面向下一代模型构建
解决什么问题
每次大模型放出新版本(如GPT-4到GPT-5),市场都会出现两种极端反应:发布时"一切都变了、世界被颠覆了"的狂热,几周后又冷静回归"这就是个还不错的工具"。产品人和创业者该用什么心态规划自己的产品路线图,才不会被这种情绪周期带偏?
核心内容
Kilpatrick 给出的框架分两部分:
1. 判断模式:每一代新模型都会重复同一个情绪曲线——发布瞬间"这改变了一切",然后逐渐回归现实认知"这是一个更有效的工具,能更好地帮我解决问题"。他明确预测GPT-5也会走这个曲线:会非常有用、会解决全新一个层级的问题,但世界上原本存在的问题不会变,只是你现在有了一个更好的工具去解决它们——不会是"GPT-5一边在你卧室里后空翻,一边帮你写代码、还替你跟你妈打电话"这种夸张幻想。
2. 给产品决策的具体建议:按下一代模型的能力去设计产品,而不是被这一代模型的局限捆住手脚。这条"构建产品时应该面向GPT-5的未来去构建,而不是基于GPT-4今天的局限"的说法,是主持人 Lenny 在提问中转述自己一位朋友的观点("I heard from a friend that there's kind of this tip..."),并非 Kilpatrick 本人提出。Kilpatrick 对此的回应补充了一个关键的可操作信号——GPT-4是OpenAI第一个能够"在训练前就基于计算量可靠预测出模型能力"的模型(公开的GPT-4技术报告里有专门的科学验证),这意味着能力提升本身在某种程度上是可预测、可提前规划的,不是完全不可知的黑箱赌博。
3. 反直觉的"优势"来源:大多数人会假设"这个技术会彻底改变一切",这本身反而是一种错误的心智框架(wrong mental framing)。Kilpatrick认为,真正的优势在于提前假设"人们会很快对这些工具习以为常"——如果你能规划一个"人们已经把AI工具用得很顺手、当成日常"的世界,而不是持续假设自己活在"AI颠覆一切"的兴奋叙事里,你的产品规划反而会更准确、更有优势。
适用边界
- 这条建议依赖对"下一代模型能力提升方向"有一定的合理预判(如通用推理、编程、多模态persistant增强),而不是漫无边际的幻想;如果预判错误,提前构建的产品可能会踩空;
- "能力可预测"这一点是GPT-4特有的验证结果,Kilpatrick自己也说不确定GPT-5是否会延续这个可预测性,存在不确定性。
关键引述 · 原话
"假设这个东西会彻底改变一切,在很多方面其实是一种劣势——这是关于这些工具的一种错误的心智框架。"——Logan Kilpatrick
关联卡片
可与"ai-1997-internet-clock"(benedict-evans)等关于"如何为技术曲线的未来阶段做规划"的框架对照参考。
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2+fixed