Model Release Fatigue（模型发布疲劳）指：当新模型发布频率超过用户评估、采纳和迁移的能力时，业界对每次发布的兴奋感递减，发布本身越来越难成为有效信号。
打个比方。手机圈早年每代旗舰都有肉眼可见变化，现在发布会常被总结成“芯片升级、摄像头换排列”，看完该买啥还买啥。模型圈正在经历同一件事：不是没有新东西，而是新东西和工作流的关系越来越弱。
原因至少四层。
基准饱和：榜单分数挤在高位后，提升从“会不会”变成“少错几个百分点”。考试从 60 到 90 很震撼，从 95 到 96 就没人讨论。对多数业务，这点差异会被 prompt 写法、数据质量和人工兜底吃掉。
档位命名泛滥：Pro、Max、Ultra、Flash、Lite、Thinking……名字通胀让人无法建立稳定预期：谁替代谁？“Flash”是更快还是更弱？命名不透明时，发布信息先被自己的 SKU 稀释。
迁移成本高于收益：换模型不像换 App。要重测 prompt、评估幻觉、改路由和缓存、过合规、盯价格，还要说服团队。除非某能力从“根本不能用”变成“能自动跑”，否则收益覆盖不了迁移成本。
注意力被摊薄：每周都有新 SOTA，社区没时间形成最佳实践，今天的热点明天就被覆盖。没有共识，就没有“必须换”的社会证明。
它和相邻概念不同。Benchmark Fatigue 是评测疲劳：不再相信跑分。Model Release Fatigue 是发布疲劳：不是不信评测，而是不再把“发布”当成行动信号。前者关于怎么衡量，后者关于要不要采纳。
假设某天你看到“DeepSeek 4.1 Flash”这类名字，理性反应不是“又颠覆了”，而是两个问题：它替我解决哪个具体问题？迁移成本多少？答不上来，沉默就是正常反应。
对模型厂，启示是：少发版本号，多发可验证的场景案例；给迁移指南和兼容承诺；把定价、限流、上下文等讲清楚（具体以官方页面为准）。对从业者，别追每个新模型，建一个自己的小评估集，用真实任务测；默认选稳定、够用、便宜的，只有当新模型把某段人工兜底变成可自动化，才值得立项迁移。
发布疲劳不悲观。它说明市场成熟了：发布不再是新闻，解决问题才是。