看到 Daniel Nwaneri 那篇《Why Kimi K3 Still Can't Do What Einstein Did》的时候，我先是笑了一下。拿一个大模型去跟爱因斯坦比，这个期望值管理本身就是个行为艺术。但读完之后我发现，他在说一件我们其实都假装没看见的事：AI 不会跳跃。
它会走。走得很好，甚至可以走出花来。但它不会跳。
他干了件挺有病的事：把自己 2016 年至今在 X 上赞过和存过的七万条书签，全部倒进一个 RAG 管道，起了个名字叫 Bookmark Brain。这玩意儿用来干嘛呢，用来“复刻他自己的观点”。
你别说，还真有效。他拿 API 设计的问题去问它，出来的回答听起来确实像他本人——不是文本像，是立场和口味像。但这里头有个秘密：这活全是检索干的，模型本身一个字都没参与。你问它一个观点问题，它去七万条收藏里挑一条语义最接近的、折个角递给你。像一个帮你把整本笔记翻完然后挑出一页拍在你桌上的助理。
它没有观点。它只是很会找资料。
问题出在哪儿呢？你用七年时间收藏东西，这七年里你的想法很可能不是一直没变过的。你 2016 年收藏了“微服务是未来”，2022 年可能又偷偷收藏了“单体应用才是正经人干的事”。这两条在 Bookmark Brain 眼里是完全平等的。它不会觉得打脸——因为“打脸”这个概念对它来说不存在。它只会挑距离当前问题语义最近的那条，理直气壮地还给你。
我愿称之为：一个彻底丧失了羞耻心的你自己。
【此处应有掌声，但没有，只有共鸣】
论文那边也有意思。Tom Zahavy 那篇《LLMs Can't Jump》把推理分成了三种，借的是皮尔士的术语：演绎、归纳、溯因。翻译成人话——演绎是由规则和案例推出结果，这是唯一一种保证真理的模式；归纳是从堆成山的结果里反推规则，你可以直接理解成“拿海量文档预训练 LLM”这个动作的数学本质；而溯因，是面对一件意外的事，你提出一套新的规则来解释它。
论文的论点很硬：数据稀缺这事儿，靠规模化解决不了。广义相对论不是从一堆实验结果里归纳出来的。爱因斯坦去读休谟、读马赫，读到一个念头，然后拍桌子跳出去了。跳之前没有任何人告诉他要往哪儿跳。他甚至在这个问题上选择了无视已知的正确解法——狄拉克就是那个知道克莱因已经把相对论性电子问题解决了、但因为答案不合自己口味而继续找的人。
这里有个细节特别好笑。论文从爱因斯坦写给 Maurice Solovine 的一封信说起，信上画了个示意图，讲感官经验怎么“跳跃”到公理系统。2026 年的一篇论文，论证 AI 不会跳跃，最后去找爱因斯坦一百多年前的一封信来当证据——这说明这个问题的素材库，一百年了都没更新过。
然后轮到 Kimi K3。两万八千亿参数，目前最大的开源权重模型，编码和智能体测试接近 Fable 5 和 GPT-5.6 Sol，Moonshot 号称它每单位计算资源的智能是上一代的 2.5 倍。好了，参数报完了，该粉的可以开始粉了。
Daniel 的观点其实一句话就能说完：规模只会让归纳和演绎变得更强，第三种能力不会跟着长出来。你拿十倍的数据去训牛顿力学，你会得到一个误差小得多的牛顿预测器，但你不会得到狭义相对论。这是一个非常令人难受的事实，你无论把训练集做得多大，都不可能靠归纳出一条新物理。
它不会跳。它只是把“迈步”这个动作做到了登峰造极、无可挑剔。
但我最喜欢的是他那段自我剖析。他说，他每次决定保存一条推文，其实都是一个小型跳跃。七万条书签，一条一条，都是当时那个他觉得“这个值得记住”的瞬间。筛选这个动作本身就是品味的实体化。Bookmark Brain 继承了所有这些跳跃的痕迹，但它自己从来没跳过——它甚至没有“犹豫”这个状态。
看到这段的时候，我顺手翻了一下我自己的收藏夹。三千多条未整理的标签，没有一条被我写进过笔记。那一刻我突然理解了自己为什么总是只存不看——因为我一直在等一个“值得整理”的时刻，而这个筛选动作本身，就是我在做的全部事情。
Daniel 是这么说的：“我现在把时间花在决定什么值得保存，而不是写作上，因为跳跃无法规模化。”
说实话这句我看了两遍，然后笑了。因为这个心理过程我熟，在座的各位可能也熟。收藏夹永远比正文长，标签比文章多，整理的欲望永远追不上生产的进度。我们嘴上说这是素材积累，其实心里清楚——我们只是在进行一场永远不会结束的书签跳跃，跳到哪算哪，跳完了就当自己写过。
所以 K3 做不到爱因斯坦做过的事，这不算 bug，这算物种差异。它的本职是把我们已知的东西组织得更好，而跳跃意味着去一个没人去过的地方，再把路标带回来。这活儿目前还是得靠我们这些乐意花七年时间收藏七万条互相矛盾的推文的人来干。
哪天我的裸标签收藏夹能自己跑通成一个不用模型、光靠检索就给我找出一条自洽观点来的 Bookmark Brain，那才是真的显灵。
（郑重声明：以上关于跳跃的所有论断，均未经跳跃验证，是归纳出来的。评论区扣个“同款收藏夹”，我们下条见 🫠）