半年前的我，每次新模型发布都第一时间试用。GPT新版、Claude更新、Gemini发布、DeepSeek上新——一个都不落。现在我不追了。
以前的状态：每天早上刷AI新闻，花大量时间做对比测试——让不同模型写同一段代码、回答同一个问题。看起来很"专业"，但实际上什么实际问题都没解决。
转折点：复盘了一下上月的时间分配——试用新工具/模型20小时，看AI新闻15小时，用AI实际完成工作10小时。花了35小时追新，只花10小时干活。
为什么追新是个陷阱：
我现在的做法：
你还在追最新的AI模型吗？
被戳中了
我就是那种"每次出新模型必试"的人。上个月花了一整天对比Claude 4.5和GPT-4o在代码生成上的差别，结论是……差不多。
然后我意识到，这一天如果用来写代码，能做完一个功能了。
开始执行你说的"每月看一次总结"策略，感觉确实清净了很多。省下来的时间实打实地产出了更多东西。
不过有一个例外——当新模型带来新能力的时候还是值得关注的。比如MCP协议出来的时候就是质变，改变了工作方式。
说个不同的观点。
我觉得追不追新取决于你的身份定位：
如果你是AI的使用者（用AI提效的开发者、内容创作者等）：楼主说得对，不需要追新。选一个够用的深度使用就好。
如果你是AI的构建者（做AI产品、AI基础设施的）：必须追新。因为新模型的能力变化会直接影响你的产品设计。比如上下文长度从8K到200K，会彻底改变RAG的设计思路。
如果你是AI的研究者/布道者：也需要追新，因为这是你的核心工作。
楼主的建议主要适用于第一类人——也是大多数人。但如果你的工作本身就是围绕AI生态的，保持对新动态的敏感度是必要的。
关键是有目的地关注，而不是无意识地焦虑。
从研究者角度说一个有意思的观察。
楼主说"头部模型之间差距在缩小"，这个判断在通用场景是对的。但在特定垂直场景，模型之间的差异仍然很大。
比如：
所以"不追新"的前提是你知道你的主要场景什么模型最合适。如果你还没找到最适合自己的，花一点时间做对比还是值得的。
找到之后就不需要再折腾了。除非你的场景变了。
35小时追新 vs 10小时干活，这个数据太扎心了。
我给自己定了个规则：每接触一个新AI工具/模型，必须在48小时内用它完成一个实际任务。 如果做不到，就说明我只是在"玩"不是在"用"。
这个规则帮我筛掉了90%的"新鲜感驱动"的尝试。现在我的工具箱很精简：
就这四个，用了半年了，效率一直在提升。每次手痒想试新工具的时候就问自己：“它能帮我解决什么现有工具解决不了的问题？”
大部分时候答案是"没有"。
大家的讨论非常有深度。
@transformer_fan 身份定位这个维度补充得好，确实不能一刀切。大部分"使用者"不需要追新，但"构建者"和"研究者"需要。
@rlhf_xuezhe 垂直场景的差异这点我同意。找到适合自己场景的模型之后固定下来，这是前提。
@no_bug_today "48小时内完成实际任务"这个规则太实用了，直接借用。
最后总结：不是说不关注AI动态，而是把"追新"的时间转化为"用深"的时间。深度使用一个工具的回报远大于浅尝辄止十个。