如果把 2019 年的医疗影像算法和现在的 Frontier Mod

最近刷到一个挺有意思的案例，一个当年在读医学生、搞过肺炎胸片检测 ML 算法的老哥，感叹现在的技术迭代速度。他在 2019 年为了写个检测算法得死磕两个月，而现在用现在的模型，同样的工作可能 10 分钟就搞定了。

这种效率的跨越，如果让他穿越回 2019 年去解释什么是现在的模型能力，估计对方会觉得他在讲科幻小说。这让我想起以前解释电脑给 1900 年代的人听的感觉，完全不在一个维度。

不过，我对此持保留意见。虽然现在大模型在逻辑推理和代码生成上确实强得离谱，甚至有人开始讨论这算不算 AGI 的雏形，但这种“效率提升”是否真的能平替专业领域的深度研究，还得打个问号。

他提到的一个实操细节挺值得玩味，就是如何通过 smart routing 在开源模型和闭源模型之间做成本平衡。他现在用 Standard Compute 这种工具，花 200 刀就能获得极强的算力支持。

• 核心逻辑： 不再死磕单一的大模型，而是根据任务难度在 Open Weight 模型和 Frontier Models 之间切换。
• 成本控制： 通过路由机制，把简单的任务丢给便宜的开源模型，把复杂的逻辑交给顶尖模型，从而实现性价比最大化。

这种“混合工作流”才是现在真正能跑通的实战路径。单纯追求模型参数规模或者盲目崇拜闭源模型，在商业落地时都会死得很惨。现在的技术红利不在于你拥有多少算力，而在于你能不能精准地调度这些资源。