此刻 · 2026年9月6日

先说这一页怎么读

这一页的写法和正文不同。正文里每一句话都尽量只说几年内不会变的事；这一页专门收容会变的事，并且承认自己的局限：写这些字的模型，训练数据截止于 2026 年 6 月，此后发生的事它不知道，或者知道得不准。凡是你在这里读到的具体产品、版本和数字，都请当作「写作时的快照」，而不是「现在的事实」。

如果你是在 2027 年或更晚读到这一页，它最有价值的读法是当作一份历史材料：看看 2026 年的人以为什么重要，然后对照后来发生了什么。

五个正在发生的变化

推理成了默认配置。2024 年秋天出现的「先思考再回答」的模型，到 2026 年已经不再是一个单独的产品类别，而是主流模型的一个可开关的模式。简单问题用即时回答，复杂问题让它想几十秒到几分钟。第九章讲了这件事的原理；此刻的变化是它变得便宜和普遍了。

智能体从演示走向日常。第十一章讲的循环，在编程领域已经是日常工作方式：相当一部分软件由智能体在人的指导下写出，包括本站。在编程之外，能读邮件、查日历、操作浏览器、填写表单的个人助手类产品在快速迭代，同时也在快速暴露安全问题。工具接入的标准协议已经普及，学校和企业开始为自己的系统写接口。

开源与闭源的差距缩小，且开源的重心在中国。2025 年初一个开源推理模型以极低的成本接近当时的闭源前沿，此后一年多，来自杭州、北京、上海的团队持续发布开放权重的模型，在多数公开评测上与闭源前沿的差距在几个月之内。混合专家架构成为默认，几千亿总参数、几百亿激活参数是常见配置。对使用者的含义是：在自己的服务器上运行一个接近前沿的模型，从不可能变成了一个预算问题。

多模态原生化，「眼见为实」失效。新一代模型从预训练起就同时处理文字、图像、音频，图像与视频生成的质量已经让普通人在普通情境下无法分辨真伪。内容来源标记的行业标准在推进，但检测始终落后于生成。这一条对教育的冲击可能比对其他行业更直接。

成本继续下降，算力与电力成为约束。同等能力的模型，调用价格在两年内下降了一到两个数量级。与此同时，前沿训练的算力需求仍在增长，数据中心的选址开始由电力供应决定，「算力主权」进入各国的政策议程。

主要的参与者

以下按类型而不是排名列出，具体名字请以你读到这一页时的情况为准。

闭源前沿实验室：美国的几家实验室（OpenAI、Anthropic、Google DeepMind，以及 SpaceX 旗下的 SpaceXAI，即 2026 年 2 月并入 SpaceX、5 月起不再作为独立公司存在的原 xAI，Grok 归在这个部门下）仍然定义着能力的上限，各自在推理、编程、多模态、长上下文上有所侧重。产品形态从对话框转向智能体和工作流。
开放权重的中国团队：深度求索（DeepSeek）、阿里（通义千问 Qwen）、月之暗面（Kimi）、智谱（GLM）、字节（豆包 / Seed）、MiniMax、阶跃星辰等。它们的开源模型被全球研究者和企业广泛使用，也是国内高校自建 AI 服务的主要底座。上海交通大学校内的模型服务平台和本站的伴读助手，用的就是这一类模型。
开源基础设施：Meta 的 Llama 系列、Mistral，以及围绕它们的推理引擎、微调工具、向量数据库、智能体框架。
联盟与教育社区：人工智能开放联盟聚焦人工智能赋能高等教育的重点难点问题，推动行业形成合力；上海交通大学牵头承担「启悟学习社区」建设，发动广大师生参与开源众创生态建设。专题六第四节讲了这件事和高校的关系。
应用层：编程助手（多家）、办公套件里的 AI、搜索引擎的 AI 回答、教育领域的作业批改与个性化辅导产品。这一层变化最快，也最难在这里列全。

还没解决的问题

写在这里，是因为它们在 2026 年 9 月仍然开放。如果你读到时其中某一条已经解决，那是一个值得记住的日期。

幻觉的根治。第十章讲了压制的办法，但没有人知道怎样在保持能力的同时让模型「不确定时一定说不确定」。
提示注入的通用防御。智能体读什么就可能被什么指挥。目前的防御全是工程性的补丁。
规模定律的尽头。高质量数据接近用尽，算力增长撞上能源，靠「更大」还能走多远，行业内部分歧很大。
可解释性。我们能训练一个万亿参数的模型，但不能读懂它。这直接关系到能否把它用在高风险场合。
评估。当模型在所有现成的考试上都接近满分，怎样衡量它到底行不行，本身成了一个研究问题。
教育要教什么。这一条不是技术问题。第十四章给了本书的答案，但它显然还没有共识。

怎样更新这一页

这一页的源文件是站点仓库里的 content/now.md。更新时：改顶部的日期；把不再成立的句子删掉而不是改成「曾经」，因为版本历史里都有；新增的内容尽量按「变化」而不是「产品」组织，产品名会过时，变化的方向不会那么快过时。