来自 Jeffrey Emanuel（@doodlestein）的推文线程

看到这么多帖子都在抱怨 Codex 不知何故突然变得没那么好了，还有几个月前关于 Claude Code 的类似帖子，让我想起了我最近在孙正义的传记《赌徒》中读到的一个轶事。 Masa的父亲借了数百万美元在日本建造了一家豪华的弹珠机游戏厅（弹珠机就像弹球机和老虎机的结合体，据一些统计，在过去的50年里，弹珠机占日本GDP的3%以上！）。 总之，Masa 的父亲在建设和装修上投入了巨资，因此他需要达到极其雄心勃勃的销售目标才能实现盈利：他每天需要成千上万的顾客，是附近竞争对手弹珠机游戏厅客流量的 4-5 倍以上。 头两周过后，很明显这套方法行不通。他正准备申请破产然后逃之夭夭，但突然灵光一闪：他让他的“弹珠机工程师”修改机器的弹珠设置，确保每个顾客都能获得正的预期收益。调整之后，玩家平均每天能赚到100美元。 于是，他的钱花得更快了，只能靠借更多钱来弥补支出。但很快，在“狮子”酒吧演奏比在其他酒吧划算得多的消息就传开了，酒吧顿时爆满。他就这样维持了大约三个月，积累了一批稳定且非常忠实的顾客。 但后来他让工程师再次调整销钉，使情况重新对房子有利，突然间，房子连续第四个月实现了正现金流。 然后，为了进一步迷惑人们（这或许是骗局中最阴险、最巧妙的部分），他连续第五个月再次将赔率调回亏损状态，让他们继续猜测。 在那之后，他的顾客越来越多，于是他调整了赔率，使庄家略微占优，同时仍然能获得不错的利润。 为了进一步提高盈利能力，他雇佣了 20 位大家庭成员提供免费劳动力，还招募了那些赖账放高利贷的借款人来偿还债务。 短短几年内，他在日本就拥有了十多家连锁美容院，每月净赚五十万美元。正因如此，家里才得以送他去加州留学，在那里他不仅能开保时捷，还能投资各种商业项目。 总之，目前还不清楚 Anthropic 和 OpenAI 是否采用了类似的“诱饵和转换”策略，或者他们只是低估了使用量，导致计算能力严重不足，不得不量化、提炼和减少推理工作量来弥补。 我的直觉告诉我应该是后者，但公司采用前一种方法也并非闻所未闻！