年初做技术选型时，团队在白板上写了五条假设：多模态够不够用、智能体能不能接活、开源能不能自建、成本还会不会降、合规要不要提前准备。年底复盘，五条里有两条判断错了，错的地方都不在能力，在「能不能稳定交付」。与其罗列这一年的新闻，不如把变化归成方向，看每个方向现在能做什么、还做不了什么。
五个方向比五条新闻耐用
新闻记的是某家发了什么，方向记的是能力边界往哪挪。前者三个月就过期，后者能用来判断下一个产品值不值得试。判断一个方向是否真的在推进，看一条就够：它能不能在没人盯着的情况下，稳定产出可以直接交付的结果。
按这条标准，五个方向的成熟度差得很远。有的已经进入日常流程，有的还停在演示阶段，宣传口径把它们拉平了。
五个方向各自的能力边界
| 环节 | 能做 | 不能做 |
|---|---|---|
| 多模态生成（图、视频、语音） | 单张图、十几秒镜头、配音与字幕可以做到可用；批量出图能维持大致风格 | 长镜头里的人物与场景一致性撑不住；画面内的准确文字、复杂手部动作仍然常错 |
| 智能体执行多步任务 | 流程固定、工具齐备的场景里，能跑通检索、填表、汇总这类链路 | 需要临场判断、跨系统权限、异常回退的环节，完成率骤降；出错时往往说不清断在哪一步 |
| 开源模型自建 | 中小参数模型在垂直任务上微调后，可以接近通用模型的表现，数据不出内网 | 训练与推理的工程成本、评测体系、版本维护都要自己承担；能力上限仍与头部闭源有距离 |
| 成本下探 | 同等能力下的单位调用成本在降，原本不划算的场景变得可行 | 降的是单价，不是总账；重试、审核、人工兜底这些隐性成本不跟着降 |
| 内容标识与合规 | 生成内容标注、数据来源说明逐渐成为常规要求，平台侧有对应工具 | 各平台标注方式不统一，跨平台搬运会丢失标识；规则仍在变，按上个月的写法可能不合规 |
最后一列比第二列有用。第二列是发布会讲的，最后一列是你在项目里会撞上的。五个方向里，前两个的「不能做」是技术问题，后三个的「不能做」是工程与流程问题——后者更难，因为它不随模型升级自动消失。
多模态的分界线是可交付
演示和交付的差别在重试成本。演示只需要一次成功，交付要求每次都能用。一条十几秒的镜头，抽五六次能出一条可用的，这在短视频里可以接受；换成一分钟以上的连续镜头，人物衣服、光线、背景会跳，重抽的边际收益迅速下降。
所以多模态的落地顺序通常是：先用在不需要连续性的位置，比如封面、插图、单镜头；再用在需要连贯的位置，比如短片、数字人。反过来推，项目会在一致性上卡住，多模态模型怎么处理不同模态解释了这层限制来自哪里。
智能体的差距在完成率
演示里的智能体总能完成任务，因为任务是被挑过的。真实任务里有权限、有异常、有中途变更的需求，一个环节卡住，整条链路就停。判断它好不好用，只有一个办法：拿你自己的真实任务跑二十次，数成功几次。
完成率低于某个水平时，人工兜底的成本会超过它省下的时间。这个水平因任务而异，但有个通用信号：如果每次跑完你都要逐条核对它的中间步骤，那它现在更适合当助手，不适合当执行者，智能体和聊天机器人的分工差别讲的是同一条线。
开源、成本、合规各自改变了什么
开源改变的是选型空间。它把「能不能自建」从技术可行性问题，变成愿不愿意承担维护成本的问题。数据敏感、调用量大、任务稳定的场景适合自建；需求变化快、任务多样的场景，调用现成服务更划算。
成本下探改变的是可行性判断。原本因为单价高而搁置的场景，比如全量文档分类、逐条评论分析，现在可能算得过账。但账要按总成本算：调用费之外还有重试、审核、人工兜底，这三项在单价下降时并不会同比例下降。
合规改变的是流程。生成内容要不要标、数据能不能用于训练、对外发布要不要留说明，这些从「以后再说」变成「上线前要过」。规则还在演进，对齐要解决的是什么问题能帮你理解这些要求为何会持续加码，具体口径仍以官方最新发布为准。
这套年度观察在哪里失真
方向判断对个体用户的参考价值有限。你不做选型、不搭系统，五个方向里可能只有一两个与日常工作有关。硬套一套宏观框架，容易得出「什么都在变」这种没有行动含义的结论。
另一个失真是时间尺度。方向的变化是渐进的，某个月可能毫无进展，某个月突然跨过一条线。按季度看比按月看稳，按年看又太粗——一年里足够发生两次能力跃迁，也足够让一条判断彻底作废。
还有一层：这五个方向是从产品侧观察到的，不是从用户侧。用户真正感受到的变化，往往是某个具体功能变好用了，而不是某个方向成熟了。规模定律还能不能解释能力增长是这条观察线的理论背景，却解释不了产品为什么这样设计。
速查：五个方向怎么看
- 看方向不看新闻，新闻三个月过期
- 标准只有一条：没人盯着也能稳定交付
- 多模态卡在连续性，智能体卡在完成率
- 成本降的是单价，总账还要算兜底
- 合规进流程，具体口径以官方发布为准
