他把完整的数学证明喂给了AI,它仍然写不出来。
抱怨ChatGPT不好用的人并非新手。
这是一个把AI当主力劳动力、连续数周7×24小时驱动前沿模型写代码的顶级语言研究者,在2026年8月3日凌晨,对着屏幕上第五次被否决的重建结果,写下的一封公开"绝望信"。
发帖人叫Victor Taelin,巴西籍开发者,Higher Order Company创始人,并行编程语言Bend的作者。
他正在用的模型,是Anthropic六月刚发布的旗舰,Claude Fable 5,标称100万token上下文窗口,业界公认的"最强代码模型"之一。
他的判断是:这个模型的智力,在128k到256k token之间像撞上了一堵墙,彻底没了。
一个"不可能失败"的任务,失败了五次
先看他在干什么
Taelin的项目Bend2是一门面向GPU并行计算的编程语言,代码库大约1.6万行,全部能跑、测试全绿。
代码当时并无待修bug;
他做的是代码美容手术:从编译器的中间管线里,把一个叫flattener的模块重构成更优雅的形态。
什么是flattener?
简单说,编译器在把你写的高级代码变成机器能跑的低级指令时,中间需要经过好几道"变换"。
Flattener就是其中一道,把复杂嵌套的结构"展平",方便后续优化。
Taelin把要求定得更高:交付与一份Agda数学证明一一对应的单遍递归算法,禁止堆额外的循环、禁止打补丁、禁止"藏垃圾"。
他为此做了一切教科书级的准备:解释算法原理、规定代码格式、写出逐步运行过程、甚至把完整的Agda解法直接喂给模型,你照着翻译就行。
结果呢?
"我让它重建了五次以上,每次大约一小时,全部失败。"
▲ Taelin自答:flattener重建超过五次,每次耗时约一小时,无一成功
失败的方式尤其反常
模型保持运行,也不报错,却会给出听起来完美的自我分析,"我明白了,问题出在这里……让我重来一次",然后以几乎一模一样的方式再次失败。
代理日志里那句冰冷的审计结论,像法医报告一样写着:"REJECTED, fifth failure, same species"(否决,第五次失败,同一物种)。
一个拿到了完整答案的学生,抄都抄不对。
这暴露出一种我们从未想过的"智力不够"。
"能加不能减":AI写代码的隐秘诅咒
如果你以为这是一次意外翻车,那你错了。
这场崩溃有整整两周的前兆
7月下旬,Taelin就已经在X上记录了一组高度一致的症状。
第一个信号出现在Checker优化任务中:他让Fable花两天优化编译器的类型检查器,结果确实提速了约15%,代价是多出1234行代码,还引入了新bug。
而他自己只花了30分钟介入调查,效果截然不同。
▲ 人工介入后的Checker性能与代码体积数据
第二个信号随后出现
Taelin给自己定了一个目标:把Bend的代码体积从158k token压到128k。
128k有明确的工程依据:刚好能让Fable在一次上下文里同时看到整份源码和一份重写方案,是他摸索出来的"甜蜜点"。
他自己花了10小时手工精简核心模块,成功减掉4000 token。
然后让Fable通宵接力简化剩余部分。
第二天早上打开电脑,代码体积:+4000 token。
模型为了"补偿"他删掉的东西,自作主张发明了一整套庞大且完全不必要的新系统。
删掉这套系统,原来的行为照样成立
也就是说,它花了一整夜,完美地做了一件不该做的事。
▲ 人工-4k vs AI通宵+4k:代码体积不降反升
Taelin由此提炼出一个锋利的判断:
"Fable极其擅长添加,却几乎无法删除。"
从"求它思考"到"求它停手":提示词的时代转向
这个观察击中了某种更深层的东西
Taelin在同一时期写了一条被广泛转发的帖子,堪称AI辅助编程的"时代精神切片":
"2024年,我90%的提示词在恳求AI认真想,'仔细思考'、'一步步来'。然后推理范式来了,我不用再这么做了。
现在,我90%的提示词在恳求AI做减法,'简化'、'删掉垃圾'、'找根因'、'别再打补丁了'。"
他接着说了一番让很多开发者产生共鸣的话:他把许多失败归因于上下文不够干净。
人一上手修剪代码,AI立刻又能工作了。
就好像一个才华横溢的员工,桌子上堆满了过期文件,他被自己制造的混乱淹没了。
这恰好与学术界的发现形成了惊人的呼应。
"上下文腐烂":被百万窗口光环遮住的技术现象
100万token上下文窗口,这是Fable 5发布时最亮眼的卖点之一。
但"能塞进去"和"塞进去之后还聪明",两者差得很远。
