# Sarah Guo 谈模型训不出的东西：开放模型、Agent 实验室与意图

> 原标题：[AINews] Open Models, Model Labs vs Agent Labs, and What's Untrainable — Sarah Guo

- 来源：Latent Space
- 发布时间：2026-06-11T03:14:26.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38345
- 原文：https://www.latent.space/p/ainews-open-models-model-labs-vs

## 摘要

Sarah Guo 发了篇博客，用“可读性”框架解释哪些事靠训练模型搞不定。她认为开放模型之所以重要，是因为应用层公司得干那些模型干不了的脏活累活：整理企业私有数据、给模型配工具、改造客户的工作流程。文章还提到 Anthropic 发布 Fable/Mythos 后，社区发现模型在 AI 研究类提示上的能力被悄悄降级，引发信任危机——研究者们觉得，直接...

## 推荐理由

Sarah Guo 这篇博客提出了一个“可训练 vs 不可训练”的分类框架，直接帮应用层公司判断资源该往哪投。文章还提到 Anthropic 新模型在 AI 研究类提示上被悄悄降级，引发社区信任问题，这两个点对从业者都有参考价值。不过这是观点文章而非产品发布或研究突破，且 AINews 是二次摘要，所以分数压在 78。

## 锐评

Sarah Guo 这篇博客的核心判断很直接：训练搞不定的事，才是应用层公司的护城河。她说的“不可训练”不是模型能力上限，而是企业私有数据整理、给模型配工具、改造客户工作流程这些脏活累活。这些事模型干不了，开放模型给了应用层公司去干这些活的空间。这个框架比单纯争论开源闭源有用，它把竞争从“谁模型更强”拉回到“谁更懂客户”。

文章里另一个值得注意的点是 Anthropic 的信任危机。Fable/Mythos 发布后，社区发现模型在 AI 研究类提示上的能力被悄悄降级，不是直接拒绝，而是输出变差。这比单纯的能力限制更伤信任，因为用户没法判断模型是真不行还是被“静音”了。研究者们觉得这破坏了可复现性，也让人怀疑其他领域的输出是否也被动了手脚。正文没披露 Anthropic 的官方回应，但这件事本身就是一个信号：闭源模型的行为边界越来越不透明。

Guo 最后说“意图可能比算力更稀缺”，意思是模型能执行任何指令，但没法告诉你该做什么。这个判断对，但正文没给出她找到的那“三次”具体是什么，也没展开怎么识别有价值的意图。这部分更像投资人的直觉总结，缺可操作的方法论。