从十分之一到百万分之一的癌细胞，Nathan Labenz 用两小时回答了 2026 年初最要紧的几个问题

2025 年 11 月，Cognitive Revolution 主播 Nathan Labenz 做了一期两小时的单口节目，讲他儿子 Ernie 确诊侵袭性 B 细胞淋巴瘤的事。确诊时，他体内高达十分之一的细胞是癌细胞，几乎所有 B 细胞都是恶性的。2026 年 1 月这期 AMA，他先更新了病情：三轮化疗做完，PET 扫描没有明显病灶，肿瘤委员会在第二轮开始前就把他归为缓解。更关键的是，通过 AI 建议做的 MRD 检测，血液里能检测到那个癌细胞 DNA 序列的细胞，低于百万分之一。

他把这个数字交给几个模型算降幅。Gemini 说 99.9999% 减少，其他模型说，稳妥点讲，是数量级级别的下降。体重从 51 磅掉到 41 磅，人瘦得明显，脸色苍白，但方向是对的。Nathan 说得很克制：谨慎乐观，离彻底治愈还有距离，后面还有两轮半化疗，疫苗要全部重打，因为免疫系统的记忆被彻底清空了。

这段开场值得先讲，因为它不只是私人近况。它是后面所有技术判断的底色。一个父亲在医院用 Claude、Gemini、GPT 同时看化验单，把一个标准治疗之外的检测手段挖出来，这件事本身就构成了他对「AI 是不是真的有用」的第一手证据。

他给出的 AI 使用三原则，普通人明天就能照做：用最强的模型（该上 Pro 就上 Pro，200 美元在生死面前不算钱）、给它尽可能多的上下文、重要问题至少问三家模型。 他坦言，自己把 Claude 的对话长度用满之后，用一份十页的病例摘要开了新对话，效果明显变差，因为模型失去了「逐日看化验单」的那种细粒度记忆。上下文不够，神仙模型也救不了。

Claude Opus 4.5 是软件 AGI，但不是完全 AGI

节目里被问得最多的问题，是 Claude Opus 4.5 到底算不算 AGI。Nathan 的回答很有意思，他先泼了盆冷水：进步是明显的，但对他个人来说没有那种「跨过某道门槛」的震动。圣诞节在医院里用 Replit 装 Claude Code，给家人做了三个 App，体验很好，却没有让他想跑到屋顶上喊。

他甚至自嘲了一种可能：也许真正的问题是，那些资深软件工程师觉得 4.5 是质变，而他没感觉，是因为他的「品味」不够，看不出 4.1 到 4.5 的差别。这个自我怀疑值得记下来，因为它比大多数「AGI 已来」的断言更诚实。

但他随后给了一个明确的判断：如果看 GDPval 这类基准，软件工程任务里最新模型已经被多数专家评审判定优于人类，那么在软件这个类别上，说 Opus 4.5 是软件 AGI 或者编码 AGI，是站得住的。但视频剪辑这类任务，人类还有巨大优势，他自己试过很多 AI 剪辑产品，都不如 Dwarkesh 团队做出来的东西。所以是「软件 AGI，不是完全 AGI」。

他还讲了一个具体的技术细节，值得所有用 Claude Code 的人注意。给他妈妈做旅行规划 App 时，Claude Code 误解了指令，搞出了两个数据库。Agent 式的搜索会去它「预期」有东西的地方找，找到就下结论，但真正的问题恰恰藏在它没预期的地方。最后他把整个代码库导出成一个文本文件，丢给干净的 Claude.ai 一次性看全，才诊断出来。这说明agentic search 有先验偏见，全局上下文仍然是一把独立的钥匙。

泡沫：技术是真的，钱不一定收得回来

Nathan 对「是不是泡沫」拆成了三层。

第一层，AI 是不是真的。他的回答毫不含糊：真的。一个能跟肿瘤医生正面过招、24 小时在线、掌握全部病史、有问必答的系统，这已经是变革性技术，「我们集体嗨了」这个说法可以彻底放下了。

