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 07 / 本页首篇2026 年 9 月 23 日
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。
阅读全文ALL NOTES / 全部文章06 NOTES
AI 标准先统一证据，再谈模型能不能上线
OpenAI 提议为前沿 AI 建立共同的能力测量、人工监督和事件报告标准；对产品团队来说，标准的第一价值是让不同系统的证据可以比较。
模型失配也要像事故一样报告，而不是等到系统卡
OpenAI 为模型失配建立了从员工上报、技术调查到分级披露的流程，并公开六个早期案例；对 AI 产品团队来说，失配样本也应该成为可追踪、可复盘的产品事件。
AI 开始参与造下一代 AI，产品团队该量什么
Anthropic 用自动化程度、Agent 监督和算力分配三组指标描述 AI 如何参与 AI 研发；产品团队可以借此把‘更自主’拆成可审计的进度与风险。
高风险 AI 访问不能只靠拒答，要把用途写进授权
Anthropic 的 Life Sciences Verification Program 把生物领域的高风险访问拆成机构核验、用途授权、持续监控和责任回传，给 AI 产品设计了一条比‘全部放开或全部拒绝’更细的路径。
AI 落地别只数活跃度，还要看新任务有没有留下来
OpenAI 对 150 多万条工作相关消息的研究显示，部分跨岗位 AI 任务会反复出现。企业评估 AI 落地，除了看谁登录、用了几次，更要追踪哪些任务进入日常，以及质量和责任如何变化。