追了两天Bel模型的消息，参数堆到10T真的有意义吗

我花了两天试了一下追模型发布消息的两种方式。一条路是照旧开十几个标签页刷X和IT之家，另一条路是用Claude Code加MCP搭了个搜索agent，让它把散落的消息聚拢成一个时间线。三天前刚上手Claude Code，正好拿这条新闻练手。

先说结论：用agent查参数、查时间线，比人肉开网页快很多。但这次追下来，最让我在意的反而不是Bel模型本身，而是参数竞赛这套叙事，正在脱离普通人的感知范围。

agent的思路很简单。MCP相当于给Claude Code装了一双手，通过API去抓搜索结果和网页正文。

我让它做的事情是：列出关于OpenAI新模型Bel的所有公开爆料，按时间排序，标注消息源和相互矛盾的地方。大概十来分钟，它给我整理出一份三页的简报，核心信息是这些：

• Bel是Doug模型的继任者，总参数超过10T
• 爆料源是synthwavedd，在X上发的推文，还没有官方确认
• 8月这个时间点，正好和另一条流言撞上：GPT-6（Astra）据说也要在8月发布

问题是，agent自己也标注了一行小字：这些信息互相矛盾，且情绪价值大于信息价值。10T参数对使用体验意味着什么，谁都说不准。模型还没上线，应用层没有东西可以跑，那我只能对比另一件事，—用两种方式追同一条新闻，谁的效率高、谁的信息更可信。

我这边测下来，差距是肉眼可见的。人肉模式我开了13个标签页，X上刷了大概四十分钟，中间点进一个知乎专栏，发现它和另外一篇稿子的时间线对不上。一个说GPT-6本月强行发布，另一个说Astra暂缓。agent模式全程大概十五分钟，包括写指令、调搜索、让它把冲突点标出来。

对比项	Claude Code + MCP	人肉刷网页
搭建成本	第一次弄要半小时，之后复用就行	零成本
单次资讯整理	十五分钟左右	四十分钟起步
信息覆盖率	能把几个消息源摊开对比	看缘分，容易漏
可信度判断	自动标出冲突，但不会替你判断	全靠自己筛

不过有一个坑，准确说是这类工具的共性毛病。agent会把所有抓到的内容当成同等权重的事实来整理，synthwavedd的爆料和IT之家的报道放在一起，讯源级别全是平的。它不会因为你给它看的是X推文，就多一分警惕。这个判断得人来做。

回到Bel模型本身。10T参数这个数字，说实话我在消费端已经感受不到差别了。去年这时候大家还在为千亿参数惊叹，现在万亿参数只是转发文案里的一个数字，跟手机摄像头一样，参数越来越多，拍出来的照片该糊还是糊。反而是Anthropic在企业市场超车、中国开源模型这两条线，对普通人更实在。一个是花钱买体验，一个是拿来就能跑。

如果你也是做AI这条线的编辑，或者重度依赖信息差干活的人，给Claude Code配上MCP去追模型新闻，值得折腾。这套流程做完，类似题材的整理都能复用。但如果你只是关心哪家模型好用，等Bel真上线再说，抽卡时代的参数表看看就行。