從 BERT 到 Frontier Agents：八年的語言模型進展、成本曲線崩塌與任務導向模型的興起

過去八年間，AI 模型經歷了從 BERT 這類簡單系統到複雜智慧體的演進。根據 arXiv 論文，在 2018 年 10 月至 2026 年 7 月期間，這些智慧體已能夠解決複雜數學問題並編寫軟體。

代碼能力的改進速度顯著加快。自 2024 年末以來，解決實際編碼問題的能力每年提升近六倍。

成本結構發生了根本轉變。OpenAI 的預算型模型 GPT 5.6 Luna 以每百萬 tokens 1-6 美元的價格實現了旗艦級性能，超越了舊版本同時大幅降低成本。

高性能能力已經分散到專門化的模型中。Claude Opus 5 在前端編碼領域領先，Claude Fable 5 在儲存庫級編碼中表現優異，GPT 5.6 Sol 則在終端任務中佔優勢。

在數學問題求解能力測試中，使用 Qwen 2.5 模型進行了評估。基礎方法在 100 道小學數學問題中解決了 58 題，而進階採樣方法可達 79 題。此外引入的信心排序工具在其前 50 個選擇中正確識別了 47 個正確答案，證實其在任務分類中的實用價值。