在2026年的AI領域，一個現象正逐漸浮出水面，但始終缺少一個正式的名稱。使用者、開發者和分析師分別從三個不同角度表達了類似的困擾：模型似乎變得越來越笨拙，使用成本急劇上升，以及由此帶來的環境和財務浪費令人擔憂。
首先，使用者群體普遍反映，像Claude、GPT和Gemini這樣的主流AI產品，其輸出質量正在下降。曾經精準的回覆變得緩慢且不一致，科技論壇上充斥著“模型變蠢了”的抱怨。企業將此歸咎於容量限制，但使用者感受到的卻是體驗下滑。
其次，執行這些系統的成本正在失控。在過去的一個季度中，GitHub Copilot、Anthropic、OpenAI和谷歌紛紛放棄了固定費率計劃，轉而採用基於使用的計費方式。這是因為不斷增長的token數量、上下文長度和基礎設施需求，已經無法被簡單的訂閱費所覆蓋。然而，如此巨大的投入換來的卻是越來越不成比例的效能回報。
第三，環境與財務的浪費已不容忽視。資料中心的用電量呈指數級增長，分析師甚至開始用“荒謬”一詞來描述這一狀況。同時，開發者抱怨這些系統生成的程式碼正在變成一團無人能完全理解的“技術債”。
這三個症狀指向同一個癥結：模型臃腫（Model Bloat）。這是一個新創術語，指AI模型或其周圍系統中不必要的規模、複雜性、上下文或計算成本的積累，且未能帶來實際用途的相應增長。這類似於經典軟體中的“軟體臃腫”，但影響範圍更大——它不僅拖慢你的電腦，還堵塞資料中心、耗盡預算並消磨使用者的耐心。
本文並非猜測，因為所有證據都已公開：多家公司已調整定價策略，媒體紛紛報道使用者對質量下降的抱怨，分析師也開始使用“浪費”和“臃腫”來描述資料。然而，此前缺乏一個統一的術語來概括這些現象。“模型臃腫”的提出，正是為了填補這一詞彙空白。
往何處去？正如“技術債”和“AI垃圾”並非由於營銷而流行，而是因為人們需要一個名稱來表達切身感受。同樣，“模型臃腫”不是為了品牌推廣，而是為了一種已經可見的模式貼上一個標籤。如果你已經感受到了模型的遲緩、賬單的上漲和無法解釋的程式碼，那麼你早就知道這是什麼。