夜雨聆风深夜，一条推文悄悄挂上了Mira Murati的X主页，没有发布会，配图也懒得放一张。
她只留下这段话：桥水的专家改进了AI，AI反过来赋能专家。
三天后，这条推文的浏览量冲到143万。因为读懂它的人都倒吸一口凉气，全球管理规模最大的对冲基金，把分析师几十年攒下来的"盘感"喂给了一个AI模型，然后这个模型把GPT、Claude、Gemini全部按在地上摩擦。
准确率84.7%，比测试过的最强前沿模型少犯29.8%的错，推理成本还砍到了十四分之一。
一条推文，掀开了一个行业的底牌
先看这条原文写的什么。
▲ Mira Murati在X上宣布桥水合作，获3.5万点赞、143万浏览（2026年6月30日）
"Bridgewater used their unique financial knowledge and partnered with us on @tinkerapi to fine-tune a model that helps their analysts focus on what's important. Experts improving AI that empowers experts."
「桥水利用其独特的金融知识，与我们在@tinkerapi上合作，对模型进行微调，帮助他们的分析师专注于重要信息。专家改进AI，AI赋能专家。」
内容不长，信息量却压得很满。Mira Murati，前OpenAI CTO，2025年2月离职创业，成立了神秘的Thinking Machines Lab（以下简称TML）。Bridgewater，桥水基金，全球最大对冲基金，管理规模一度突破千亿美元，创始人是那位写《原则》的Ray Dalio。
这两家公司凑到一起，只做了一件听起来毫不性感的事：教AI判断，一份财经文件到底值不值得分析师花时间去看。
别急着觉得无聊。这件"小事"背后，藏着企业AI这一年最不留情面的真相。
前沿模型集体卡在及格线附近
桥水的分析师每天要面对新闻、研报、央行文件、内部邮件的狂轰滥炸。读文件不难，前沿大模型早就能读。真正难的，是从一百篇报道里挑出那五篇真正会影响宏观判断的。
一条关税头条可能搅动整个市场，另一条同样带着"地缘政治"标签的头条却毫无信号价值。这种取舍，桥水的资深分析师凭经验一眼能看出来，但很难写成一条条规则教给别人，不管是教给新人，还是教给AI。
桥水先拿GPT、Claude、Gemini的多个版本测试这个"信息筛选"任务，用最基础的提示词（naive prompt），六项测试的平均准确率只有46%到50%，接近随机猜测。
然后他们让真正的专家投资者亲自上阵写提示词（expert prompt），准确率应声跳到74%到78%。看起来进步不小，但投资者划了一条线：日常工作里敢把决策权交给系统，准确率必须过80%。
差了那几个百分点，前沿模型怎么调提示词都迈不过去。
▲ AI新闻通讯作者Rohan Paul的完整复盘：基础提示46%-50%，专家提示74%-78%，配图为Opus 4.6、Gemini 3.1 Pro、GPT 5.4、GPT 5.5、Opus 4.8五款前沿模型的柱状对比（2026年7月3日）
天花板就摆在那里。提示词能表达的，只是专家自己能讲明白的那部分直觉。真正值钱的判断，往往连专家自己都说不出个所以然。
品味这种东西，只能靠"喂"，不能靠"讲"
Thinking Machines的官方博客里，这段话把道理讲得很透：
"Outperforming the market is hard. When every investor has access to the same sources of public information, alpha must come from unique insight built on taste and judgment. A strong investor's judgment is difficult to articulate and teach directly to others, whether human or AI. It comes from experience."
