我目前訂閱的 AI 工具有 Gemini 跟 GitHub Copilot，Copilot 採用的是典型的低價入門策略，每月 10 鎂，實際上包含兩種不同性質的服務。
- 第一種是能力相對較弱、但速度很快的輕量模型，可以無限次使用
- 第二種是具備深度推理能力的 premium 模型，但有每月免費使用額度限制
只要有在實際做開發，要把 premium 的免費額度用完其實不難，而在 agentic workflow 逐漸成形的情境下，最大的痛點之一正是「成本不確定性」，你很難事前知道一次執行會消耗多少 token，也很難直覺換算這些 token 對應的實際成本，目前雖然已經出現一些用來量測與建議 prompt 的工具，但仍在早期探索階段，在這種前提下，只要有預算上限存在，每一次較大規模的 agent 執行，本質上都帶有不確定風險，而 Copilot 的 premium quota 又是 monthly reset，這會自然放大使用者的心理壓力，也正是在這個時候，Gemini Pro 的優勢開始變得非常明顯，即便一樣無法精確預測 token 的實際消耗方式，但 Gemini CLI 採用的是 daily reset 的配額模型，以我目前每天實際使用的情況來看，幾乎沒有遇過低於 50% 的狀態，隔天早上又會完整恢復。
這種配額機制會直接改變使用者的行為模式：
第一，你很清楚額度每天都會重置，反而會產生「今天不用就浪費掉」的心理，這和多數 monthly quota 服務的使用心態是完全相反的
第二，原本因為 Copilot 在 editor 或 IDE 內整合良好，加上有 LSP 支援，因此開發流程自然會以 Copilot 為主，畢竟少了 LSP，就等於更多純推理操作，也意味著更高的 token 消耗
但在 daily reset 的前提下，會開始出現一種心態轉變，既然每天都會歸零，那不如就讓它燒，於是實際開發行為的比重也開始慢慢轉移，從長期來看，這種使用模式的轉變，可能會讓 Google 在 coding 領域逐步侵蝕 Copilot 目前的優勢。
除了每一次實際使用本身都會回饋到模型品質的優化之外，GitHub 最核心的護城河，向來是它掌握了大量真實且高品質的程式碼 repository，但當你讓 Gemini 深度參與實際開發流程，完整讀取並理解你的 codebase，在「結構理解、模式學習與工作流程掌握」這個層級上，效果其實已經非常接近直接擁有該 repository 所能帶來的價值。
Copilot 當然也有 editor 與 IDE plugin，只是目前整體體驗仍偏陽春，一旦這一層補齊之後，Copilot 的差異化優勢到底還剩下什麼，其實就值得重新思考了，更何況目前越來越多標準正在浮現，像是 agent skills 這類抽象層的規範，Google 一開始看起來並沒有打算全面跟進，但後來的策略調整，其實也反映了現實壓力。
今年 Cloudflare 在 TBPN 的訪談中提到，Google 的資料訓練量約為 OpenAI 的 3.2 倍，也約為 Microsoft 與 Anthropic 的 4.8 倍，這裡不只是「量」的差距，更重要的是資料來源本身的結構性差異。
- Android 裝置
- Gmail
- YouTube
- Google Drive
這些並不是零散或單一用途的資料，而是高度貼近真實生活與工作流程的長期行為軌跡，近期 Apple 也開始在部分場景中採用 Gemini，即便在隱私層面不至於直接取得原始內容，但在實際系統運作與品質優化過程中，能夠接觸到的訊號密度，仍然是可以預期的，從這個角度來看，Google 在長期模型品質演進上的潛在優勢其實非常明顯。
我自己長期使用 Google 生態系，因此對這樣的發展並不排斥，但同時也希望市場不要走向單一壟斷，當初 OpenAI 問世時，讓 Google 罕見地拉起 Code Red，甚至合併了內部兩個 AI 研發部門，這才有了今天 Gemini 這個名字，也正是這種彼此拉扯的競爭關係，才讓整個 AI 發展速度被大幅推進，如果所有玩家都能持續往前推，也許哪一天，人類真的可以更接近馬斯克說的「不必為了生存而工作」的未來，這樣的世界，其實也不壞。
沒有留言:
張貼留言