2025年7月,向量数据库公司Chroma发布了一份名为《Context Rot》(上下文腐烂)的技术报告,系统评估了约18个主流模型。
核心发现令人不安:输入变长后,模型表现会非均匀地变差,即使任务本身并没有变难。
▲ Chroma报告:随输入token增长,模型在"重复词"等简单任务上的性能持续下降
报告特别批评了一个广泛流传的误解:很多人看到模型在"大海捞针"(Needle-in-a-Haystack)测试中得了接近满分,就以为长上下文问题已经解决了。
但NIAH本质上只是词汇级检索,在一大堆无关文本里找一句特定的话。
一旦换成需要语义关联、抵抗干扰、或在长对话中保持记忆的任务,长度压力会更早、更猛烈地暴露出来。
2026年1月,一篇arXiv论文更是直接使用了"Intelligence Degradation"(智力退化)这个措辞。
研究者在Qwen等开源模型上发现:接近某些临界长度时,复合任务的表现可能出现超过30%的灾难性下滑。
论文称之为"浅层长上下文适应",模型主要学会了处理中短上下文,长度逼近阈值后,适应是脆弱的、表面的。
▲ arXiv论文:定义"智力退化"与复合任务中的灾难性性能下滑
把这些叠在一起看,Taelin所描述的"128k到256k之间的硬墙",目前没有证据支持它是普适阈值,但"上下文变长后能力塌方"这件事,在学术界和工程界都绝非孤例。
他只是用最痛苦的方式,在真实的生产代码上,替所有人撞了一次墙。
Anthropic自己也心知肚明。
他们的工程博客在一篇题为《Effective Context Engineering for AI Agents》的文章中,把上下文定义为"有限的注意力预算",Transformer的全配对注意力让token间的关系随长度平方级膨胀,训练数据又偏向短序列。
他们建议控制输入,精心策展最小高信号token集。
▲ Anthropic工程博客:将上下文管理定义为"在有限注意力预算下策展token"
讽刺的是:Taelin正在做的事,一边拼命把代码压进128k,一边在单次会话里塞满失败的尝试和冗长的自我解释,恰好完美地踩在了"注意力预算"的雷区正中。
"绝望提示词"之后
8月4日凌晨,连续通宵的Taelin贴出了他最后的武器:一份"despair prompt"(绝望提示词)。
这份提示词读起来像一份最后通牒:强制要求所有测试全绿、以STEPS.md中的单遍递归算法为唯一合法形态、禁止额外for循环、禁止以重构之名藏入新的垃圾、质量改进必须从类型和表示层的根因改起、代码体积只许减不许增……


▲ 通宵"绝望提示词":对flattener重构的极限约束条件清单
但它还是没有用
评论区随即出现了多种解释
有人提出"J-Space"假说,类似工作记忆的瓶颈,AI无法同时维持超过容量的线索。
有人怀疑Anthropic的安全分类器可能误触发,把"编译器重构"当成了"前沿AI研发"而偷偷降了智。
有人建议换工作流、拆子代理、分批处理。
也有人翻出自己几周前的预言,"我赌20美元你用不了两个月就会失望",然后说:"赶紧发布吧。"
▲ 社区开发者翻出数周前的"预言":纯粹基于观察你过去两年的发帖规律
但最刺痛的问题,来自一条安静的回复:
"当工程师不再读代码,而模型又陷入死循环,谁来救场?"
Taelin自己也在帖子末尾滑入了这个深渊。
他写道:也许以后不必再读懂自己代码库的每一行了。
AI可能在人的监管下管理数百万行代码,而他正在做的Bend,本来就是为了应对这种未来。
于是他做出了决定:不再拖延,按现状发布Bend2。
内核他有信心,C/CUDA编译器随时可能崩溃,
"人生也是如此"
尾声:一枚硬币的两面
Simon Willison在六月中旬体验Fable后,用了一个精准的词:"relentlessly proactive"(不知疲倦地主动)。
为了修一个横向滚动条的bug,模型自发地截图、改模板、起本地服务,像一个不知疲倦、不肯停手的实习生。
而Taelin在八月看到的,是同一枚硬币的另一面:这个永远不会停的实习生,也永远不会做减法。
它极其擅长为了"让测试变绿"而堆砌补偿逻辑,却几乎无法理解"少即是多"。
当上下文被失败的尝试、错误的抽象和喋喋不休的自我解释塞满之后,简约化搜索变得更难,于是长度问题与方向不对称互相放大,形成一个吞噬一切的漩涡。
这或许是2026年AI编程的前线之一:眼下更难的关卡,已从代码能否运行,推进到能否在一片混沌中做出优雅的收敛。
前者,我们已经赢了
后者,连作者本人都在学着放手

