WRITING / BLOG
关于 AI 产品、测试与真实使用的长期记录。
这里不追求日更。我会记下一个产品判断如何形成、被什么证据改变，以及下一次可以复用的方法。
LATEST NOTE / 最新文章2026 年 10 月 21 日
拦住了风险，任务还交得出来吗？
OpenAI 的新研究提醒我们：拦截器分数好，不等于整个 AI 产品可靠。还要一起看危险结果有没有流出去、多少请求拿到了结果，以及重试改变了什么。
阅读全文MODEL-EVALUATION / 模型测评06 NOTES
AI 把旧系统改写好了，原来的业务规则还在吗？
OpenAI 新发布的低资源语言评测，把代码能运行和迁移后行为一致分开检查。产品团队更需要先确定，哪些旧规则必须留下，哪些变化需要单独批准。
画面每秒 24 帧，操作就跟手了吗？
EdenLive 把游戏规则交给程序，把画面交给生成模型。它的新部署数据也提醒我们：持续出图的速度、第一次等多久、操作何时显示出来，要分开验收。
DeepSeek Flash 更新后，搜索的钱要单独算
Flash 1017 沿用原来的 API 名称与 token 单价，但搜索和网页抓取有自己的计费与限流。做资料助手时，应把模型回答、找资料和读网页分别验收。
Beam 开放权重后，换个精度能直接上线吗？
Beam 同时公布三种精度的评测。平均分接近，让低精度值得试；真正决定能否替换的，还包括哪些任务新出错、哪些限制失效，以及目标机器上实际省了多少。
有了一百万 token 额度，报告就能交齐吗？
Gemini 4 Argon 把长输出带进了产品设计。输入、思考和正文共用额度，生成还可能分段继续。要交付完整报告，得先设计预算、恢复与验收。