湧現能力（Emergent Capabilities）是指 LLM 的某些能力在模型規模達到特定門檻前幾乎為零，超過門檻後突然出現並快速提升的現象。最典型的案例：多步驟算術推理、思維鏈（CoT）的效果、類比推理、程式碼語意理解。這個非線性的能力增長模式，解釋了為什麼 LLM 的代際升級往往帶來的不只是「更準一點」，而是全新能力的出現。
湧現能力的發現，對 AI 安全研究有深刻的影響：如果 AI 能力是非線性湧現的，那麼監測和預測 AI 能力的難度就大大增加。你可能認為一個模型「還不夠能力做某件危險的事」，但一旦它的規模超過某個門檻，那個危險能力可能突然出現。這是 Anthropic RSP（負責任擴展政策）設計 ASL 分級制度的部分原因——需要在能力湧現之前就做好安全評估，而不是等到能力出現了再反應。
理解湧現能力，能幫你在使用 Claude 時做出更明智的模型選擇。當你遇到 Claude Sonnet 做不好的任務，在換 Opus 之前可以問自己：「這個任務需要的能力，是不是在 Sonnet 的規模還沒有完全湧現的能力？」如果是，升級到 Opus 可能帶來的不只是準確率的線性提升，而是能力的質變。反過來，如果任務需要的能力在 Sonnet 已經完全湧現，升級到 Opus 帶來的邊際效益可能有限。
想深入了解湧現能力，推薦閱讀：（1）「Emergent Abilities of Large Language Models」（Wei et al., 2022，Google）——湧現能力的標誌性論文；（2）「Are Emergent Abilities of Large Language Models a Mirage?」（Schaeffer et al., 2023）——對湧現能力的批判性分析，提出評估方法可能影響觀察到的湧現現象；（3）Anthropic 的 Model Cards——記錄了 Claude 每個版本的能力評估，可以看到版本間的非線性提升。