报告描述的症状
发帖人的观察很具体：日常的小修小补一切正常，但涉及多文件重构、长链路调试这类复杂任务时，更新后的版本频繁中途迷失，丢上下文、绕圈子、把改到一半的方案推翻重来。这种「简单任务无恙、复杂任务垮掉」的模式让问题格外难缠：官方的回归测试大概率覆盖不到这个深度，用户的证据又都是难以复现的个人案例，双方各执一词，谁也说服不了谁。
「变笨了」之争的死结
这类争论在每家模型厂商的社区都周期性上演，死结在于不可审计：厂商说模型没变，可能是真话（变的是路由、量化、系统提示或额度策略，每一样都影响表现但都不算「模型变了」）；用户的体感也可能是真的，复杂任务对这些底层变化最敏感。出路其实存在：公开的质量基线、可查询的服务变更日志，但没有厂商愿意先戴上这副镣铐。在那之前，重度用户能做的是自建小型回归集，用数据说话，至少让自己的判断不靠玄学。
via: Hacker News