R1 之后，我第一次觉得国产模型能用

为什么之前没认真用国产模型

2024 年我基本只用 ChatGPT，国产模型试过两次，都是问了几个问题就放下了。

问题不在能力，在信任成本。我当时的判断是：一个模型如果我不能在几个熟悉的问题上验证它的水平，就不敢用它处理真东西。那两次试用，我在自己熟悉的领域里问的问题，它答得含糊，我也就没再往下试。

今年一月 R1 出来以后，情况不太一样。群里的讨论从”国产模型能不能用”变成了”你用它干什么”，我这才认真装了一遍。

用了大概一周，有四点印象比较深。

第一是推理过程可见。 它会把思考链条打出来，我不用猜它是怎么得出结论的。这一点对判断可靠性帮助很大——看到它推理的路径，就知道它是在分析还是在套模板。

第二是中文语境的表达更自然。 同一段技术说明，让它写成中文，读起来比英文模型翻过来的中文顺，少了很多翻译腔。这个差异在写文档时非常明显。

第三是价格。 具体数字我不引了，各家调价频繁，但和 2024 年我用的方案比，成本低了一个量级，这直接改变了我的使用习惯——从”省着用”变成”随手用”。

第四是它不装。 我试过几个我自己也没把握的问题，它会说”这里我不确定”，而不是编一段听着专业的解释。

最后一行是我踩到的第一个坑：它给的编号格式完全正确，看着像真的，但去查不存在。这类任务我现在一律自己核。

把坑说得具体一点。

我当时在整理一份行业资料，问它”这个领域有没有对应的技术标准”。它回了我一个编号，格式是”某某-某某-数字”那种，还补了一句”该标准由某某机构在某年发布”。

我去查，编号不存在，那个机构也没发过这个标准。

它不是胡说——它是把”这一类编号通常长什么样”套了出来。格式对了，内容全是编的。而且它说得很自然，没有一丝犹豫。

这件事之后我改了一个习惯：凡是它给的、我自己不能立刻判断真假的东西，一律按”待核实”处理。 编号、日期、人名、机构、具体的数字，这五类最容易被编出来，也最容易被信。

核查要花时间。花多少取决于我有多熟——熟的东西扫一眼就知道，不熟的东西得查一遍，有时候查的时间比我自己找还长。这也是我后来对”AI 提效”这个说法一直保留的原因：省下的时间是真的，但要扣掉核对的时间，实际到手的没那么多。

长上下文的稳定性。 一份八十页的报告丢进去，前面几节的内容它还能记住，到后面就开始漏。所以我现在会切成小段，一次给二十页上下。

多轮对话的连续性。 聊到十几轮之后，它偶尔会忘记前面确认过的约束（比如”不要改动函数签名”）。这个在长任务里挺致命。

没有工具调用能力。 2025 年初我用的这个版本还不能自己去读文件、跑命令，所有东西都得我复制粘贴。这一点和后来的编程工具差距很大。

这一周下来，我把它的定位定成了”文字和技术问答上的日常助手“。

它替代了我相当一部分查文档、翻译、读摘要的时间。但它没有改变我的工作方式——我还是要自己判断、自己验证、自己决定。它把一些环节变快了，但整件事的形状没变。

那次试用之后我用了大半年，后面的用法没有太大调整。真正让我觉得”形状变了”的，是 2026 年用上带工具调用能力的编程工具之后——那是另一回事了。