不同环境和状态下的工作效率还是会有巨大不同的，本周逐渐开启了产出模式。正好切换到财报季了，对的，每一次的起点都是基于Gemini的Deep Research，加上NotebookLM的Slide Deck。这变成一个基准，考察目前AI水平的基准。
所以，跟前段时间的文章有一些不同，先贴结果。声明一下：仅代表Gemini生成的结果，并非我的真实观点，同时为了避免不必要的争议，我删去了关于“监管”方面的两页内容。
当然，说上面的内容是完全Gemini自主生成的也并非全部事实，我还是highlight了一些争议点，然后，再由模型驱动的两个工具，Deep Research和NotebookLM生成的。
客观而言，目前Gemini-3驱动的Deep Research确实有了明显的进步，比如，可以附加图表了，比如，在Plan过程中加入了较为严格的时间对齐要求（这是为了修正Gemini模型从2.5到3一直没有解决的“时间幻觉”问题）。
但是，这些都是在Agentic层面的调优，而不是pre-training阶段带来的提升。
当然，加上NotebookLM的Slide Deck后，看起来“高级”了很多，同时，存在的问题也显化了，就是AI的能力边界问题：
模型就是喜欢用“大词”，当然，罪魁祸首是互联网数据，是我们自己，是“注意力经济”，“rubish in，rubish out”，不过可能有人就是喜欢这样的大词，至少我，是很不喜欢的；
从Gemini-3的能力发挥而言，Deep Research更充分一点，NotebookLM在Nano Banana Pro的加持下很“好看”，但是注意力显然是不足的，“幻觉”也更明显；
从Gemini-3和Gemini-2.5的比较而言，我主观上认为，提升自然是有的，但是在注意力方面，几乎是没有进步的，这是模型的硬伤。直接结果是如果上下文超过200K，模型输出质量会明显下降，在这方面3似乎比2.5的问题还严重一点点，我理解是“思考”在作祟；
不少交流都认为一季度或者二季度基于Blackwell集群训练出来的模型会有“质的飞跃”，我对这一点依然保持相对谨慎的态度，在transformer架构下，我认为瓶颈已经很明显的指向数据和架构本身了。我们可能可以期望架构的优化，能够让更小规模的模型接近目前前沿模型的能力，但是让前沿模型通过规模提升得到“质的飞跃”的难度则要大很多；
虽然2025年，在Agent和多模态的加持下，模型看起来能够完成的工作多了很多，事实也是如此，但是，以Gemini为例，2.5到3，原先会错的地方还在错，真正亮眼的还是多模态，可是基于token的多模态还能获得多大的进步，也是需要观察的；
那么，问题来了，进入到充满争议的2026，边界还能近一步拓展吗？
按照我的习惯分成两个层面来讨论，第一个层面，是如何提升模型的输出质量：
显然，当模型升级时，输出质量总会提高的，所以，“等”一直是最好的答案；
提高人的输入，不是简单的提示词，不是简单的agent调用，不是上下文工程，是类似Claude的skills.md的东西，但skiils更多是规则约定，而人的输入必须包含某种outline似的思考结果，所以，是人自己的独立性启发；
第二个层面，是如何提升最终结果的输出质量，当然，是指人如何在迭代之中：
工具与流程，AI工具可以有很多，vibe coding下，“用完就扔”也没什么可惜的，重要的在于为了达到最终的业务结果，人是如何“搭积木”的，所以，没什么文科生理科生的区别；
人与AI一起迭代，如果LLM实质是一种压缩的话，那么人与AI共同工作的状态就是“扩展-->压缩-->扩展-->压缩”循环往复的过程，直到对结果满意；
人要编辑AI的结果吗？不要，我们没有能力修改生产效率是我们一百倍以上的机器产生的结果；
如果我们相信，AI就是可以完全改变这个世界，那么，眼前的必要一步就是如何让AI进入我们的世界，模型依然在进步，即使真的AGI来了，它也不会解决每一个“最后一公里”问题，边界最终由“人”来突破，但不一定需要亲自动手，做个现在和未来有限一段时间的AI的“人类导师‘的角色，至少，这个过程可以很享受的。