AI競爭焦點轉向？模型參數規模與跑分成績不再重要、「這些」才是關鍵

人工智慧（AI）產業的指標似乎正在改變。過去一週，全球四家指標性 AI 公司接連重新開放或發布旗艦模型，其強調的關鍵字高度一致：程式設計、代理、工具調用，以及更低的使用成本，而過去業界最愛拿來較勁的參數規模與跑分成績，如今反而顯得不再是焦點。

月初，Anthropic 的 Claude Fable 5 重新上線；緊接著 OpenAI 推出 GPT-5.6、xAI 發布 Grok 4.5，Meta(META-US) 也推出 Muse Spark 1.1。

各家公司無不宣稱自家模型「全球最強」，或在同等效能下更具價格優勢，至於參數規模與跑分成績似乎已經漸漸不再重要。

分析人士指出，這波發布潮透露出一個訊號：大型語言模型競爭的核心指標，正悄悄被置換。一種由 AI 驅動的新型生產力，正加速進入市場。

業界普遍認為，規模法則（Scaling Law）並未失效，模型規模仍持續擴張，效能也持續提升，領先者的每一次突破都會刺激全球同業加速追趕。

不過，如今談規模法則已不能只狹隘地理解為堆疊參數、算力與資料量，還必須納入強化學習、推理時計算、上下文管理、工具調用及多代理協作等新指標。

換言之，「規模化」的對象已從單一模型擴展到整個智慧系統。

此前 Anthropic 的 Mythos 與 Fable 系列之所以引發外界震動，關鍵在於其於程式設計、推理與網路資安領域出現躍進式進步，不僅能發現一般軟體漏洞，甚至能揪出銀行、電網等關鍵基礎設施系統中的安全弱點。

正因憂心可能引發安全疑慮，Anthropic 並未全面公開 Mythos 5，僅限經審核的 Glasswing 合作夥伴及少數特定機構使用。而後續發布的 Fable 5，也一度引起美國政府關注，並曾短暫祭出限制措施。

觀察人士認為，過去多數人談 AI，聯想到的多是寫文章、生成圖片；但 Anthropic 已無形中開啟了大模型的新戰場，即能否勝任現實世界中高價值、高風險的任務。

也正因如此，儘管 Anthropic 仍背負龐大的算力、研發與人力支出，該公司仍在 2026 年第二季成為首家實現轉虧為盈的大模型巨頭企業。

再回頭看 GPT-5.6、Grok 4.5 與 Muse Spark 1.1 的定位便不難理解：GPT-5.6 隨 ChatGPT Work 等代理工具同步發布，強調的是「執行任務」而非單純回答問題；Grok 與 Muse Spark 則雙雙聚焦程式設計與代理工作流程。

Meta 更以 Muse Spark 1.1 為起點，開始針對企業與開發者收費。

知名 AI 基準測試與分析機構 Artificial Analysis 對此下了一個精準註解：AI 的競爭正從「短題智商測驗」，轉向「長程任務耐力賽」。

分析人士指出，四家公司的動作最終指向同一趨勢：單純比較模型排名或跑分高低，意義已經不大；市場更在意的是，模型究竟能否從「工具」蛻變為「生產力」。

換句話說，能寫一段程式碼是工具；但能讀懂整個程式碼庫、修復問題、有效執行測試、依錯誤訊息持續修正並最終交付可用成果，才稱得上是生產力。

如何計算商業價值？

分析認為，AI 大模型的商業價值正在被重新定義。

過去，AI 公司的表現更像是「炫技」。透過令人驚豔的展示讓市場看見自身能力，但這些能力未必天然具備商業價值。

這也解釋了為何 OpenAI 至今仍深陷鉅額虧損。該公司 2025 年虧損達 209 億美元，2026 年預估虧損更將擴大至 250 億美元。馬斯克在將 xAI 併入 SpaceX(SPCX-US) 時，也一併吸收了 xAI 的高額債務，導致 SpaceX 上市後仍需緊急融資 200 億美元償債。

針對大模型究竟該如何創造商業價值一問，Anthropic 的路徑證明，從程式設計切入是可行的。但隨之而來的新問題是：若各家業者都擠向 AI 程式設計這條賽道，勢必再度陷入內捲式競爭。

業界人士分析，AI 能發揮價值的領域其實不限於程式設計，關鍵在於如何評估其效益。透過現象看本質，AI 的商業價值計算方式相對直觀：以 AI 能獨立完成的任務所產生的收益，扣除推理成本與人類監督的成本。

事實上，這與生產線的商業價值邏輯如出一轍，只是推理成本換成了能源與原物料成本。

正如企業不會特別關心生產線上馬達的馬力大小，同樣地，外界或許也不該過度在意工作流程中 AI 模型的參數規模與跑分表現。

參數再多、跑分再高，對企業而言意義有限；單次回答準確度高，也未必能帶來明顯效益。但若 AI 能串連 20 個步驟，在數十分鐘內完成原本需要人力耗費一天甚至數天才能完成的工作，便能為企業創造實質價值。

這也說明了為何「長程任務」成為業界共同攻克的難題。任務越長、步驟越多，模型需處理的變數與潛在錯誤也隨之增加，複雜度隨之提高。

一旦 AI 能勝任，能取代的高價值職位、能承擔的高價值工作範疇就越廣，獲利能力自然隨之提升。

對個人與企業的啟示

分析人士指出，這波變化代表每個人、每個團隊、每家公司都必須調整與 AI 協作的方式：從「使用 AI」作為工具、助手，轉變為讓 AI 成為主力，獨立完成實際工作。

然而，這樣的轉型並不容易。AI 模型須先具備扎實的基礎能力，企業也需建立一套工作流程，讓 AI 得以在可反覆修正、反覆檢驗的任務環境中運作。

至於為何程式設計能率先讓 AI「上工」，原因在於程式設計的任務天生高度數位化、目標相對明確，且成果可透過自動化測試驗收，一旦失敗也能立即獲得回饋。

而當 AI 真正能夠獨立完成工作，它便不再只是工具，而更像是合作夥伴。業界建議，未來的重點應是將 AI 培養成真正理解自身工作流程、成果標準以及客戶偏好的工作夥伴。

值得留意的是，單純的「工具使用者」很可能因工具本身變得更強大而遭到取代；但若能與 AI 建立合作關係，讓 AI 獨立自動化執行工作、由人類負責設計、監督與營運，則 AI 能力越強，越需要人類的指導。

換言之，善用者反而能因這波 AI 革命而受益成長。