95% 的单步正确率，连续做 50 步时整体成功率还不到 8%，这说明大模型眼下的关键矛盾已不是会不会答，而是能不能把长任务稳定做完。我们注意到，Anthropic 给 Claude Fable 5 最先摆出的卖点，不再是 Benchmark（基准测试），而是 Agents（智能体，能自主拆解并推进任务）、Coding 和 Enterprise workflows（企业级工作流）。这不是包装变化，而是路线变化。

这是什么

Anthropic 在押注下一代大模型的形态：从“聊天工具”变成“可被委托的工作系统”。它希望用户不再一步步提问，而是交代目标后，让模型自己规划、执行、检查并交付。按文中数据，同样写一篇文章，普通对话的中位交互是 13 轮；到了 Claude Code，超过一半任务只需 1 次人类指令，后续主要由模型推进。

行业怎么看

我们的判断是，大模型没有到头，但通用聊天能力的边际增量正在让位给任务执行能力。Anthropic、OpenAI、微软都在往企业流程里走，说明真正的竞争已从“谁更会说”转向“谁更能接活”。但反对意见也成立：长链路任务的误差会累积，接入企业工具后还会放大权限、审计和责任归属风险；如果最后仍需大量人工复核，商业价值就会被打折。

对普通人的影响

对企业 IT：重点会从采购模型，转向改造流程、权限和验收机制，谁能把 AI 接进真实业务，谁才更容易见到回报。

对个人职场：很多知识工作会从“自己做”变成“先委托再复核”，会提需求、会检查结果，重要性会上升。

对消费市场：普通用户未必立刻感到模型“突然更聪明”，但会逐步接受 AI 帮自己完成一整段任务，而不只是陪聊和问答。