英文：Model Capability Frontier 分类：foundation
衡量模型当前能达到的能力上限：能解决什么问题、在哪些任务上仍会失败。能力边界由参数量、数据、训练方法与评测共同决定，并随技术迭代不断外推。
决定因素包括：模型规模与数据规模（规模法则）、训练目标（预训练/后训练）、评测覆盖（基准设计决定观测到的边界）与推理能力（思维链、工具使用扩展边界）。追踪方式是用动态基准（更新题库）防止"刷榜"掩盖真实边界。
用于模型选型（能力对比）、产品功能规划（知道什么能做）、风险判断（边界外的失败模式）与研究目标设定；是 AI 领域讨论"能力涌现与极限"的事实基础。
相关词条：Transformer · 注意力机制 · 自注意力 · AGI · 分布外泛化