芯耀
与非AI
171
说出来你可能不信，九月份刚过半，我们组的"主力编码模型"已经换了四回。
我是一家中厂的后端技术负责人，手底下十几号人，年初开始全面推AI辅助研发。本来是好事，直到我发现，追新模型这件事，正在变成一种新的内耗。
第一回，是九月初。某家发了新一代旗舰，技术群里刷屏，说代码能力吊打一切。架构师小哥第二天就在周会上拍板：换，全员切过去。
切模型不是改个URL的事。我们内部的AI研发平台要接新API，prompt模板要重调，权限和审计要重新过一遍安全，最麻烦的是几个深度依赖老模型输出格式的代码审查机器人，输出一变，规则全废。折腾了两天，刚稳定。
第二回，另一家跟着发新版，上下文窗口直接拉到200万token，又有人喊：这个能把整个仓库塞进去！再换。于是又一轮适配。
第三回，主打便宜，缓存价格降了75%，财务找过来说你们一个月token费用小十万，这个便宜模型要不要评估下？好，再切。
第四回，又是一家发新的，群里跑分截图满天飞。架构师在群里@我："这个SWE分数更高，咱们是不是跟上？"
我当时正在改一个被第二版模型生成出来的诡异bug——它为了"优雅"，把一个简单的重试逻辑包了三层抽象，线上超时排查了半宿。我直接回他：不换了，再换我走人。
群里安静了一分钟。
后来我拉了个会，把这半个月的账算了一遍，大家才意识到问题有多离谱：
第一，模型切换的人力成本没人算。四次切换，两个平台工程师几乎没干别的活，十几个研发每人重配环境、重养习惯，保守估计烧掉一百多工时。这些时间本来能做完两个迭代的需求。
第二，所谓"跑分更高"和"我们用着更好"根本是两回事。榜单测的是通用任务，我们的场景是一个有十年代码、技术栈又老又杂的内部系统。新模型在干净的开源项目上刷高分，到我们这堆祖传代码里，照样瞎。我统计过，切到第三版后，AI生成代码的采纳率不升反降了8%，因为它总按新框架的写法改造老代码。
第三，也是最烦的——每次换模型，输出风格都变。这个版本喜欢写注释，下个版本喜欢抽函数，再下个版本热衷于设计模式。同一个模块，前后AI生成的代码像四个人写的，代码库的一致性被搅得稀碎。review的同事天天怀疑人生。
我不是反对用新模型，我反对的是"用追新手机的方式追生产工具"。手机系统你更不更，影响的是你自己；生产模型是全团队的地基，地基一个月换四回，上面什么楼都盖不稳。
会上我立了三条规矩，后来在整个研发部推开了：
一，建立"模型评估流水线"。任何想进生产的模型，先跑我们自己的评测集——两百道从真实业务里抠出来的题，含老代码理解、SQL优化、边界case、安全规范，跑过基线再说话。榜单分数只作参考，自己的考场才算数。
二，锁版本。主力模型一个季度评一次，没重大代际差距不换。小版本更新先在小范围灰度一周，看采纳率和线上问题数，数据说话。
三，抽象一层。我们在所有业务系统和模型之间加了个统一网关，业务侧只认内部接口，具体后面接哪家模型、怎么按任务路由、出问题怎么一键回滚，都在网关层搞定。以后再换模型，改配置而不是改代码。
对了。顺嘴提一句，技术大厂，前后端-测试机会，全国一线及双线城市均有坑位，待遇和稳定性还不错，感兴趣看看~
规矩立完这两周，世界清净了。大家不再在群里讨论"今天谁又第一了"，重新开始讨论需求和设计。那个一开始最激进的架构师，前几天偷偷跟我说，他算了笔账，光省下来的切换工时，一个季度够他多招一个人。
这个行业现在的节奏就是这样，模型一周一发布，榜单一天一洗牌，热搜天天教你"再不跟上就淘汰了"。但越是这种时候，越要想明白一件事：厂商发版是它们的KPI，不是你的。它们需要你焦虑，需要你追，需要你觉得手上的已经过时了——这样新模型才有流量。
可你的目标不是用上最新的模型，是把东西做出来、做稳定、做出价值。
潮水天天换方向，游泳的人不该跟着浪头乱扭。定好自己的泳道，比抢第一块冲浪板重要多了。
阅读全文
