我爱 LLM，但痛恨过度炒作
I love LLMs, I hate hype
我热爱 AI 的进步，从 hacking 到投身 AI 领域，我对新 LLM、自动驾驶和 coding agents 充满期待。上周我在本地 GLM-5.2 上运行 opencode，只需一句指令就能安装 tmux，Linux 桌面时代终于来了！但我讨厌两件事：一是制造焦虑的负面炒作，二是将 AI 神化为末日威胁的荒谬论调。AI 的发展源于摩尔定律和计算进步，而非少数实验室的垄断。编程正在改变，AI 是工具而非救世主，它像 find replace 或 Stack Overflow 一样有用，但需要谨慎使用。
AI 是计算机革命的延续，我深爱着计算机。
HN 评论区
32- 有评论者指出，像 Gemma 4 这样的小模型在特定任务（如安全漏洞检测）上表现惊人，且 12b 版本已能在 Pixel 10 Pro 等本地硬件上运行，但必须理性看待其能力边界，不能将其等同于完整大模型。
- 一位 ML 团队从业者透露，其团队人均每日 API 消耗高达 2000-3000 美元，并警告若小模型无法显著降低对硬件的依赖，AI 行业的盈利模式将难以摆脱对昂贵算力的依赖。
- 有观点认为，当前 LLM 市场正重演 DALL-E 的轨迹：闭源商业模型将被性能相当但成本极低的开源本地模型迅速侵蚀，OpenAI 和 Anthropic 的垄断地位难以长期维持。
- 针对'提示词工程极其困难'的说法，有反驳者指出，LLM 允许用户通过提示词自我迭代优化，这与烘焙面包等传统技能存在本质区别，降低了专业门槛。
- 评论中提到，虽然自托管模型硬件成本高昂，但微软等软件厂商曾证明零边际成本产品的巨大利润空间，若小模型能力达标，行业形态将发生剧变，硬件厂商的盈利逻辑可能失效。