周一早上，三个群里同时出现同一条消息：某家模型「宣布全免费了」，配图是一张聊天截图。到了下午，说法变成「限时免费三个月」，晚上又有人补充「只是内测名额」。同一条消息传了三手，事实换了三次。追 AI 资讯最容易踩的坑就在这里——你以为自己在获取信息，实际在接收别人加工过的结论。下面把信息源按三层拆开，讲清每层能给什么、给不了什么，以及一条消息到手后该按什么顺序核。
一条消息传到第三手，剩下的多半是情绪
传话的游戏大家都玩过：一句话经过五个人，最后变成另一个意思。资讯的传播是同一个机制，只是每一手都多了加工动机。二手源要流量，会把「某功能灰度测试」写成「正式上线」；三手源要立场，会把「某公司发布新模型」写成「某公司吊打同行」。每转一次，限定词先掉——「部分用户」「特定地区」「预计下季度」这些词最容易被删，因为它们不刺激。
所以判断一条消息，先别看它说什么，看它还剩几个限定词。一条只剩结论、没有任何条件的消息，几乎一定在中途被削过。原始发布里那些拗口的括号和脚注，恰恰是最有价值的部分。
三层源，各自的用途不一样
把渠道按「离事实多远」排开，三层的分工其实很清楚：
| 信息层级 | 该信什么 | 该怎么核 |
|---|---|---|
| 一手：厂商官网、官方博客、更新日志、论文与开源仓库的发布记录 | 功能是否存在、参数与价格、发布时间 | 打开原文读完整段，别只看标题和首句 |
| 二手：科技媒体、行业分析、开发者社区的整理稿 | 背景、来龙去脉、和同类产品的横向位置 | 找它引用的原文，看哪些是它自己的推断 |
| 三手：自媒体转述、群聊截图、短视频口播 | 只当线索——有这么个说法，值得去查 | 反向搜关键词，找到最早的那条，看有没有原话 |
三层的差别不在「准不准」，在「错了能不能追回去」。一手源说错了，你能找到是谁在什么时候说的；三手源说错了，你连原话都找不到，只能对着一张截图猜。
一手源也有自己的偏向
把一手源当成真理，是另一种偷懒。官方博客写的是「我们做了什么」，不写「我们没做到什么」；更新日志会列新增功能，很少列被砍掉的功能。发布节奏本身也是信息：赶在竞品发布会前一天发，多半是防守动作；悄悄改一版说明文档，往往比发布会更说明问题。
数字更要小心。厂商公布的评测分数是自己选的题、自己跑的流程，题目泄露、训练数据混进测试集这类问题在业内并不罕见，评估污染讲的就是这件事——分数虚高往往不是造假，而是流程本身留了缝。看到「某项能力提升 40%」，该问的是基准是什么、对比的是哪一版、跑了几次。
每周半小时，比每天刷两小时管用
AI 领域的发布密度高得反常，一天能出五条「重大更新」。如果按条追，你会一直处在「又落后了」的状态，而实际可用的东西半年才换一茬。比较务实的节奏是：每周固定半小时扫一遍官方更新页和几个仓库的发布记录，每季度读一篇长一点的行业梳理。
这个节奏背后有个简单的算术：绝大多数更新是参数调整和小功能补齐，对使用方式没有影响；真正改变用法的那几次，会在接下来两周里被反复提到，你漏不掉。天天刷的代价是注意力被切碎，免费版与付费版的实际差别这类真正影响钱包的信息，反而被淹没在「炸裂」标题里。
一手源定不下来的那几类事
一手源也有天花板。一手源能确认「发布了什么」，确认不了「为什么发」「内部怎么决策」「明年会不会砍」。组织内部的人事变动、未公开的路线图、监管的具体口径，官方要么不说，要么只说一部分。模型对这些问题的回答，基本是把公开报道重新组织一遍，读起来连贯，实际没有新增信息。
还有一类是「对你的场景意味着什么」。同样一个上下文窗口从二十万扩到一百万，做长文档的人受益，做实时对话的人可能只感受到价格变化。这种判断没有一手源可查，只能拿自己的真实任务试。把模型当成「帮你把公开信息排好序」的工具是合适的，让它替你下「这个值不值得投入」的结论就超纲了，模型编造细节的机制在它不熟悉的公司动态上尤其明显——它会把两个真实事件的时间线拼在一起，听起来毫无破绽。
一条消息要不要转，看四个动作
第一个动作是找原文：能不能点到发布页、论文页、仓库提交记录。第二个是看时间：这条消息说的是本周的事，还是三年前的旧闻被重新包装。第三个是拆限定词：有没有「部分」「灰度」「预计」「据传」。第四个是问一句「如果我转错了，代价是什么」——转错一条工具更新，顶多被人纠正；转错一条价格或政策的消息，可能让别人做错决定。
四个动作加起来不超过两分钟，能挡掉大部分噪音。剩下的那些确实值得转的，通常有一个共同特征：它改变了你对某件事的判断，而不只是让你多知道一个名字。
速查：追资讯的四条底线
- 一手源读原文，二手源找引用，三手源只当线索
- 限定词掉光的消息，一律先存疑再转
- 看到「提升百分之多少」，先问基准，再问是谁跑的
- 每周固定半小时扫，比每天刷更不容易漏
