Opus 5 登顶 AI 排行榜：这对你意味着什么

每次出新模型，就有人发消息问我是不是要"全部换掉"。这周是因为 Opus 5，它在 Artificial Analysis 的 AI 排行榜上拿了第一。那个榜单比较各家模型在推理、代码和知识测试上的表现。问题问得没错。答案却几乎总是让人失望：对你的生意来说，大多数情况下改变不大。而改变的那一小部分，非常具体。

我来讲清楚这个榜单测的是什么，一个更强的模型在哪里真的会体现在结果上，又在哪里完全没有差别。

这个 AI 排行榜到底测什么

Artificial Analysis 会对模型跑一整套标准化测试，然后汇总成一个分数。有难度很高的数学题，有研究生水平的科学问答，有竞赛编程挑战，还有多步推理。这个指数把这些结果混在一起排序。

有用。但也有局限。看看它测的是什么：封闭式问题，有标准答案，不涉及任何公司的实际情况。

你的生意不是这样的。你的问题是"这个客户回复报价时提了个模棱两可的疑问，结果两天没人看到那条消息"。没有任何基准测试在测这个。那里的瓶颈不是模型的智力，而是没人搭好从微信到决策人之间的那条路。

我见过公司开一整场会讨论用哪个模型，而网站的表单把客户线索发去了一个从 2023 年起就没人打开的邮箱。模型是这里面最小的问题。

换模型很容易。难的是搞清楚你想让它做什么。

更强的模型，真正体现在哪里

话说回来，这也不是空洞的营销。有三个地方，用的人是能明显感觉到质量跃升的。

无人盯着的长任务。 以前你提一个要求，检查一遍，再提下一个。现在可以丢一个十步、十五步的任务，结果从头到尾都保持连贯。这改变了值得去搭的自动化类型。一个读取表格、跟系统数据对照、找出不一致再写出摘要的流程，现在变得可靠了。两年前，它会在第四步崩掉。

质量差的文档。 扫描歪了的合同，来自完全不讲规范的供应商的 PDF 发票，带三层表头和合并单元格的表格。老模型偏偏在你最不能出错的地方出错：数字、日期、金额。现在的模型准确率高多了。它们仍然会错，所以你还是要复核。但复核从"全部核对一遍"变成了"核对它标记为存疑的部分"。

不像机器人的回复。 自动客服不再像那种按键菜单了。模型明白"那个方案还有效吗？"和"你们看到我上周的邮件了吗？"是同一个问题的两种情绪，然后据此作答。

注意，这三点在排行榜上都体现不出来。榜单测的是数学题。改变你日常的，是它在又长又枯燥的任务上的可靠性。

什么没变，而且不会变

这才是最要紧的部分。

模型对你的公司一无所知。它不知道 X 客户总是晚十五天付款，而且这没关系。它不知道七月的促销规则不一样。它不知道最新的价格表存在哪个文件里。这些都不在训练数据里，再新的版本也猜不出来。

也就是说，搭一套好用的自动化，要做的活跟以前完全一样：

• 找出时间到底流失在哪里
• 把如今只存在于某个人脑子里的规则写下来
• 把需要互通的系统连起来
• 决定哪些让 AI 自己做，哪些必须有人盯着
• 用真实又难看的案例去测，不是用漂亮的示范样本

一个项目大概八成的工时都花在这上面。选模型是五分钟的决定，而且可以反悔：今天换模型只要改一行配置。

所以，等下一次发布再开始，是最糟糕的计划。你为了简单的部分，推迟了困难的部分。

一个具体的例子

常见场景：一家事务所每天收四十封邮件，其中二十封是重复的事务性内容。补开单据、问期限、确认预约。有人每天要在这上面花两小时。

我搭过这样一个流程。自动化读取邮箱，分成五类，需要时去系统里取数据，然后写好一封回复。它不自己发出去，而是留成草稿。

第一周，那位同事认真读完每一封才批准。两小时变成了五十分钟。到第三周，她扫一眼就能批量通过。二十分钟。那些奇怪的案例，一天两三封，按正常流程转给她，还附带一句"这封没归到任何一类"。

让这个项目成功的不是模型，而是留成草稿、不直接发送的那个决定。它建立了信任，而信任才是后面能扩大规模的前提。换更强的模型，分类会好几个点，草稿也会更到位。不错。但如果我第一天就让它自己发出去，一个低级错误就能毁掉整个项目，换世界上任何模型都一样。

"那我该无视这些排行榜吗？"

不。别把它当成采购理由，把它当成温度计。

如果你 2024 年请人搭过一套自动化，效果不上不下，那值得重新聊一聊。当时做不到的事，现在已经稀松平常。复杂文档的信息提取就是最明显的例子。多步骤串联的流程，也是。

如果你在客服里用了 AI，还是有那种"一听就是机器人"的感觉，那多半是模型太老，或者指令写得不好。这两个问题，一个下午就能解决。

如果你现在还完全没用 AI，那这个榜单今天对你没什么用。它只是告诉你工具已经够好了。这个你早就知道了。

一个实际的细节：越强的模型，单次使用成本越高。不是每个任务都需要榜首那个。把邮件分成五类，一个又小又便宜的模型跑得完全没问题。写一份合同分析，那才值得用贵的。实际操作中我会在同一个流程里混用两者，月底的账单会感谢你。

周一可以做什么

如果你想从中获益，又不想被发布新闻牵着走，只做一件事就够了：挑一个团队里每天要占掉某个人一小时以上的重复任务，在纸上写下这个人执行的确切步骤。

就这些。不用工具，不用注册任何账号。

如果你写得出这些步骤，就能自动化。如果写到一半卡住了，因为"要看情况"，那你就找到了人的判断真正重要的那个点，而那里正是你留住人、把其余部分自动化的地方。

再过几个月，排行榜又会变。会有人超过 Opus 5。而你内部的流程，仍然是你自己的问题。好消息是，它是唯一真正值得去解决的那个，因为不管谁在榜首，它都会改善你的结果。

想聊聊你们的业务里哪件事最值得先自动化，来找我聊。不绕弯子，我看一眼你的情况，直接告诉你值不值得。

每周都有人问我，出了新模型是不是要"全部换掉"。

这周是 Opus 5，它登上了 Artificial Analysis 排行榜的第一名。

答案有点让人失望：对你的生意来说，改变不大。这些排行榜测的是数学题和竞赛编程。你真正的瓶颈，是那条卡了两天的线索，躺在一个没人打开的邮箱里。

我见过公司开一整场会讨论选哪个模型，而网站表单把客户信息发去了一个从 2023 年起就没人看过的邮箱。

今天换模型只是改一行配置。真正的工作，是找出时间漏在哪里，把只存在于某个人脑子里的规则写下来，再决定哪些环节必须有人盯着。

等下一次发布再开始，就是为了简单的那部分，拖延困难的那部分。

你的团队里，哪件重复的事每天要花掉一个多小时？告诉我，我帮你判断值不值得自动化。

#自动化 #人工智能 #生产力 #数字化转型 #AI