一位活跃的开发者在技术社区发帖，强烈吐槽 GPT 系列模型近期在编程辅助任务中的表现出现严重下滑，形象地将其描述为“疯狂流口水”。用户反馈的具体问题包括：丧失编辑文件的能力、无法理解项目说明文档、对转义符处理逻辑混乱以及对特定技能（Skill）识别失败。这种能力退化导致工作效率断崖式下跌：此前该用户曾利用 GPT 在 14 小时内快速搭建一个活动平台，而近期面对一个 bug 修复工作却耗时三天仍未解决，甚至自费使用的 Plus 账号也表现不佳。用户怀疑这是 OpenAI 大力推进“o/”系列模型或调整底层逻辑所致。面对困境，该开发者计划转向 Claude 系列模型，但受限于预算，难以找到像 GPT 中转站那样低至 0.12 倍率的低成本渠道。因此，该用户正在评估开源模型 GLM-5.3 或谷歌的 Gemini 3.7 Flash 的表现，并向社区寻求关于高性价比 AI 编程模型的推荐。
事件分析
此次讨论反映了当前 AI 编程辅助领域存在的模型稳定性与成本效益平衡问题。随着 OpenAI 等头部厂商不断迭代模型，部分开发者感知到服务质量的波动，这可能与模型参数调整、对齐优化或针对特定 API 渠道的策略有关。这种现象引发了对单一供应商依赖风险的担忧，促使开发者在闭源高性能模型（如 Claude）与低成本替代品（如 Gemini Flash 或开源 GLM）之间寻求新的平衡。市场趋势显示，开发者对 AI 编程工具的选择标准正从单纯的“能力最强”转向“性价比最高且稳定”。Gemini Flash 的快速迭代以及 Claude 在代码处理上的口碑，正在成为开发者分散风险的重要选项。这也暗示了未来 AI 开发工具市场可能迎来更多元化的竞争格局，而非一家独大。
核心观点：GPT 编码能力的波动引发开发者信任危机，低成本替代方案与模型稳定性正成为 AI 编程领域的竞争焦点。
原文链接：Linux.do
