1973 和 1986,中间隔着的不是零。
先看评测这一头。AutoCodeBench 主榜 20 种语言、3,920 道题、30 多个模型。Elixir 的 97.5% 是 Table 4 的 Current Upper Bound——30 多个模型解出题的并集,至少被一个模型解出,分母是 Elixir 那 198 道题;对照 Python 63.3、平均 74.8。Claude Opus 4 在 Reasoning Mode 下的 Pass@1 是 Elixir 80.3、C# 74.9、Kotlin 72.5,Non-Reasoning 那组是 82.3 / 73.9 / 75.5,混着用就错。6 种语言走原生流程、14 种靠翻译;Python 难度过滤剔掉 25.1% 的简单题,人工验证准确率 87.6% 只覆盖六种语言,不含 Elixir。「completion rate」是 Valim 的口语,官方指标名 Pass@1,中文截图里的「代码补全率」是误译——源帖脚注已经自己更正过,这处该保留并肯定。
Elixir 为什么不易写错,Valim 给的是 my own take on the possible reasons,还自承 we don't have the receipts:不可变,没有「远处的手」能偷偷改数据,模型只看眼前一段就能推理行为。这解释很顺,可它是作者自陈,不是评测的因果结论。「Elixir 是 AI 的最佳语言」也只是他博客标题里的话,不是腾讯或第三方认定。
真正该挑的在另一头。帖子写「Erlang 在 1986 年引入的 Actor 模型,就是 AI 在 2026 年重新发现的 Agent 模型」,还拿一张隔离 / 消息 / 监督 / 恢复的四格表当亲子鉴定书。回一手看:Actor 模型是 Hewitt、Bishop、Steiger 1973 年在 IJCAI 上给出的并发计算形式化(pp.235–245);Erlang 是爱立信 1980 年代 Armstrong、Virding、Williams 独立做出的工业语言,官方历史页写 1987 年首次实验,整页没有 actor 一词,Virding 原话是 we hadn't heard of actors when we designed Erlang;Elixir 要到 2012 年。把事后归类写成历史因果,是拿名字替代了理解。那张四格表也一样:Guimarães 自己的表格里监督树标 1998、内建分布式标 1990,而最关键的「语义监督树」两边都没有。「1986 押中 2026,四样全对得上」,年份被抹平了。
80.3 量的是「大模型单轮写哪种语言不易错」,还受翻译题、难度过滤、测试用例未逐项人工验证混淆;它推不出「哪种语言已解决 Agent 问题」,更推不出「1986 就有原型」。
卡面画的是两条本该平行的时间轴,被一句漂亮话压成一条;中间那道强行连上的箭头,断口处写着十三年。
一句收尾。长得像,不等于从那儿来。