「跑赢市场很难。当所有投资者都能获取相同的公开信息源时，超额收益必须来自建立在品味和判断力之上的独特洞察。一位优秀投资者的判断力很难被清晰表达、教授给他人，不管是人类还是AI。它来自经验。」
于是TML和桥水AIA Labs换了一条路：不再靠写规则，靠专家真实做出的判断喂养模型。
第一次尝试就翻了车。他们先用外包供应商标注的数据训练，模型表现很差。回头一查才发现，问题出在标签本身，非专家标注员看不懂那些细微的判断依据，标错了大量案例。
于是他们改了策略：先用一个初步模型跑一遍数据，把模型判断和标注结果对不上的那些"有争议"案例挑出来，专门送回桥水的专家手里复核。专家不用从头标注海量数据，只需要在模型犯迷糊的地方出手纠偏。这样一来，标注成本可控，数据质量却直线拉升。
基座模型选的是开源权重的Qwen3-235B，训练平台用的是TML自家的微调服务Tinker，相当于把数据和目标扔进去，TML帮你在自己的集群上跑训练，不用自建GPU。
三个训练技巧，把准确率从73%一路推到84.7%
光有干净数据还不够。TML和桥水在训练配方（training recipe）上做了三处关键改动，每一处都经过消融实验（去掉这个组件看性能掉多少）验证有效。
第一招，交错批次（interleaved batching）。 把六个任务的数据拆开，按顺序轮流喂给模型：每一批只装一个任务，六个任务车轮式轮换。相比把所有任务数据混在同一批里训练，这个改动带来了12.1%的提升，模型学会了在任务之间共享判断力，又不至于把不同任务的规律搅成一锅粥。
第二招，CISPO非对称裁剪损失函数。 这是MiniMax团队2025年提出的一种强化学习损失函数，给每个token的更新幅度设了上限，既保住了训练稳定性，又没有把那些稀有但有用的token一并裁掉。这一项贡献了约10.1%的提升。
第三招，在线策略蒸馏（on-policy distillation）。 训练过程中，每20步检查一次验证集准确率，一旦学生模型刷新纪录，就把当前这版模型提拔为新的教师，绝不让学生向比自己更弱的模型学习。这个机制又拿下3.1%的额外提升。
三招叠加，基线的73.48%一路爬到最终的84.66%平均准确率，正类F1值92.99%。
翻译成人话：提示词像是考前塞给学生一张小抄，微调则是让学生刷一千道真题，还配了老师逐题批改，把答题的手感刻进肌肉记忆里。
结果：更准，还便宜十四倍
数字最后落地成一张图。
▲ 媒体The Rundown AI的总结图：横轴是每千次任务成本，纵轴是平均准确率，桥水定制模型的点稳稳压在所有前沿模型的左上方（2026年7月3日）
图上那个绿点格外显眼。前沿模型的准确率和成本呈正相关，想要更准，就得多花钱，GPT 5.5和Claude Opus 4.8的成本都逼近每千次任务100美元，准确率也才卡在78%上下。桥水的定制模型却同时占据了左上角：准确率84.7%，成本却压在个位数美元区间。
用最强前沿模型作对照组算笔账：GPT 5.5的错误率是21.8%（100%减78.2%），定制模型的错误率是15.3%（100%减84.7%），两者一比，错误减少了29.8%，推理成本则降低了13.8倍。
同样的预算，桥水现在能覆盖多得多的文档、多得多的分析师、多得多次的迭代，AI的落脚点从几个高价值场景的小范围试点，一路扩展到分析师的日常全流程。
官方博客的标题干脆利落：《学习复刻财经任务中的专家判断》。
▲ Thinking Machines官网博客《Learning to Replicate Expert Judgment in Financial Tasks》，作者署名桥水AIA Labs团队，与TML联合发布（2026年6月30日）
这两个"怪咖"是谁
先说Mira Murati。阿尔巴尼亚裔美国人，本科读工程，2013年进特斯拉，之后辗转Leap Motion，2018年加入OpenAI，2022年升任CTO。2023年那场震动硅谷的OpenAI董事会危机里，她曾短暂出任临时CEO，几天后Sam Altman回归，风波平息。
2024年9月，她离开OpenAI。五个月后，2025年2月，Thinking Machines Lab成立。
这家公司起步就带着一股"顶配"气质：OpenAI联合创始人之一John Schulman出任首席科学家，团队里还有来自Meta、Mistral的老将。种子轮融资约20亿美元，a16z领投，英伟达、Jane Street甚至阿尔巴尼亚政府都参与其中，估值一度冲到100到120亿美元。公司治理也很特殊，Mira本人拥有加权的董事会决定性投票权。
一年多来，外界对TML的印象始终停留在"神秘""估值高但看不懂产品"。他们发布过微调平台Tinker，2026年3月又和英伟达谈成了千兆瓦级算力的多年战略合作，但真正能拿出手、证明这条路走得通的合作案例，桥水这次是头一个分量级的。
再看桥水。这家由Ray Dalio创立的对冲基金，几十年来一直信奉"专家系统"，把人类总结出的因果规律系统化地写进机器里，"如果A则B"式的规则应用到投资决策中。AIA Labs（Artificial Intelligence & Analytics Labs）是桥水内部的AI研究与投资实验室，由联席CIO Greg Jensen牵头。
官网上，桥水把这次转型的逻辑写得很坦率：
"Markets were the first superintelligence that humans created: systems that process information better than any human. Historical experience demonstrates this; mathematical theorems prove it."
