模型极致主义

核心信念："你今天用的 AI 模型，是你余生所用过的最差的模型。"每两个月，计算机就能做到以前从做不到的事，你必须彻底重想你在做的东西——这与以往任何技术底座都不同（数据库一年才好 5%）。

实践含义一（少建 scaffolding）：OpenAI 内部不为模型当前的局限大量修建绕行工程，因为默认"两个月后更好的模型会把这些限制直接碾平"。例外：某些不可容忍的错误类型，值得建防护。

实践含义二（对开发者的判断准则）：如果你的产品恰好卡在模型能力边缘、勉强能跑——继续做，你做对了。几个月后模型变好，这个"just barely worked"的产品会突然起飞。Lenny 补充佐证：Bolt (StackBlitz) 苦做七年无起色，Sonnet 3.5 发布后一切突然 work。

支撑的速度数据（他给出的量级）：

• 迭代节奏：GPT 系列每 6-9 个月一代 → o 系列推理模型约每 3-4 个月一代
• 成本：约两年间下降两个数量级（GPT-3.5 API 成本约为后来 GPT-4o mini 的 100 倍）
• 四个维度同时改善：更聪明、更快、更便宜、更安全（每代幻觉更少）
• 相当于每年 ~10x，比摩尔定律（18 个月 2x）陡峭得多——"未来会与今天非常不同"

配套哲学（iterative deployment）：不憋大招。尽早发布（即使不完全了解模型能力边界），与社会一起公开迭代、共同进化。