九月初的那個禮拜，我的社群動態被同一件事洗了四次版。Anthropic 先發，隔天 Meta 跟 Google 幾乎同時跟上，再隔一天 OpenAI 又推出新模型，說是自家最強、最對齊的一版。四十八小時內，四家大廠輪番上陣，連財經媒體都開始用「模型疲勞」這個詞，形容採購方跟一般使用者被這種節奏搞得暈頭轉向的狀態。
我看著這一連串新聞，做了一件可能有點掃興的事。我一個都沒換。
追新焦慮的根源
倒不是我對新東西沒興趣，而是我發現自己每次想換模型的衝動，背後的念頭幾乎都一樣。這個新模型是不是比較厲害，換了會不會讓我的東西變好。這個念頭聽起來合理，仔細拆開來看，裡面卻藏著一個誤會。
我把「用哪個模型」誤當成了 Direction，以為只要換一個更強的引擎，產出自然就會更好。可是 DEL 框架裡的 Direction 講的從來就不是用什麼工具，而是你要拿到什麼結果、給誰用、達成什麼。模型只是執行的手，手再厲害，你沒把要去哪裡講清楚，它也只能繼續在原地打轉，換一隻更靈巧的手，打轉的姿勢好看一點而已。
我在《DEL 的 D 填了還是歪？》那篇裡用週報當例子示範過這件事，同一個道理放到模型選擇上一樣成立。你可以拿同一個任務，換三個不同的模型跑一遍，如果一開始給的 Direction 本來就模糊，三個模型交出來的結果，八成一樣模糊，只是模糊的方式不太一樣。真正決定產出好壞的，常常是你有沒有把要拿到的結果講清楚，引擎等級反而是其次。
要不要換，先問自己三個問題
新模型發布的那個當下，我會先停下來，問自己三個問題，再決定要不要花時間研究換不換。
第一個問題，我現在卡住的地方，到底是模型能力不夠，還是我根本沒講清楚要什麼。多數時候我回頭檢查自己的指令，發現卡住的原因是自己的 Direction 或 Expectation 沒寫到位，換再新的模型也救不了一個講不清楚的任務。
第二個問題，新模型解決的問題，是我真的在痛的那個嗎。每次新模型發布，官方都會列出一長串進步的地方，寫程式更快、推理更準、上下文更長。這些進步是真的，但跟我自己手上正在卡關的任務，不見得有交集。如果我平常卡關的地方是任務描述不夠具體，那模型的推理能力再怎麼進步，都對不上症。
第三個問題，換的成本划不划算。換模型不是點一下按鈕就結束，熟悉一套新工具的脾氣、重新調整慣用的指令寫法、確認舊有的自動化流程還能不能接得上，這些都要花時間。這筆時間成本，值不值得換來那一點點能力上的提升，每次都該算一次，不是看到新聞標題就下手。
三個問題問完，多數時候我得到的答案是，先不換，把現有的工具用得更準，比追新更划算。
什麼時候真的值得評估新模型
新模型不是都不值得看，判斷標準只是不該是「它剛發布」，而是幾個比較務實的訊號。
第一個訊號，新模型解決的正好是你長期卡關、而且已經確認不是自己 Direction 沒寫清楚的那個問題。比如你真的需要處理很長的文件，而現有模型的上下文長度一直不夠用，這種情況新模型的進步就直接對上你的需求。
第二個訊號，切換成本很低。如果你的工作流程本來就簡單，沒有複雜的自動化串接，換一個模型頂多是重新適應幾天的介面跟語氣，這種情況不妨試試看，成本可控。
第三個訊號，你已經把現有模型用到某個熟練的高原期，繼續磨已經磨不出明顯差異，這時候換一個新模型，比較容易感受到真正的差別，而不是把新鮮感誤認成進步。
沒有這幾個訊號，追新聞跟著換，多半只是把焦慮誤當成行動。模型疲勞這個現象會一直存在，因為大廠競賽的節奏不會慢下來。但你自己要不要被這個節奏牽著走，決定權還是在你手上。想清楚要拿到什麼結果，比追哪一款模型更新，重要得多。如果你還沒把 Direction 這一格搞清楚，可以從 DEL 框架這篇總覽重新開始。
