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。
PAGE 02 / 本页首篇2026 年 9 月 30 日
模型更便宜，不等于风险也更便宜
GPT-6.1 Sol 展示了单位成本与能力的重新组合；产品路由仍要同时校准任务质量、全链路成本和权限风险。
阅读全文MODEL-RELEASE / 模型新发布06 NOTES
Claude Sonnet 5.5：把模型评测变成任务路由规则
Sonnet 5.5 的发布数据适合用来发现候选任务，不适合直接替产品做模型选择；真正的路由应由同一套本地任务、成本和风险验证决定。
Claude Opus 5.5：产品评测要看每个任务的总成本
Claude Opus 5.5 降低了单价，也减少了完成任务所需的 Token；但排行榜、安全回退和不同 effort 设置说明，产品真正该比较的是同一任务下的质量、耗时与总成本。
实时语音 Agent 的难点，不是会说话，而是知道什么时候别插嘴
GPT‑Live‑1 把全双工语音、后台推理和工具调用拆成可组合的产品能力；真正的交付重点，是把打断、延迟、上下文和升级人工一起写进运行契约。
图像模型最难的，不是画得像，而是只改你指定的地方
从 GPT‑Image‑2.5 Flare、Sunburst 的发布与系统卡出发，拆解图像编辑的保真、安全评测和溯源机制如何变成产品契约。
模型更安全之后，监控为什么反而更难
从 GPT‑6 Astra 的系统卡出发，拆开模型行为安全与监控可见性之间的张力，给出 Agent 产品上线时可执行的双轨评测方法。