一句话:AI 在数学与工程计算上的优势不是快,而是覆盖面广——它碰得到专用工具碰不到的长尾题;至于已知的快路,还得让位给人类打磨了几十年的代码。
据 UCLA 与 AWS 这篇论文,研究者让大模型智能体去解多项式系统。多项式系统就是一组方程联立求解,工程、控制、化学平衡里到处都是,难起来是真难,因为没有一个统一的快法:变量互相纠缠,算错一步全盘皆输;部分系统藏着隐藏捷径,找到就省下大把计算;找不到,只能硬算。
论文的结论可以拆成两个可验证的假设:一是智能体真能找到这些捷径,二是捷径省下的时间抵得过摸索花掉的时间。结果既偏乐观又偏冷静——第一个成立,第二个只兑现了一半:智能体确实会先找捷径再动手,但"想"的时间常常把省下的时间又吃回去。于是核心矛盾摆上台面:抄近路的收益,能不能覆盖找近路的成本。


先看覆盖:103 对 60
论文设了 600 秒预算:每个系统最多给智能体 10 分钟,超时算输。Claude Opus 5 驱动的智能体在 108 个系统里解出 103 个;对照组的专用解算器 msolve 拿到同样的预算,只解出 60 个。换算成成功率:智能体约 95%,msolve 56%,差出一大截。
差距一目了然:43 个系统只有智能体能解。msolve 这类工具被人类打磨了几十年,对特定结构极快,但设计冲着特定结构去,长尾结构不在射程内。大模型不挑结构、现场摸索,反而把这些边缘题捡了回来。这 43 道题,对人类来说是"有解但没人愿意写求解器"的题——工具写全了太贵,不写又没人会算。

再看速度:12 比 60 更扎心
把两者都解出来的那 60 个系统单独拎出来比时间,画风突变:智能体只有 12 个比 msolve 快。换句话说,在专用工具熟悉的地盘上,AI 基本是输的,而且输得挺均匀。
结论很清楚:智能体赢在"能解出来的更多",不是"解得更快"。覆盖是它的主场,速度是它的客场。同一套数据,想吹的看到 103,想贬的看到 12 对 60——论文要你看的是两个都看。速度和覆盖,本来就是两张成绩单,别混着记。
那 12 个反超的地方也值得琢磨:大概率是捷径明显、而专用工具的算法结构反而绕远的系统。智能体不是速度上全面翻身,只是偶尔捡到结构上的便宜。
5.4 倍是怎么回事
论文还有一组数据:把一个编译好的专用求解器搭起来,前期花了 11.4 小时;之后它跑同样的题集,比"已知捷径"的基线快 5.4 倍。前期投入大、长期收益高,这是专用工具的老剧本。
通用智能体则是即开即用,但每次都要重新摸索。一个花一天建好、之后天天快 5.4 倍;一个随叫随到、每题从头想一遍。这不是谁取代谁,是两种成本结构的取舍:把时间押在前期,还是押在每一次。
这组数据其实是给工程团队的老道理换了个新说法:问题高频重复,就下场造轮子;问题五花八门,就雇个什么都会点的通用选手。方法论没变,变的是"通用选手"第一次真的能打,前提是你手头有值得让它打的活儿。

对干活的人的三条提醒
其一,一次性长尾问题,直接丢给智能体。它想得慢没关系,反正你也找不着更快的路子,10 分钟换一个解,值得。
其二,高频重复的问题,值得花一天把专用工具搭起来。11.4 小时的投入换长期 5.4 倍的速度,这笔账怎么算都不亏。关键在判断问题重不重复,这比挑哪个模型重要。
其三,"思考时间"是新的成本项。以后评估 agent 不能只看成功率,得看每解一题花多少秒、多少钱。成功率 90% 每题想十分钟,和成功率 80% 每题十秒,是两个完全不同的产品。毕竟对多数老板来说,慢但能解,比快但解不出,往往更值钱。
但这里有个前提
这一切只是多项式系统这一种问题的测量。换到代码、文档、客服,捷径和摸索的比例会完全不同——写代码时捷径遍地,客服里几乎全是新情况,结论可能整个反过来。拿一类问题推断所有智能体应用,步子太大。
另外,600 秒这个"预算"是人为设定的。预算放到一小时,智能体也许把剩下 5 个也啃下来;砍到 60 秒,103 怕是要缩水一大截。预算一改,结论就可能反转。记住 103、60、12 这几个数,同时记得它们都带着"600 秒"这个尾巴。