AI工具越来越多,我为什么反而只用几个?

AI的发展速度，确实快得让人有些应接不暇。

最近刷X和微信群，经常能看到各种关于AI大模型的测试：今天这个模型更新了，明天那个模型又登上排行榜；有人比较编程能力，有人测试写作能力，还有人同时订阅五六个平台，把同一个问题丢给不同模型，再逐一比较答案。

看得多了，很容易产生一种错觉：如果没有把这些模型都测试一遍，似乎就已经落后了。

但回头看看我自己的使用习惯，却恰恰相反。

目前我真正高频使用的大模型其实很少。文字处理方面，主要使用Codex和DeepSeek；语音方面则更多使用Gemini。最近我经常把《哈利·波特》的英文原文转成音频，然后反复播放，用来练习英语听力。

除此之外，我并没有花太多时间追逐和测试层出不穷的新模型。

原因其实很简单：我的需求没有那么复杂。

我现在做的大部分事情，本质上还是阅读、写作、整理信息、分析问题，以及一些项目上的文字和代码处理。对于这些任务来说，现有工具的能力已经足够覆盖绝大多数需求。

这让我逐渐意识到一个问题：

模型能力越来越强，并不意味着我们必须不断更换模型。

很多时候，人会把“测试工具”本身变成一种工作。比较参数、研究榜单、观看测评、寻找所谓的“最强模型”，这些事情很有趣，也确实能够满足好奇心，但如果它们没有转化成真实的产出，就很容易成为一种高级形式的注意力消耗。

管理学家迈克尔·波特有一句很经典的话：

“战略的本质，在于选择不做什么。”

我觉得这句话放到AI时代同样适用。

当工具越来越多的时候，真正重要的已经不只是“我还能使用什么”，更要问一句：这个工具到底能不能改善我的工作流？

如果一个新模型能够让我原来需要两个小时完成的事情，缩短到二十分钟，那当然值得学习；如果它能让我以前做不到的事情变得可能，也值得投入时间研究。

但如果一个新模型只是比现在使用的模型好5%，而迁移过去又需要重新熟悉界面、Prompt习惯、工作流和各种细节，那么这种“更强”对我来说，实际价值可能非常有限。

工具的价值，最终还是要回到具体任务。

就像我现在用Gemini把《哈利·波特》转成音频一样，我并不太关心它在某个排行榜上究竟排名第几。我真正关心的是，它能不能稳定地把文字变成自然、清晰、适合反复收听的语音。只要它能够很好地完成这个任务，它对我来说就是一个好工具。

这或许也是我现在面对AI工具越来越多时的一种态度：

保持关注，但不追逐；保持好奇，但不焦虑。

乔布斯曾经谈到“专注”时强调，真正的专注意味着对大量其他选择说“不”。

AI时代尤其如此。

未来一定还会出现更多、更强大的模型。我们当然应该保持开放，了解技术正在发生什么变化。但真正决定一个人能否从AI中获得巨大价值的，可能并不是他测试过多少模型，而是他能不能找到几个真正适合自己的工具，然后把它们深入嵌入自己的工作、学习和生活。

知道世界上有什么工具很重要，知道自己为什么需要它们，可能更重要。