AI 不是突然變聰明，而是終於夠可靠

普通用戶、開發者與行業觀察者最近都有類似感覺：AI 忽然真的好用了，能扛編程智能體、混亂的自動化、更長的多步驟任務。最省事的說法是模型又來了一次「智力爆炸」。杜布瓦的說法，卻指向另一件事。

他認為能力一直在連續平滑上升。體感上的階躍，其實是可靠性跨過一道門檻——他判斷大約在 2025 年底正式跨過——之後模型才穩到能接手研究員大量日常工作。外界才瞬間產生「一夜變強」的錯覺。

可靠性是出錯率問題，不是「感覺問題」

杜布瓦給了一個好記的工程圖像：對智能體式模型來說，大約每運行兩分鐘就有一定出錯機率。任務鏈越長，小風險越會累積，最後整件事崩掉。研發的一大目標，就是從架構、訓練到應用層，持續壓低這個「每兩分鐘」的出錯機率。

所以可靠性既不是單純智商，也不是單靠工程打磨。累積誤差夠低之前，AI 多半停在演示區——短片好看，真實流程脆弱。跨過那條線之後，人們才不再每一步盯著，而開始把工作交出去。

三股力量疊在一起

按杜布瓦的歸納，最近這波「體感變好用」不是單一魔法，而是三件事疊加：

• 可靠性跨過門檻——長鏈路、多步驟的智能體工作變得夠穩、值得託付。
• 更強模型反過來加速研究員本身——用 AI 寫工具、訓練下一代模型，進步互相疊加。
• 原本主要跑在乾淨、可驗證獎勵上的強化學習工具，開始泛化到混亂的真實任務。

三者一起，才把 AI 從「演示裏能用」推成「工作裏好用」。智力曲線不必斷裂；系統終於夠值得信任，大家才突然注意到。

在喊「躍遷」之前，先問什麼

對公司與團隊來說，有用的換框很簡單：別只問模型在榜單上是否更聰明，要問你的長流程出錯率是否低到人類可以退後一步。若一件事需要二十個安靜步驟、中間不能靠人急救，門檻就是可靠性，不是更炫的演示。

熱潮底下那句安靜的話是：2026 年大家感覺到的「突然變強」，比較不像智力斷裂，而像可靠性終於追上了野心。