给 AI 喂多少资料合适？IBM 八模型实测

这期讲了什么

• 经验贴士怎么攒：智能体（能自己动手干活的 AI）先干一批活，再从干活记录里提炼小纸条——比如转账前先核对收款人全名、删东西前确认备份——下次开工前把纸条塞回它眼前，不用回炉重练
• IBM 在 Hugging Face 的实测：八款模型进同一个模拟 App 世界（日历、聊天、转账全是假的），五百多个多步任务，办成才算分，成绩单公开了五款代表
• 三种模型三种吃法：DeepSeek V3.2（六千多亿参数）整本手册塞给它任务完成率涨近一成；gpt-oss（一千多亿参数）被整本淹掉，只挑相关几条喂反而涨 16.1 个百分点、花的钱只比不喂多 5%；GLM-5 怎么喂都纹丝不动，原因还没查实
• 为什么喂多了抓不住重点：Anthropic 说模型有注意力预算，每多塞一个字就分走一点精力；2023 年斯坦福论文发现长文档里开头结尾记得牢、中间的信息经常漏；IBM 猜测可能跟上下文窗口大小有关
• 三条今晚能用的规矩：先剪再贴、贴完让它复述关键三条、长文档先要摘要再追问；判断大厨小厨的土办法——越是省钱的越按小厨伺候，拿不准就按小厨喂；动钱删东西发消息这类大事先让它说计划再动手

文字稿

经验贴士：智能体怎么自己攒经验

你肯定把一整堆资料糊给过 AI。一份文档，一长串要求，全贴进对话框，回车。它答得一本正经，头头是道，听上去哪儿都对，可你最在意的那个点它正好漏了。你肯定复盘过：是不是我没说清楚？是不是资料没排整齐？于是下一次你贴得更多、要求写得更细，结果它还是漏。今天先给你吃颗定心丸：这口锅真不全是你的。它漏，是因为它接不住。

说这个，是因为 IBM 在 Hugging Face 发了份实测。Hugging Face 就是 AI 圈那个开源社区，研究团队把成绩单都摊在那里，评的都是大家叫得上名字的模型。里头最反直觉的一条：花钱最少的那种喂法，涨得反而最多。

先看 AI 的记性。你平时聊天用的那个 AI，每次对话基本是失忆的：今天问它的事，明天再问一遍，它跟没听过一样。可有一类做法能让它把干活的经验攒下来——攒的不是聊天记录，是它从自己干过的活里学出来的经验。这种能自己攒经验的 AI 有个名字，叫智能体：你给它一个目标，它自己查资料、点按钮、把事办完，跟只会陪聊的 AI 不是一回事。

IBM 让这类智能体先干一批活，再回头翻它的干活记录：成功是怎么干成的，失败是栽在哪儿的，事后是怎么补救的，一条一条提炼成小纸条。纸条上写的都是实在话，比如转账之前先核对收款人的全名，删东西之前先确认备份还在不在。下次干活前把这一叠小纸条塞回它眼前，等于开工前把经验写在桌上。最省心的是，不用把模型回炉重练，也不用请人一条条标注，这一圈跑下来全是它自己给自己补课。IBM 还给它配了个翻纸条的本事：开工之前先翻一遍，只把跟眼前这活最对得上的几条挑出来喂。

三种模型三种吃法

IBM 把八款模型请进同一个考场，从最小的开源款到各家压箱底的旗舰，成绩单只公开了五款代表，我捡三款最有戏的讲。考场是个模拟出来的 App 世界：日历、聊天、转账全都有，可全是假的，碰不到真钱真数据。模型要在里头自己把事办成，都是多步任务，比如先把周一的会挪到周二，再挨个通知所有人改期。五百多个这样的活，办成了才算分——这个分就是任务完成率。

先看脑大的那头。DeepSeek 家的 V3.2，六千多亿参数——参数就当脑容量看，越大越能装。这一头，整本手册全塞给它，任务完成率涨了将近一成。还有一句要紧的：V3.2 是它家上一代，不是最近刷屏的新款，别搞混。它底子本来就厚，还能再涨一截，这手册是真喂到点子上了。这就是大胃王那一类：整桌菜端上来全扫得动。

GPT 家有个开源的叫 gpt-oss，一千多亿参数，算是小脑子。整本手册塞给它，直接被淹掉——记不住，也分不清轻重。可换成另一种喂法：只挑跟当前任务最相关的几条贴士喂给它，任务完成率涨了 16.1 个百分点，花的钱只比什么都不喂多 5%。同样的手册同样的活，喂法一换，一个天上一个地下。看清楚这组数：小脑子的挑着喂涨得最多，整本塞涨得更少、钱还多花了差不多一半。花钱最少的那条路，成绩最好。

还有第三种最让人摸不着头脑。一个叫 GLM-5 的模型，怎么喂都纹丝不动，一分没涨。注意，这不是说它不行，它本来就挺能打，起点就高。可能是已经吃得太饱，可能是这些贴士不对胃口，也可能是压根没认真用。IBM 自己都说原因还没查实。能确定的只有一样：喂料这件事真的没有统一答案。

