大语言模型在编程和数学能力上突飞猛进的同一时期，它们的写作却悄悄变差了。这不是错觉——现在的模型读起来，确实比2024年和2025年的版本更像机器在说话。Y Combinator 近期发布的一段简短观察点出了这个反常现象，并指出背后藏着一个被大多数人忽略的结构性问题，也可能是一个创业机会。
这段观察没有停留在"感觉变差了"这个层面，而是往前追了一步：为什么会这样，以及这个趋势会不会反转。答案并不乐观，但恰好给想做产品的人留出了一道缝。
1. 写作能力正在倒退，这不是幻觉
当下主流模型的文字确实比前几代更僵硬、更套路化。这种变化不是用户的主观偏差，也不是某一次更新的临时失误，而是一段持续发生的趋势——模型越来越擅长写代码和做数学题，写出来的句子却越来越像说明书。读者能感觉到的那种"越来越假"的语气，指向的是同一个方向：模型在变得更聪明的同时，也在变得更无趣。
2. 同一套奖励信号，压平了风格
问题的根源不在模型本身，而在训练它们的方式。让模型在编程和数学上进步的那套奖励信号，恰恰也在系统性地抹平它们的写作风格——两者用的是同一套优化逻辑，代码写得越对，语言就越扁平。如果实验室必须二选一，它们几乎总会把资源押在编程能力上，而不是打磨一个写得好的模型。这不是哪家公司的失误，而是整个行业训练路径里内嵌的取舍。
3. 大厂不会做的事，留给了创业公司
对追求基准测试和商业化落地的大型实验室来说，编程和智能体能力的变现路径更清晰，写作质感是可以被牺牲的那一部分。这恰好留出了一块空地：一家愿意专门打造"让人愿意聊下去"的模型的公司，现在几乎没有大玩家在这块阵地上认真竞争。
这不是一个关于模型变笨的故事，而是一个关于优先级的故事——当编程和写作在同一套训练体系里争夺资源，写作几乎注定要输。但正因为大实验室不会回头去补这一课，专注于语言质感和对话体验的新公司反而有了一个明确的切入点。