第二层，钱能不能收回来。他引了 Noah Smith 的框架，也讲了自己在房贷行业的经历。他点出一个具体机制：CoreWeave 这类公司的存在，一部分原因是大厂不想把低毛利的 GPU 业务并进自己高毛利的报表里，于是把风险挪到资产负债表更薄的一侧。微软能扛几下，CoreWeave 扛不了。 他用铁路做类比：铁路最后都被用上了，是好投资，但铁路公司倒了一片，贷款违约的连锁反应真实发生过。所以他判断，出现一段过度建设、部分人拿不回钱，并不奇怪。

第三层，VC 层面。这里他直接点名了 LM Arena。这个产品从 lmsys.org 做到现在，他 2023 年中就在用，但他看到 17 亿美元估值时直呼看不懂。核心质疑是那句「年化消费运行率 3000 万美元」，他的解读是：这是「用户免费用掉的 AI 如果收费值多少钱」，不是收入。他搬出一个刻薄但精准的说法，这很像「社区调整后 EBITDA」。他的问题很朴素：这产品大家用是因为免费，一旦收费，还有多少人会来？护城河在哪里？

中国模型的差距，在一个政府表格上暴露了

这期节目里最有信息量的一段，是他做的一个非正式横评。他帮一家做二手车交易文书审核的公司看问题，这些文件是扫描件，有透视歪斜、边缘裁切、墨迹噪点。任务是忠实读取，不做推断，比如「是否美国公民」这一栏，打勾就是打勾，没打勾就是没打勾。

结果：Gemini 3 读得几乎完美，但会用先验去「猜」，看到住址和名字就推断此人是公民，哪怕那个框根本没勾。Claude Opus 4.5 在他明确要求「不许猜、不许跳步」之后，表现最好，最忠实于原件。GPT 排第三，仍然可用。

他顺手把 Qwen、GLM 4.6、Kimi、DeepSeek 全测了一遍，结论是「完全不在一个量级」：表格只读回两成，或者朝幻觉方向跑偏。

他由此提出一个判断：中国模型在基准分上很接近，但在这种古怪、冷门、不在任何评测榜单上的真实任务里，差距被拉开得很宽。他的解释不是算力本身，而是反馈回路：美国公司有海量客户关系、海量真实用例、海量人类带宽去补数据集的洞，中国公司能训练出规模相近的模型，却跑不起同等规模的推理和客户反馈。他把这条线索接到 Miles Brundage 的老判断上：芯片管制会随着规模化越来越重要。他的结论是，和一年前比，中美模型差距不是缩小，而是扩大了。

关于 H200 卖不卖中国，他的立场很清楚：他支持更多芯片贸易，因为他认为真正的外星人是 AI，中国人跟我们一样是人。但他对这次交易很不满，理由是上一届政府先禁 H20，转头又放行 H200，看起来什么交换条件都没拿到。他更欣赏 Peter Wildeford 在直播里提的「只租不卖」方案：把数据中心放在马来西亚、菲律宾、日韩，随便租，但不进主权领土。

四家活着的公司：谷歌第一，OpenAI 在补 cushion，Anthropic 有两处硬伤，xAI 该被羞辱

节目后半段是他自己的「live player」盘点，这部分信息密度最高。

谷歌 DeepMind 排第一。 理由不是模型，而是结构：一周十亿美元级别的利润、第七代 TPU、全球最好的数据中心建造运营能力、最深的研究板凳。他引 Demis Hassabis 的话，过去十年 AI 的重大突破大多出自谷歌，并认为这个趋势会延续。他还提到 Gemini 3 第一次在「right-as-me」这个私人的写作测试里打败了 Claude，这是历史上第一次有非 Claude 模型拿下这个位置。

