全部 · 2026-08-06

OpenAI 这次放出的数据，最值得看的是使用习惯的转变：在工作场景下，人们用 ChatGPT 来写代码、做分析、编辑内容这类“产出型”任务的比例，是工作外闲聊探索的两倍以上。这说明产品正在从问答玩具变成生产力工具。另外两个信号也很有意思：一是 35 岁以上用户占比在几乎所有国家都在涨，法国和捷克一年内涨了超过 10 个百分点，早期尝鲜者和普通用户的差距在缩小；二是多媒体功能（生图、分析图片）成了增长最快的用法，占全球消息量的 7.8%，在巴西、哥伦比亚超过一成。 不过这些数字要打个折。数据源只覆盖 ChatGPT Free、Go、Plus 和 Pro 的个人账户，企业版和 API 调用完全没算，所以它反映的是个人用户行为，不是整个 AI 使用图景。另外，OpenAI 说拉美、非洲、大洋洲的人均使用率在追赶北美欧洲，但正文没给出绝对基数，追赶的起点有多低我们不知道。排名变化也只显示了相对位置，没法判断实际使用量差多少。 还缺什么：没有分行业的职业数据，不知道“工作场景”具体是哪些岗位在用；也没有任务完成质量或效率提升的量化指标，只有使用频率的分类。这些缺口让“AI 在帮更多人干活”这个结论还停留在行为统计层面，离真正的生产力验证还有距离。

这条新闻最反直觉的点在于，OpenAI 内部服务 3500 多人、覆盖 600 PB 数据的数据 Agent，在线部分只跑一个主模型和大约 13 个工具，没有复杂的路由或微调。他们把真正的工程复杂度前移到了离线阶段：用 Codex 去读数据管道的代码，把藏在代码里的表名含义、主键粒度这些业务逻辑提前写成结构化的描述，在线 RAG 再去检索这些“编撰”好的材料，而不是直接搜原始元数据或查询日志。 这个思路直接回应了企业数仓的一个死穴：表的真实语义往往不在数据库 schema 里，而在产生它的 ETL 代码中。如果只在用户提问时做实时检索，搜出来的多半是字面相似但逻辑对不上的垃圾。工程师 Emma Tang 在访谈里说，给模型更少但经过策展的上下文，效果反而比一股脑塞进去更好。 但这份报告缺的东西也很关键。正文没披露任何准确率或消融实验数据，我们不知道这套离线编撰到底把查询成功率拉高了多少。另外，模型还是闹了笑话，过度自信地把 ChatGPT 活跃用户算成了 500 万。时效性也是个硬伤，虽然他们加了运行时校验来补救离线目录的更新滞后，但没公布在线校验的比例和六层上下文的统一刷新周期。

这篇文章讲了一个很实际的工程账：在告警风暴这种高扇入场景里，把每条告警都直接丢给昂贵的 AI Agent 去排查，账单会瞬间爆炸。解法不是在 Agent 内部抠 token，而是在 Agent 看到输入之前，加一层便宜的过滤器。Datadog 公开的 Mambark 模型声称每天能从约 100 亿条安全事件里筛出约 1 万条候选，再交给大模型调查，量级差了六个数量级。但这是厂商自报数，没有独立复核，实际压缩率得看具体环境。 技术路线上，文章把来龙去脉讲清楚了：从 2017 年 DeepLog 用 LSTM 预测下一条日志的概率，到 2023 年 Mamba 用状态空间模型解决流式推理时内存随序列长度膨胀的问题。核心直觉不是把日志当文本去提问，而是把日志流看作系统状态序列，用困惑度捕捉偏离常态的事件。这个思路比通用小模型做文本分类更对路，因为日志流里没人提问，单条日志本身没有好坏之分。 文章没给出 Mambark 的具体架构细节和训练数据，也没讨论漏检率——筛掉的 99.99% 事件里有多少是真故障，这个缺口对运维场景很关键。另外，它只讲了安全事件流，没展开其他高扇入场景（比如 APM 指标异常、业务埋点）的适配成本。如果你的事件量每天不到一万条，直接调大模型可能更省事，不用急着上这套。

这篇文章把微调在2026年的新定位讲得很清楚：它不再是能力增强工具，而是一项成本与延迟工程。当你的业务每天有5万次以上请求、任务规则明确且输出可自动校验时，用3B到14B的小模型做微调，确实能把推理成本从几十美元压到几毛钱，延迟也更可控。FermiSense、Intercom等案例都指向同一个结论——微调小模型处理80%以上的标准请求，复杂难例才路由给顶级API，这种混合架构成了务实选择。 但这里有个关键限制：文章引用的所有高分案例，几乎都来自厂商自报数据或内部评测集，没有第三方可复现的公开测试。像FermiSense的归一化得分87.3%对比顶级API的76.9%，评估器本身可能存在自我偏置风险。Bridgewater的金融研判报告，5位作者里有3位来自供应商，训练和测试集怎么划分的也没说。所以这些数字能说明方向，但不能当精确基准。 视觉端的DINOv3工作流倒是给出了更扎实的工程思路：冻结主干特征、只微调一层线性分类头，配合多模态大模型自动标注，用839张人工审核样本就达到了AP 0.9731。这证明微调的核心不是重练全网参数，而是用大模型的能力快速打磨高质量数据，把高频窄场景的推理下沉到本地。不过文章也提到，最终ONNX部署被Fail-closed门控阻塞，35处预测分歧待审核，说明自动化流程的边界样本处理仍是落地前的最后一公里。