夜雨聆风Anthropic 的 Cat Wu，前几天发了条推，夸自家新模型 Claude Fable 5。
夸的点很特别，不是「它能写多漂亮的代码」或「它答题多准」，而是一个听起来有点 geek 的细节：他让 Fable 5 做一份用户留存分析，结果 Fable 5不用任何提示，自己选对了统计方法——倾向得分匹配（propensity score matching）。
翻译成人话就是：它没等 Cat Wu 嘱咐，就自己想到了该怎么做这道题。
这事听着不大，但细品，其实戳中了这代 AI 和上一代最本质的区别。
先讲清楚「留存分析」为什么是个技术活。
假设你是个产品经理，想知道「用了某新功能的用户，是不是比没用的人更愿意留下来」。最直觉的做法是：拉两拨人，比一比留存率，完事。
但这么比，十有八九是错的。
为什么？因为这两拨人，本来就不一样。愿意去试新功能的人，往往本身就是更活跃、更爱捣鼓的用户；那些没试的人，可能本来就不怎么登录。你拿一群「天生爱用的人」和「天生不爱用的人」比留存，得出的结论，到底是因为新功能，还是因为这拨人本来就留得住？根本说不清。
要得到靠谱的结论，你得先做一件事：从两拨人里，各挑出「活跃度、背景差不多」的来配对，做到「苹果跟苹果比，而不是苹果跟橘子比」。
这套配对的方法，在统计学里就叫倾向得分匹配——按用户的活跃程度打分，把分数相近的配成一对，再比。这是因果推断里的基本功，不高端，但凡受过训练的分析师都知道。问题是，真到干活的时候，很多人得被提醒一下才想得起用。
而 Fable 5，自己想起来了。
这才是 Cat Wu 惊喜的点。
他没跟模型说「嘿，这里要控制混杂因素，记得用 PSM」。他只是把数据和问题丢过去，Fable 5 看了一眼，就判断出：这里头有「用户本身活跃度不同」这个坑，得先配对再比，不然结论是歪的。
换句话说，它不是在「答题」，它是在「判断该用什么思路」。
这两个，差着一个时代。
过去这几年的 AI，本质上是「听话的工具」：你说翻译，它翻译；你说总结，它总结；你给出明确步骤，它照着做。它的聪明，体现在「执行得好不好」。但「该用什么方法」「这里有没有坑」「要不要换个思路」——这些属于「判断」，得人来。
可 Cat Wu 遇到的这件事说明：AI 开始往「判断」那一层伸手了。它读懂数据，主动识别出隐患，挑了正确的解法。这不像工具，更像——一个有点经验的同事。你不用嘱咐，它就懂。
这个变化，意义其实挺大。
想想你平时跟 AI 协作的样子。大多数时候，你得把任务拆得细细致致：先做什么、再做什么、注意什么、别犯什么错。AI 是执行者，你是大脑。你漏交代一句，它就可能往坑里跳。
但如果 AI 开始「自己想到」该用什么方法、该避什么坑，你和它的关系就变了。它从「听令的手」变成「会思考的搭档」。你给目标，它补思路；你没想到的，它提醒你。
这恰恰是 Anthropic、OpenAI 这些公司现在拼命宣传的「agentic AI」（智能体）要干的事——不只是回答问题，而是能自主规划、自主判断、替你把一件事想完整地做完。Cat Wu 这条推，算是这个趋势一个挺生动的小注脚：连「该用哪个统计方法」这种需要专业判断的环节，AI 都开始自己扛了。
当然，得说句公道话：Fable 5 这阵子也不全是夸声。
它那套「30 天数据强制保留用于安全监控」的政策，惹恼了不少企业客户——微软据说都内部限制了员工使用，因为它打破了原来一些「零数据保留」的合规协议。能力变强的同时，代价也在变大，这是另一回事，回头可以单聊。
但就 Cat Wu 这条推点出的趋势而言，方向是清楚的：AI 正从「听话的工具」，一步步挪向「有判断力的同事」。
所以下次你让 AI 帮你分析一份数据，或者干一件有点专业门槛的活，别只盯着它「做得对不对」。多留意一眼：它有没有「自己想到」什么你没交代的方法、没提醒它避开的坑。
如果有，哪怕只是一个小小的统计方法的主动选用——恭喜你，你碰到的，已经是和上一代很不一样的 AI 了。
那个「不用提醒它就懂」的瞬间，才是这代 AI 真正值得记住的地方。
