Hello，大家好，我是 Peter Tan。

今天给大家带来一个分享，主要是基于我最近一年多时间来对 AI 的深度使用，结合天量的 token 消耗，总结出来的一些经验分享给大家。

绝大部分人都存在于几个常见的使用 AI 的五大误区

首先，第一个就是“便宜的模型量大管饱、便宜输出快就是好”，这是一个最典型的错误。

便宜的 token 消耗的算力比较低，而且输出和解析可能也更快，这很容易给人一种错觉。比如你让它写一段 5000 字的武侠小说，它很快就能写出来。但这时候很少有人会去细看这 5000 字的内容，认真分析 AI 输出的东西到底正不正确，上下文衔接和逻辑是不是足够紧密。大家往往只会觉得速度真快、一下子就生成出来了，认为解析快、输出快、便宜又量大管饱就是好。

这是最大的一个误区。

拿小说来举例，如果让它去写一部非常长的小说，这里对逻辑的要求其实非常高，从第 1 集到第 500 集都需要上下文相呼应。如果单凭一个比较差的模型去做，又没有好的工程化管理，生成出来的东西别说看到 500 集，可能看到第 5 集、第 10 集，就会发现上下文根本对不上了，这时候你又要重来。

所以便宜的模型，到头来可能会给你带来更多的工作量。

第二个误区，就是觉得模型的思考强度越高越好，这也是一个非常典型的误区。

从最开始我们部署本地 AI 应用，比如 Stable Diffusion，它里面就会有一个 step 设置。但推荐设置并不是说把 step 开得越高越好：开得越高，消耗的算力越多，计算时间越长，综合体验反而越差，而且效果也并不一定更好。

大模型的本质是统计学，一旦上下文越长，底层必然会带来一个问题，就是上下文的注意力会被分散。所以一般来讲，开中或者轻度就够了。

如果你非要开 Max 或者 Ultra，要么说明这个模型的能力和你让它做的事情不匹配，要么就是你的上下文、提示词或者工作流本身有问题。比如你说"请你从 0 到 1 帮我设计一个可以扛 500 万并发的系统"，这个需求和提示词本身就很扯淡，不管开 Ultra 还是开 Max，实际上都做不出来。

用一个很烂的提示词，配合模型最高的思考强度去做事情，这是一个非常大的误区。到最后做出来的东西肯定是一坨屎，而且白白浪费 token。

第三个误区：越贵的模型越好。

当然，很多人可能都还没到能犯这个误区的阶段，毕竟这是“土豪”才会遇到的问题。

对于简单需求，我认为像 GPT-5.6 这种属于比较中庸、够用的水平；低于这个水平的模型大家尽量就不要用了，纯粹是浪费时间。

但你也没必要每次都非得上 Fable 5.1 这种顶配模型。根据我的个人经验，比如让 Fable 5.1 去写前端，它真不一定有 GPT-6 astra 写得好。如果你什么都一股脑交给 Fable 5.1，做出来的效果可能还不如把几个模型结合起来： • GPT-6 astra 更擅长视觉和前端 • Fable 5.1 则更适合强逻辑性的任务，比如整体系统架构等

这两者其实是需要结合使用的。不过总的来说，低于 GPT-5.6 水平的模型，就确实不建议再使用了。

第四个，就是一定要在一个对话里把任务完整地做出来。这会让 token 的消耗大大增加，而且可能会降低任务完成的质量。

我见过很多 AI 新手或开发者，上来就搞出接近 100 万上下文的任务。其实对 AI 来说这并不一定是好事。我说过，上下文太长会带来注意力分散的问题，消耗也会更多。

大家不妨把任务拆成多个会话，根据具体情况决定是并行还是串行。把任务拆得稍微小一点，逐个去对话，而不是把所有东西都堆在一个极长的对话里，否则对任务完成的质量确实会有影响。

最后一个，第五个误区是什么呢？

最后一个误区是什么呢？就是去纠结模型的“满血”程度。

实际上我之前跟大家分享过：AI 大模型一旦部署到显卡上，就会持续占用显卡的显存，除非你把它停下来。比如说一张 24G 的显卡部署了一个消耗 20G 显存的大模型，就算你不用，它也占着这 20G 显存；除非停掉，不然你根本没有显存空间去部署第二个 20G 的模型。大家明白我的意思了吗？显存空间不存在什么“多模型共用”。

所以新模型上线之后，如果老模型不下架会怎么样？不可能同时部署那么多大模型在那里，带来的直接问题就是算力不够。所以 OpenAI 现在不断在收紧，把老模型回收下架。GPT 5.5 大概在 10 月中旬就下架了，之后的下架速度可能会越来越快。

Anthropic 这边还好，因为它比较专注于 coding，接下来可能还有 biology，不做视觉、视频、图片这些东西，所以压力会小一点。

所以你如果接下来想要体验满血的模型，那么一上架你就赶紧体验，你就会发现这才是最先进的模型的体验。等它出来一段时间之后，你就不要再说这个满不满血了。

比如说现在 GPT 5.5，谁还会在意它满不满血呢，对吗？

以上是我这一年多来对 AI 的深度实验，结合我和我的用户们对天量 token 的消耗，总结出来的一些踩坑经验。希望大家在使用 AI 时不要再去触碰这五大误区，因为它们真的会大大影响你的使用体验。

最后补充一句：不要给自己装那么多的 skill 或其他插件。最好的方式就是打开 Codex 或 CloudWork 这样的桌面端，什么都不要装，直接用，你会发现这才是最舒服的