我一直在想一些乍一看很明顯，但坐下來想久了卻變得奇怪的事情。

大多數關於AI的討論仍然圍繞模型展開。哪個模型更聰明，更快，更便宜，更有能力。這個假設似乎很簡單：更好的智能勝出。但我開始懷疑，這是否真的是持久優勢的來源。

當我看到OpenGradient似乎在構建的東西時，我並沒有立即看到智能的競爭。我看到的是記憶的競爭。

也許這兩者是不同的東西。

一個模型可以被替代。我們已經多次目睹了這種情況。新版本到來，基準發生變化，排名改變。存活時間更長的是上下文。累積的互動記錄、偏好、決策、修正、錯誤。那些慢慢將一個通用系統變成感覺上個人有用的東西。

起初我以爲這只是一個便利功能。但再想想，如果記憶變得可移植、持久，並且與網絡經濟連接，它開始表現得更像基礎設施，而不是存儲。

這就是有趣的地方。

因爲網絡效應傳統上來自於用戶聚集在一個地方。但OpenGradient似乎暗示着一種不同的可能性：如果用戶留下來是因爲離開意味着放棄多年的累積上下文，那會怎麼樣？

不過，我並不完全相信。記憶聽起來很有價值，直到它變得嘈雜。上下文是累積的，但錯誤也是。舊的假設依然存在。壞信息被繼承。記憶層越大，分離有用的歷史和累積的負擔可能就越困難。

敘述說更聰明的AI勝出。越來越多地，我在想，記憶最好的系統最終是否會更重要。

雖然老實說，這兩者可能並不總是一樣的。

#OPG #opg #Opg $OPG @OpenGradient