MULTIMODAL
输入，不再只有文字。
通用 AI 已能处理文字、图像和声音等信息，多模态能力让文档理解、视觉问答与内容创作有了新的交互方式。
比如：结合图片说明问题，再整理成文字。 THE STATE OF AI 2026 / 11
AI 的下一步，
不止于对话。
它正在从回答问题，走向理解多种信息、使用工具，
并参与真实工作。但进步，不等于每一步都可靠。
一份面向好奇者与实践者的人工智能观察。
从输入，到行动FIG. 01
01 / LANDSCAPE
正在发生的三个转变
看懂方向，比追逐每一个新名字更有用。
REASONING
从快速生成，到多步推理。
推理阶段投入更多计算，推动了数学、代码与科学任务的进展。选择模型时，需要同时权衡结果质量、等待时间与成本。
比如：先拆解任务，再生成并检查代码。AGENTS
从单次回答，到工具协作。
模型可以结合检索、代码执行或其他工具参与多步任务。流程越长，错误恢复、权限管理与人工确认就越重要。
比如：查找资料、归纳证据，再输出草稿。02 / REALITY CHECK能力，并非
能力，并非
均匀生长。
难题上的高分，与日常任务中的失误，可以同时存在。基准测试是一种观察窗口，不是真实工作的保证书。
阅读 Stanford AI Index 2026 解读 ↗01 流畅，不等于真实。+
系统仍可能输出错误信息。遇到数字、引文与关键事实，应回到原始来源核实，不把语气自信当成证据。
02 会做，不等于每次都做好。+
AI 的表现会随任务和使用条件变化；长流程中的计划、错误恢复与结果验证仍需要特别关注。
03 能力提升，也需要更好的治理。+
安全措施并不能消除全部风险。实际使用时，把权限、数据处理、人工复核与持续监测放进同一个流程。
依据：International AI Safety Report 2026；Stanford HAI，2026 AI Index 解读。
03 / PUT IT TO WORK
先从一个小而明确的任务开始。
把 AI 放进流程，而不是把判断交给 AI。
- 先定义结果
让需求具体一点。
给出目标、背景、约束与一个合适的例子。先试摘要、提纲、代码解释等容易判断结果的任务。
- 再补充上下文
给它可靠的材料。
提供必要的原始信息，明确哪些是事实、哪些需要核查。避免上传密码、密钥或不必要的个人信息。
- 最后检查结果
保留自己的判断。
检查来源、计算与关键表述。把 AI 当作协作工具，用结果是否可用，而不是字数多少来衡量价值。
- 先选一个场景
从可验证的流程试点。
选定一个重复、边界清晰的任务，记录当前耗时和质量标准，先形成小规模的对照结果。
- 再设置权限
把控制留在流程里。
区分读取、生成和执行权限。对外发送、删除数据或其他重要操作，应设置人工确认与回退路径。
- 持续衡量收益
看质量，也看总成本。
一起记录准确率、人工返工、响应时间和费用。只有在实际收益明确时，再扩大自动化范围。
KEEP EXPLORING
判断从可靠的信息开始。
这是一份静态观察，内容整理于 。