Reddit 上的討論探討了 Google 在前端 LLM 性能上的相對落後，究竟是因為其戰略性地認為當前的擴展方法不足以實現 AGI，還是單純為了服務龐大用戶群而專注於效率。這場辯論突顯了 Google 作為 Transformer 架構奠基論文共同作者之一的獨特地位。 這項分析的重要性在於它暗示了 AI 產業潛在的戰略分歧，將 Google 專注於效率的擴展模式與 OpenAI 和 Anthropic 等競爭對手追逐前沿能力的做法進行對比。這影響了投資者和開發者對純擴展定律在實現人工通用智能（AGI）方面可行性的看法。 關鍵細節包括 DeepMind 首席科學家 Demis Hassabis 指出當前 LLM 缺乏真正的因果推理能力，以及 Google 必須服務搜尋、Android 和 YouTube 上數十億的每日用戶，這需要高度高效的模型而不僅僅是最強大的模型。此外，Google 作為上市公司，需要在補貼龐大運力與維持獲利之間取得平衡。

事件背景

Transformer 架構由 Google Brain 研究人員在 2017 年的論文《Attention Is All You Need》中提出，是現代大型語言模型（LLM）背後的基礎神經網路設計。擴展假設認為，增加模型規模、數據量和運算力最終將導致新能力的湧現並實現 AGI，這一信念目前正驅動著各大 AI 實驗室之間的競爭。

社群觀察

社群意見普遍支持 Google 因其龐大用戶群而優先考慮效率和成本效益，評論指出大多數請求只需要「足夠好」的模型即可。用戶還強調了 Demis Hassabis 對 LLM 僅靠擴展就能實現 AGI 的懷疑態度，並指出因果理解的重要性。