为什么喂多了反而抓不住重点

最直接的，是 IBM 亲眼看到的：手册一大，小脑子就抓不住重点。不过先说清楚，这是它观察到的现象，不是查实了的原因。再有是别家的官方解释。Anthropic 说过，模型有个注意力预算——注意力就是它分给每行字的精力，总共就那么多，每多塞一个字就分走一点。这道理你其实熟：开会的时候手机一直震，领导讲重点那两句你刚好走神。模型也一样，料贴得越多它越顾不过来，真正关键的那条反而没接住。

还有一层证据，来自 2023 年斯坦福那边的论文。模型读很长的文档，开头和结尾记得牢，夹在中间的信息经常漏。审合同的老手都懂，重点要么放最前头要么放最后头。关键信息埋在中间，它大概率看不见，埋得越深漏得越厉害。两家各说各的，说法却对得上。

最后是 IBM 自己的猜测，它说得挺客气：可能跟上下文窗口大小有关。上下文窗口就是它一次能看在眼里的字数上限，窗口大的更能吞整本，窗口小的适合喂精选。注意这是它自己的猜测，专门的对照实验还没做。它还补了一句：一个模型到底该吃多少，不是简单看参数多少，它原本有多强、结构是啥样、贴士写得好不好都可能有份。所以谁要是跟你说喂料有万能公式，别信，科学家自己都还在研究。

这三件事摆在一起，那张实测表就活了：三种模型三种吃法，没有一个统一答案。这些数都只在这一批模拟任务上测出来的，换一批活未必还这样。这张表不是给研究员的，是给每个用 AI 的人看的。

三条今晚能用的喂料规矩

我以为多喂是在帮它，其实是在抬高它的门槛。料越堆越高它越进不来。不是它笨，是你给的料超出了它接的极限。改喂法这件事，不用花钱也不挑模型，今晚就能试。

先教你一招怎么分清大厨小厨，土办法一认一个准。付费的旗舰档，像 Claude、GPT 的顶配、DeepSeek 这类，约等于大厨，整本菜谱吞得下。免费的、手机里跑的端侧小模型——端侧就是装在你手机上、不联网也能跑的那种——约等于小厨，菜谱一长就手忙脚乱。还有一档响应特别快的轻量档，也按小厨算。记住一条：越是省钱的越按小厨伺候，拿不准的默认按小厨喂，稳。

最要紧的一条，先剪再贴。你手上要是又长又杂的资料，你问的只是其中一小块，比如几十页的报告里找三个数，就别整篇糊过去。先把相关段落挑出来，只贴那几段，跟问题无关的一个字都别留。

再一条，贴完先让它复述。你就问它一句：我刚给你的资料里，最关键的是哪三条？它要是支支吾吾说不全，说明关键信息正卡在那堆料中间，这堆料对它不是帮手是负担，砍掉一半再问一次。它要是能说清，你也顺便确认了它真看进去了。

还有一条，长文档先要摘要再追问。合同、报告、论文几十页的东西，别一口气全塞进去。开口先问它：用三句话把这堆料总结一下。总结利索了再顺着往下问，要哪段问哪段。先要摘要，就是先把地图要过来，再决定往哪走。

真要办的是大事，还有一道保险。先让它把计划说出来，你过一眼，再让它动手，最后让它自己复查一遍。什么时候算大事？动钱、删东西、发消息，这种收不回来的都算。IBM 那批测试里有个更严的算法，同一件事换着法子问，全对才算过，很多模型平均看着行，一换问法就露馅。

有人会问，那大厨呢，也要这么小心吗？大部分人手上用的其实是小厨。大厨可以松一点，整篇喂它也接得住。可你哪知道手边这个到底是真大厨还是装的大厨？评测里的活都不是闹着玩的：约时间、转账、发消息，一步错步步错。越是这种错不起的活，越别偷懒，一律按小厨的喂法来。把最要紧的那一步单独拎出来先问，比一股脑全倒稳得多。

最后把三条规矩收进兜里：先剪再贴，贴完让它复述，长文档先要摘要。判断大厨小厨的土办法也再记一遍：拿不准就当小厨。喂料这件事别贪多，喂对路才算数。你下次往对话框里贴一大段之前，停三秒想想：这堆料，它接得住吗？

常见问题

给 AI 喂资料越多越好吗？

不是，IBM 的实测给出了三种答案：大模型如 DeepSeek V3.2 整本手册塞给它还能涨近一成；小模型如 gpt-oss 会被整本淹掉，只挑相关几条喂反而涨 16.1 个百分点还更省钱；GLM-5 怎么喂都不动。喂多少得看模型接不接得住，没有统一答案。

为什么喂太多资料 AI 反而抓不住重点？

两个解释：Anthropic 说模型有注意力预算，每多塞一个字就分走一点精力，料越多越顾不过来；2023 年斯坦福论文发现模型读长文档时开头结尾记得牢、中间的信息经常漏。IBM 还猜测跟上下文窗口大小有关，但没有定论。

怎么判断该给 AI 喂多少资料？

土办法是看模型档位：Claude、GPT 顶配、DeepSeek 这类付费旗舰约等于大厨，整本喂接得住；免费版、手机端侧小模型、响应特别快的轻量档都按小厨算，越省钱越按小厨伺候。拿不准就默认按小厨喂：先剪再贴、贴完让它复述、长文档先要摘要。