。 “这个提醒算不算及时”“这个安排是不是体贴”“这条建议是否真的有帮助”，往往没有统一答案。
• 反馈更滞后。 一次个人安排是否成功，可能要几小时、几天甚至更久才能知道。
• 环境更异构。 手机、消息、日历、邮件、定位、家居设备、浏览器、语音输入、第三方服务，全部是不同系统。
• 权限边界更敏感。 它越贴近生活，就越需要碰到隐私、支付、联系人、设备控制、长期记忆这些高风险区域。
• 成功标准不清晰。 coding agent 可以看测试结果，个人助理更多时候只能看“用户是不是感觉更轻松了”，而这很难被稳定程序化。

所以 OpenClaw 的价值，不在于它今天是不是已经把个人助理问题彻底做完，而在于它把难题暴露得非常直接：越接近生活，越不是模型再强一点就能解决的问题。 真正难的是如何定义任务、怎样管理权限、如何组织长期记忆、如何把分散环境统一成可行动的界面，以及如何从这些交互里提炼出可信的数据和反馈。

这也是为什么我对这类方向既看好、又警惕。看好，是因为它确实更接近“AI 真正进入生活”；警惕，是因为它太容易被误写成“只要把模型换得更强就行”。事实上，个人助理智能体最难的部分，很可能根本不在模型本身，而在应用结构本身。

这两个样本说明了什么

把 Claude Code 和 OpenClaw 放在一起看，需要在意的不是谁更先进，而是它们几乎把今天应用层的两种状态直接摆在了眼前。

• Claude Code 代表的是：高数字化、高验证性、高工作流耦合 的场景，已经开始稳定兑现价值。
• OpenClaw 代表的是：高生活贴近度、高环境复杂度、高权限敏感性 的场景，方向极其诱人，但还远没有跑通。

这两者共同说明了一件事：应用的难度，首先是任务结构的难度，而不是模型参数量的难度。 一个应用之所以难，往往不是因为模型不会续写、不够会推理，而是因为环境太碎、反馈太慢、目标太模糊、权限太重、评价太主观。

而这也正是为什么“更好的应用”会直接变成“更好的数据”问题。任务结构清楚的地方，更容易形成稳定反馈；稳定反馈存在的地方，更容易做出有意义的 post-training；post-training 真有意义的地方，应用才会继续变得更强。

真正值得下注的应用，至少要满足什么条件

如果把前面的讨论压缩成一组更可复用的判断，我会说，下一阶段真正值得下注的应用，至少要满足下面几个条件：

1. 高频。 任务不是偶尔才发生一次，而是能持续产生真实需求。
2. 相对稳定。 环境与目标不能每天都完全重写，否则很难沉淀经验。
3. 存在部分可验证反馈。 不一定要像代码测试那样完美，但至少要有一些明确结果可用来校正系统。
4. 能够形成数据回流。 用户修正、环境后果、执行轨迹、长期偏好要能被记录下来。
5. 能嵌入已有流程。 好应用不是强迫用户改变全部习惯，而是把能力插进已经存在的工作流或生活流里。
6. 能通过后训练或工作流迭代持续改进。 如果一个系统无法随着使用积累而变得更贴合场景，它很难长期成立。

用这套标准回看，为什么 coding agent 先成功就很清楚了：它高频、数字化、可验证、可审查、可回流。为什么 personal assistant 更诱人却更难也很清楚：它当然高频，但反馈主观、环境分散、权限敏感，最难的一层并不在模型本身。

这也是为什么我越来越不相信“只要模型继续更强，一切应用都会自然长出来”这种乐观判断。很多 demo 之所以一直是 demo，不是因为模型只差最后一点能力，而是因为它们从一开始就没有足够好的任务结构。

技术世界最容易高估模型进展的线性外推，却低估应用结构本身的硬约束。模型能力上升当然重要，但真正决定价值上限的，越来越不是参数量，而是任务设计、反馈设计、权限设计和工作流设计。

结语：2026 年最重要的问题，不是更强，而是更有用

如果说 The Second Half 让大家意识到，AI 研究的重点会从继续做更好的 model转向重新定义 evaluation 与真实问题；如果说关于 environment 和 reward 的那条线让我越来越相信，反馈结构决定了经验学习到底有没有方向；那么 LiMu 这次讲座真正提醒我的，则是另一件更朴素、但也更难的事：如果没有真正成立的应用承接，前面两者都不会自动变成社会价值。

所以我现在的判断很明确：未来几年真正重要的，不只是 better model，也不只是 better evaluation，而是 把能力组织进真实应用，并让应用反过来生成更好的数据。

模型当然还会继续变强。但对大多数人来说，更值得下注的地方，可能已经不是去追下一个抽象的最强模型，而是去找到那些真正能进入工作流、进入生活、进入长期反馈闭环的应用界面。

那才是 2026 年之后，AI 最真实的主战场。

参考资料

• 从 RL Agent 到 LLM Agent：The Second Half 之后的范式转移与不确定性建模
• AEnvironment：Agent 需要一个统一的环境层吗？
• Anthropic Docs, Claude Code overview
• Anthropic Docs, Agent Skills overview
• OpenClaw, GitHub repository