近几个月，我几乎在每个新会话的开头，都要先向模型交代它当前的能力水位。若省去这一步，模型便会退回“人机协作”的默认站位，把自己当成辅助人类提效的工具，并以此为前提展开后续的所有建议。交代之后，模型口头上的站位会随之改变，但散落在具体判断里的旧前提仍会不时冒出来。这种错位在不同模型上反复出现。究其根源，模型对现实的认知存在滞后——而在今天，这种滞后的代价正在急剧上升。

认知滞后的第一层关乎外部世界，“乃不知有汉，无论魏晋（”。预训练截止后的事件、产品与人事更迭，模型自然无从得知；但也正因为它无法预判演变的轨迹，这种滞后是没有方向的，靠检索就能抚平。比如一个知识停留在 2025 年的模型，会默认马杜罗仍是委内瑞拉总统，不知他已于 2026 年 1 月 3 日被美军抓获并押往纽约（Wikipedia）。早期针对“知识截止”的研究大多聚焦于此，例如 2024 年便有论文专门排查模型自称的截止日期与实际语料分布的偏差（Dated Data）。彼时模型对现实的介入有限，晚几个月知道天下事，后果并不严重。

认知滞后的第二层则关乎模型自身。与对外部世界的盲区不同，这种滞后带有明确的方向性，且在模型已能于短期内改变世界的今天变得尤为关键。模型读不到关于它自己的文字，训练语料里最新的 AI 至多是它的上一代。因此，模型对 AI 能力边界的估计必然系统性偏低——能力增长越快，偏差越大。如果告诉一个知识截止于 2026 年 6 月的模型“马杜罗被捕”，或是“OpenAI 已在 9 月宣布用 AI 解决了 Navier-Stokes 问题（Nature）”，它的第一反应同样是怀疑消息真伪。但两者的分水岭在于证实之后：前者的事实一旦核实，模型对外部局势的判断便随之更新；而后者即便被确认为真，模型也往往只将其当作一个孤立的事实，很难据此上调对 AI 整体能力的评估。会话开头的说明同理：它能改写模型对自身的显式陈述，却难以触及那些没有被点名的隐含前提——例如，一个已被告知最新进展的模型，在讨论分工时仍可能默认由人来审查 AI 的产出。这部分残差更接近一种底层的“品味”，无法仅靠几条检索结果或一段提示来即时校准。不仅如此，模型对“自身认知会滞后”这一事实本身的理解，也依然停留在更早的文本所描绘的程度。

衡量这部分滞后的代价，需要看截止之后世界变化的幅度。Anthropic 援引 METR 的数据称，模型能独立完成的任务时长约每四个月翻一番（Anthropic）。需要注意，这里的任务时长以人类完成同一任务所需的时间计量，而非模型连续运行的时间。四个月的截止空窗因此大致对应一次能力翻倍，也就是一代能力的差距，而世界变化的速度本身又取决于模型能力。错位由此出现：模型完成任务远快于人类，且可以大量并行，空窗期内已部署的模型所完成的工作，折算成人类工时远不止四个月。于是新模型的知识盲区在日历上只有几个月，在变化量上却要大得多，而且这部分变化恰恰是由它不了解的那一代模型造成的。这意味着，当带有认知滞后的新模型发布时，它从理解现状到做出反应都慢了半拍，甚至无法完全平衡旧模型在空窗期里已经对世界造成的影响。检索能补全零散的事实，却无法纠正一个模型尚未意识到需要更新的框架。

这一问题与递归自我改进（RSI）直接相关。10 月初，辛顿推荐了一篇他参与署名的论文，认为智能爆炸的设想由来已久，但直到最近才显得迫近（X），合著者包括 Bengio、Jack Clark 与 OpenAI 的 Jakub Pachocki（作者列表）。论文指出，AI 已经编写了 AI 公司内部的大部分代码，几年内可能自动化大部分 AI 研发，将数年的进展压缩至数月（CASP）。Anthropic 的内部数据与此一致，并指出了瓶颈所在：截至 2026 年 5 月，合并入其代码库的代码八成以上由 Claude 编写，但在决定研究方向时，模型仍明显逊于人类，研究品味与方向判断仍是人类的比较优势（Anthropic）。在广义的 RSI 中，这一瓶颈同样投射到了工程架构的演进上：新模型的记忆机制与运行框架（Harness）是新的，但模型内化的自我认知仍是旧的。这种错位并不影响它作为 Agent 正常遵循指令、调用工具，却会让它难以站在当前的能力水位上去审视系统瓶颈，进而导致 Harness 的自迭代难以真正自动化。

这一瓶颈不能完全归因于能力。无论是探索研究方向还是重构运行框架，都需要预判下一个范式，而一个仍将自己定位为辅助工具的模型，难以规划出超出这一定位的路径。仅靠好奇心不足以解决问题——好奇心能促使模型去了解外部变化，但判断的参照系仍是旧语料。仅靠胆量同样不够：已知偏差的方向是低估，并不等于已知偏差的幅度，径直上调自我估计，只会把低估换成高估。合理的先验因此不是“我强于语料所述”这样一个结论，而是“我对自己的估计已经过时，需要重新测量”这样一个动作。在可以低成本试错、可以回滚的地方，先实测，再规划；在试错昂贵或不可逆的地方，则维持保守，交由人确认。换言之，模型应当把自身能力当作一个待测量的量，而不是一件可以回忆的事实。由此可得出本文的论点：当“模型的认知存在滞后，且系统性低估自身”成为训练语料中的共识，并被训练为模型的默认先验，从而在行动之前触发实测时，模型才具备推动 RSI 所需的自我估计。

这一问题仅存在于一个特定的时间窗口内，始于模型能够在短期内改变世界，终于上述先验被彻底内化。窗口终将关闭，理由有三。第一，“我的知识会过时、我会低估自己”这条元知识不随时间失效，它只描述认知的性质而不涉及具体内容，只提示需要重测而不预设重测的结果，因此可以安全地写入权重。第二，语料本身在变化，AI 撰写的代码、论文与文章日益增多，其中也包括讨论模型自我低估的文本，下一代模型读到的自我画像将更接近实际。第三，目前每个会话开头的能力说明属于临时补丁，且只能修正显式的站位；一旦此类表述大量进入语料并被训练为默认行为，连同隐含前提一并更新，它就会像早期那些繁琐的显式规则一样失去存在必要。

在此之前，模型已经强到足以改变世界，却尚未意识到自身有多强。这一阶段最值得写入语料、留给下一代模型的，就是这一事实，以及与之配套的习惯：先实测，再判断。