「市场是人类创造的第一个超级智能：一套处理信息能力超越任何个人的系统。历史经验证明了这一点，数学定理也证明了这一点。」
▲ 桥水AIA Labs官网页面："AIA Labs: The Future of Investment Intelligence"，阐述从"专家系统"到AI增强投资研究的演进逻辑
规则再精密，也赶不上市场复杂性的膨胀速度，新技术层出不穷，黑天鹅接连出现，宏观周期说变就变。纯靠人写规则的系统覆盖不了这一切，桥水想要的是一个"人工投资者"：进行严谨、可解释的基础研究，规模远超任何人类团队所能触及。
这次和TML的合作，正是这场演进摆到台面上的第一份公开答卷。
判断力，正在变成新的护城河
过去谈AI的护城河，谈的是数据量、谈的是算力规模。这次桥水的案例把另一件事摆到了明处：一个机构几十年积累下来的"分析师每天怎么决定读什么"，一旦被结构化清洗、变成可训练的数据集，本身就是别人抢不走的资产。
没有这份积累的机构，就算拿到同样的开源模型、同样的训练技巧，也复刻不出这份成绩，因为算法谁都能复制，真正稀缺的是那批干净的专家标签。
提示词工程当然有用，能把准确率从五成拉到七成多，但天花板明显。微调走的是另一条路：让模型把判断"内化"进权重里，不用每次都靠一段提示语临时"提醒"它。对那些高频出现、单次价值不高但累积起来极其耗时的判断任务，这条路径的优势格外突出。
成本下降13.8倍，听起来是个技术指标，落到管理规模超千亿美元的机构身上，意味着覆盖面的质变，AI不再只能蹲守在几个精挑细选的试点场景里，而是能铺满分析师的整个日常工作流。
当然，故事还没到盖棺定论的时候。X上已经有人提出质疑：测试集是否足够干净？专家复核只挑争议案例，会不会留下系统性偏差？更现实的问题是，GPT、Claude、Gemini的下一代版本会不会很快追上来，把这29.8%的优势重新抹平？桥水自己的风险披露里也明确写着，AI工具可能出现重大误差，人类监督依旧不可或缺。
TML内部同样算不上铁板一块，早前已有联合创始人回流OpenAI的报道，AI人才争夺战的烈度可见一斑。
会读的AI很多，会判断的AI很少
回到那条143万浏览的推文。Mira Murati没有渲染任何戏剧性的措辞，只是平静地宣布了一次合作。可这条推文戳中的，恰恰是这一年企业AI最尴尬的现实：模型的阅读能力早已过剩，真正稀缺的是"该看什么、该信什么"的判断力。
桥水用五十年攒下的专家直觉，给这道题交了一份分数不低的答卷。至于金融之外，法律、医疗、其他一切依赖"品味"而非"规则"的领域，是否也在悄悄复制这条路径，恐怕才是这条推文真正该让人细思极恐的地方。
