昨天晚上十一点多,我刷到@op7418的一条推:「Gemini4Neon,我感觉在我的任务上真的可以平替Opus5.5了,尤其是多模态,对设计和动效的还原能力相当厉害。」

平替这两个字,在我这行是要较真的。我是从CTO到投行的那条路走过来的,干的就是用工程眼光给资本验货。厂商说能力跃迁,我可以不听。同行说平替,我得亲手试。

先把这两天的事还原一下。


事件:一边挂牌,一边发新模型

谷歌发布了Gemini4Neon。上手过的博主很快分成两拨。

看好的这边,op7418的原话是多模态、设计稿还原、动效理解都能打了。chunxiangai给了一个我很喜欢的类比。Opus5.5是公司里人狠话不多的技术大拿。Neon是给这个大拿加上一百分的情商。

存疑的这边,AxtonLiu说Gemini4像「PPT型领导」。让它出整体方案、搭思路框架,做得非常好。一进到具体执行,就含糊了。

同一个窗口,另一件事更热闹。Anthropic本周在纳斯达克挂牌,发行价83美元,首日摸到111美元,高出发行价33%。这家公司三季度营收170亿美元,环比涨47%。到十月底的年化run-rate是810亿美元,营收同比涨了十一倍还多。

一边是Opus5.5的母公司挂牌,一边是谷歌发新模型。专业生产力这块市场,两家几乎在同几天里定价。Neon接不接得住专业活儿,就不只是茶余话题了。


实测:我拿一份三年前的底稿喂给它

我翻出一个已经结案的制造业并购项目。三年前做这个项目,光数据室文件的摘要和交叉引用核对,四个分析师磨了三天。客户为这包东西付了小几十万咨询费。

我把同一批文件喂给Neon。一百一十二份文档,里面有九份是传真扫描件,那种老制造业公司才有的、带噪点的表格。

十一分钟,初稿出来。六十四页,格式完全按我们的模板走。交叉引用六十二处,我逐条对过底稿,全对。九份传真件里的表格,行列结构还原得干干净净。这一项,它已经把上一代模型甩开了。

但我也挑出了两处错。

头一处在产能表。卖方2020年和2022年出过两版产能规划。Neon把两版数据混进了一张表,年份错位,产能数字张冠李戴。

另一处更要命。协议里有一笔或有对价,条款写的是「达到对赌目标才支付的尾款」。Neon的摘要把它写成了「无论对赌结果如何均需支付」。

做过交易的都懂,这种错要是没拦住,流进模型就是估值直接错一档。


拆解:为什么强在格式,弱在条款

那问题来了:同一个模型,表格还原近乎满分,条款方向为什么看反?

我拆了一下。格式层的活,考验模式识别:行列结构、版式对应、引用关系。这类东西训练样本多,错了也容易对出来。条款层的活,考验条件语义:什么情况触发、什么情况不触发、方向不能反。

这层的错是静默的,它不报错,只会流利地错下去。

AxtonLiu那句「PPT型领导」,放进这个框架就精确了。方案框架层强,执行细节层含糊,说的就是格式能力和条件语义之间的那道坎。

再看资本这把尺子。Anthropic挂牌,募资超过八百亿美元。这笔钱买的是判断力,就是敢对条款、敢对估值的那部分能力。谷歌发Neon,抢的是工具市场:格式密集的活,便宜、快、能规模复制。两个市场都真实,但别混。

混了,就是把格式能力当判断能力买。

顺带一句用量。腾讯这周披露WorkBuddy日活刚过一千万,每天消耗Token一百万亿,用量居国内前列。工具渗透到了这个量级,「哪些活能交出去」已经是每家用AI的机构的合规话题,不只是效率话题。


结论:哪些能交,哪些别交

我的判断很明确。格式密集的任务,Neon今天就能接。判断密集的任务,交出去之前必须自己过一遍。「平替Opus5.5」这话,格式层面我认,条款层面我不认。

能交的三件:数据室和底稿的摘要初稿、交叉引用核对。多语言扫描件、传真件的表格还原。会议纪要、访谈记录的结构化整理。共同点是产出物你会复核,复核成本远低于从头自己做。

别交的两件:条款触发条件的方向,比如或有对价、对赌、回购;任何直接进估值模型的数字提取。共同点是错了不报错,代价是钱。

工具每升级一版,我就把这套测试重跑一遍。

边界会挪,但测边界的办法不会过时。

💬 评论区话题(来聊聊)

你手上哪类活已经敢直接交给模型,哪类还必须自己复核?评论区聊聊,我想看看不同行业把线画在哪儿。


END

本站内容版权声明