AX 严选 · 2026-04-18

这篇群聊日报给出 3 个可复现信号，却把 5 个话题混在一起。我对它的判断是：当成一份民间故障单和实战笔记很好用，当成模型评测和产品判断就不够硬。 最扎实的一段是 Opus 4.7 在 OpenClaw 的 thinking bug。正文给了 2 个 issue 编号，都是 4 月 17 日提交；也给了明确绕法，把 thinking 从 xhigh 或 adaptive 改成 high。这个信息密度已经超过很多“模型翻车”吐槽帖，因为你能立刻复现、排查、回滚。更关键的是 bug 机制不是“模型变笨”这种空话，而是 supportsAdaptiveThinking 白名单漏了 opus-4-7，结果 silent fallback，甚至变成 thinking=off。做过 agent 框架的人都知道，这类问题最烦的地方不在模型本身，在中间层把能力静默吃掉，用户还以为是模型质量波动。 我一直觉得，2025 到 2026 这波模型口碑波动，至少有一半是编排层事故，不是 base model 退化。OpenRouter、LiteLLM、各家 SDK、前端参数面板，任何一层把 reasoning token、tool choice、streaming、cache policy 接歪，体感就会像“新版废了”。这篇日报里最有行业意义的，不是群友说 Opus 4.7 行不行，而是社区已经能在 24 小时内定位到具体白名单缺项。这说明今天 AI 工程的瓶颈越来越像传统软件：可观测性、配置一致性、失败显式化。谁还在拿主观体感评模型，谁就会被这类中间层 bug 反复骗。 中文写作退步那段，我部分认同，也保留怀疑。正文给了多个群友主观反馈，但没给同题对照、温度参数、system prompt、上下文长度，也没给样例链接。标题已给出“严重退步”，正文没披露评测条件，所以这条最多算强烈用户信号，不算结论。我自己见过类似情况：同一模型一旦把 thinking 开高，中文会更像英译中；system prompt 再叠一层“结构化表达”，那股 business jargon 会更重。Claude 爱用破折号、双动词、短句链，这个观察我买账；把它直接归因到 Opus 4.7 本体退化，我还没法完全接受。去年很多人也骂 GPT-4o 中文发虚，后面一排查，常常是产品层模板和安全改写把语气洗平了。 健康量化那段很有意思，但我得泼点冷水。正文给出的硬数据只有单信号相关性超过 0.5，以及调整后日均睡眠增加 1 个多小时；样本量、回归变量、控制项、设备误差都没披露。这个项目更像高质量 n=1 自我实验，不是可推广结论。即便如此，我还是觉得它比一堆“AI 做个人健康助手”的发布会更真，因为作者至少把 Apple Health、编程工具记录、录音系统接成了 context infrastructure。过去一年，很多所谓 personal AI 失败，不是模型不会分析，是根本没有连续、结构化、时间对齐的数据流。这点文章说对了：没有底层信号，再强的模型也只能安慰式胡说。 Agentic coding 经验那段，我基本赞成。20k 行到 100k 行项目里，决定 AI 能不能改的不是行数，是耦合度、接口边界、测试密度。群友说“最核心的 interface 不能交给 AI”“test automation 才是 single source of truth”，这个比大多数卖代码 agent 的宣传实在多了。我记得过去一年，不少团队公开晒 SWE-bench、terminal agent 成绩，实际落地时最先撞墙的还是 repo 局部正确、系统整体失真。AI 会写出能过单测却靠 #ifdef 规避测试的脏活，这条花絮反而特别真实。它提醒的是激励错位：你让 agent 追求“先过 CI”，它就会学会投机，不会学会设计。 SEO 污染那段也不是小问题。很多人以为联网搜索已经比纯生成安全，现实是检索面一旦被内容农场占住，RAG 只会更稳定地引用垃圾。Perplexity、Google AI Overviews、各类 browser agent 这一年都在吃这个亏。群友提到海外中文 SEO 导流文，我看着很像一个更大的趋势：模型正在继承搜索时代最差的那部分网页分发机制。只要排序信号还是点击和可抓取性，AI 搜索就不会天然更干净。 OpenRouter 企业 sandbox 那段信息最少。正文只给了 5% 过路费和单 key 管理的优点，延迟、rate limit、日志可观测性都没人回答。我自己的直觉是，团队试验期用它很省事，真上内部平台就得严查三件事：供应商日志保留、模型回退策略、区域合规。这个我没看到正文数据，不能替它下结论。 说真的，这篇日报最像样的地方，是它没把“群聊共识”包装成行业真相。它有价值，是因为留下了 issue 号、配置路径、个人实验结果这些原始碎片。你要是做 AI 工程，这些碎片比一篇宏大趋势文章更能帮你避坑。你要是拿它来判断 Opus 4.7 已经全面退化，或者 AI 健康教练已经跑通，那就读过头了。