看了一下阿里 Qwen 4 關於模型自進化 RSI 的理念。模型首先理解了大模型的訓練、研發和部署，然後，在灰度測試中，不斷讓用戶使用它，用可觀測性來評價用戶滿意度。對於用戶不滿意的場景（相關輪次的對話），進行針對性數據重生成。用“滿意”的數據進行權重上的糾偏。在幾十次循環中，將所有的“不滿意”，慢慢地抹平。評分也在不斷地上漲。

這樣一個平易近人的理念，對 Agent Infra 的挑戰巨大無比。但這不是最難的。

難在用戶群體。新手小白的“不滿意”和技術素質極高的老師傅的“不滿意”都是不滿意，但是不滿意之後的提示詞則完全不同，糾偏的方向也完全不同、糾偏所用提示詞中所“流露”出來的人類智慧、軟件架構經驗和價值，也大不相同。這就不得不面對一個問題：Qwen 的灰度受測群體的質量，和 Claude 受測群體的質量，之間的差異，會將兩個模型的 RSI 引向兩個方向。

這裡面最恐怖的就是贏者通吃的“強模型虹吸效應”。模型越強，吸引到的開發者的智力密度越大，RSI 時所能捕獲、榨取的人類智慧就越珍貴。一個是從 Qoder 用戶或採買數據獲得數據，一個是 Claude Code 核心用戶身上獲取數據。

從這一點來說，差距不會越來越小，只會越來越大。這是符合物理的。強者愈強，弱者愈弱。

前段時間，有人想買我的本機 Claude Code 的全部脫敏後數據，開價不菲。甚至用 PDF 演示了一個本地數據脫敏上傳工具。也許真實使用數據的採集收購，背後的大買家，就是需要擺脫虹吸效應的訓練廠商。但本地數據裡面沒有 COT，只能說是飲鴆止渴。

如何破局？毫無頭緒。