博客

探索 AI 技术的前沿动态与深度洞察

API中转平台到底怎么选？很多团队一开始看的是"哪家能用、哪家便宜"，但只要系统真的准备上线，问题马上会变成另外一套：接口能不能少改、模型能不能统一接、预算会不会越跑越高、结算和权限管理是不是足够省事。

这两天，Claude Design 在网上的热度很高。X 上有人把它说成 Figma 的新对手，也有人一边惊叹一边泼冷水：好看是好看，真做项目时到底顶不顶用，得另说。

把 series 里的方法落到具体模板：代码审查、PR 摘要、发布检查、排障、需求拆解等 10 个 skill 起手式。

企业做多模型，真正有价值的不是“模型越多越好”，而是不同任务到底该交给谁。

我现在越来越不相信一个模型能把所有任务都做漂亮。

如果只看表面，很多人会把这个问题理解成“Claude 更强，所以适合更难的任务”。但我越来越觉得，真正的原因不是一句“更强”就能解释完。

Claude 适合什么重任务？如果只看模型榜单，这个问题很容易被说成一句“Claude 更强”。但真正放到业务链路里，答案没这么简单。更准确的说法通常是：Claude 更适合放在重任务链路里，而轻任务、标准化任务、成本敏感型任务，不一定都要

如果只从模型单次效果去看，很多团队会把问题理解成“谁更强”。可项目一旦真正进入业务链路，这个问题迟早会变成另一种问法：哪个模型该放在哪一层。

过去大家讨论模型，最喜欢问的是“谁更强”。但这两个月我越来越明显地感觉到，很多团队的问题已经不再是“谁最强”，而是“谁该放在哪条链路里”。

很多团队做多模型，最容易卡住的并不是“有没有第二个模型”，而是任务到底该怎么拆。

如果把答案说得直接一点，我现在更倾向于说：是的，至少很多真实业务已经开始这么分了。

很多团队做多模型，最开始都会先问：Claude、GPT、Gemini 谁更强？但真到工程落地，问题很快就会变成另一种问法：哪些任务该走重模型，哪些任务该走轻模型。

Anthropic 刚把 Claude Opus 4.7 推出来，网上的反应就很典型地分成了两拨。

很多技术负责人一开始看 AI 成本，最先想到的都是单价。