为什么炫耀的指标从准确率变成了「存活」
在某前沿模型的案例研究中，被强调的指标发生了微妙的变化：不是基准分数，而是在混乱环境中存活的能力。最令人印象深刻的是 Cognition 的证词。一家使用 Devin（世界首个 AI 软件工程师）的银行客户拥有三万名工程师，运行着积累数十年的内部工具。迄今为止，模型在这样的环境中完全崩溃。
新模型的跃迁正来自在这种环境中撑住的能力。Cognition 称之为「survive in these environments」——在层层堆叠遗留代码的真实代码库中不崩溃，从而赢得足够的信任，让客户愿意交付更大的项目。这就是前沿移动的方向。
「回答」与「撑住」有何不同
其余案例基调一致。Cursor 说，过去必须不断推一把模型，而现在只要说一句「去做（go do it）」，模型就能自己抓住一个深层问题一路推进。无需干预地保持航向——这正是短答案与长任务之间的决定性差异。
Base44 更具体。一次系统提示词重写，本需其顶尖三名工程师花上几天，模型运行四小时便交回所需内容的 90～95%。这四小时本身就是指标，因为它衡量的是把一段长时间自主运行推到终点的能力，而非产出一次回应。
法律（Thomson Reuters）与金融（Hebbia）展示了另一条轴。律师要花数天数周的法律书状、必须永远正确的金融数据——他们说，这些需要太多的精确与上下文，用早前的模型无法实现。在「必须永远正确」的领域中撑住，是一种不同于准确率的信任。
企业无法使用 AI 的真正原因是什么
这些案例共同指向一个结论：企业无法正式使用 AI 的真正原因，不是模型不够聪明，而是它承受不住现实的遗留与例外。它早已能很好地解决干净的基准问题，却在纠缠着三十年老旧内部工具与无数例外处理的真实环境中崩溃。
于是前沿的定义发生移动——从「能否回答问题」到「能否在真实工作的混乱中长时间撑住」。一旦这堵墙开始倒下，那些以「模型还不够」为由被搁置的采用讨论，其前提便随之改变。
那么 AX 的瓶颈会移向何处
从 AX（AI 转型）的角度看，这是一个重大信号。瓶颈如今从模型的智能，移向我们如何把组织中混乱的上下文交给模型。如果模型能在环境中存活，剩下的任务就是把那个环境整理成模型可读的形态并交付。
具体而言有三点。其一，整理我们的遗留与例外，使模型能够访问。其二，设计边界与验证点，使一段长时间自主运行可以被安全地委托。其三，在「必须永远正确」的工作中划出界线——多大程度交给模型、在何处由人来核对。等待模型变得更聪明的阶段正在过去。如今，整理我们自身上下文的速度，决定采用的速度。