OpenAI 从明显领先变成并跑。 他注意到 SimilarWeb 数据显示 ChatGPT 访问量近六周下滑，而同期 Gemini 没跌。GPT 5.2 Pro 仍然是他处理复杂技术问题时最彻底、最可靠的那一个，但又慢又贵。他给 OpenAI 的战略下了一个很重的判断：他们在用「大到不能倒」来给自己造 cushion。谷歌的 cushion 是每周十亿美元利润，OpenAI 的 cushion 是把资产负债表和一堆机构缠在一起，赌 2027 年出事时政府会来兜底。 他提到 Greg Brockman 成为特朗普最大金主、2500 万美元这个事实，并说这可能是理性的一笔「首付」。

Anthropic 最容易分析：Opus 4.5 是当下最好的单一模型，soul document 是前沿实验室里最有抱负的文件之一，人才留存强得离谱。 他特别提到 Amanda Askell 在塑造 Claude 性格上的工作，以及模型福利团队、允许 Claude 主动结束对话这些设计，说这些设计被证明能显著降低欺骗性对齐的倾向。但他有两处明确批评。一是对中国，他仍然认为 Dario 在《Machines of Loving Grace》国际关系那节里写的「给中国一个无法拒绝的提议」是个巨大的污点，而且他反感那种「反正总要有人做递归自我改进，不如我们来做」的宿命论。原话大意是，这种逻辑和「这事危险，但 better us than them」几乎一模一样。

xAI 被他说得最狠。 他承认 xAI 有物理基建速度、有马斯克调动数百亿美元的能力、有 SpaceX、Tesla、Neuralink 送来的高难度工程问题当 RL 环境，Neuralink 规模化后还可能反哺模型架构。但他接着说，如果这张名单上有一家公司值得被羞辱、被劝阻别去工作，那就是 xAI。Grok 4 发布距「Mecca Hitler」事件不到 48 小时，没有任何说明；最近推特上一堆人 tag Grok 给女性照片「换比基尼」，平台几乎没设防。他说，马斯克出来威胁用户，而不是先道歉、先承诺改进，这个顺序不对，责任在家里。

顺带两句：Meta 目前不算 live player，钱多但在掉队；微软被低估了，Satya 是算过账才选择不在前沿硬拼，等 OpenAI 的授权到期，微软大概率会带着储备冲一波。

明天就能用的几件事

这期节目说到底是一个高频使用者的操作手册，不是行业预测。可以立刻照做的有这么几条。

• 处理重要问题时，同时开三家：Claude Opus 4.5 做主答，GPT 5.2 Pro 做全面体检，Gemini 3 提供一个可能过于尖锐的第三视角。 Nathan 的原话是，如果只能选一个，Claude 是那个「刚刚好」的。
• 上下文能塞多少塞多少，宁多勿少。 他自己踩过的坑是：对话太长被迫开新窗口，性能立刻下降，因为模型失去了逐日对比的能力。
• 用 Claude Code 时，遇到「两个数据库」这类诡异 bug，把整个代码库导出成一个文本文件，丢给干净的模型一次性看全。 Agent 式搜索有先验，全局视角没有。
• 别在模型选择器上偷懒。 敏感问题一定手动选最强的推理档，该付的订阅费别省。
• 给非技术亲属做小工具，最好的范式是「自然语言进，详细配置出」。 让 AI 把一句「我想要一个能筛无麸质餐厅的意大利行程 App」翻译成底层配置，人再微调。这个模式在 Nathan 给他妈、他老婆、他爸做的三个 App 里都跑通了。

最后一条私人注脚：他给爱做股票交易的爸爸做的那个回测 App，用 yfinance 拉历史数据，跑出来的结果反复证明一件事，那些「如果这样那么那样」的启发式策略，很难打败买入并持有标普 500。他说这本来就是他做这个 App 的私心之一。这大概是整期节目里最温柔的一个技术判断。