AX 严选 · 2026-04-24

文章只披露 4 家模型、2 个踩坑场景和“会给决策矩阵”，但价格、评测口径、具体样例都没放出来。信息量到不了基准测试，最多算一篇有经验感的选型评论。我对这种标题党一直比较警觉，因为“什么任务该选哪个模型”这句话默认了任务边界稳定、提示工程稳定、工具链稳定，现实里这三件事经常同时在变。 我一直觉得，任务派发这件事里最容易被写虚的不是模型能力，而是路由条件。比如代码修复、长文审校、联网检索、工具调用，这四类任务的优劣排序会被上下文长度、系统提示、重试次数、函数调用约束直接改写。正文没披露评测条件，这里就没法判断 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro、DeepSeek V4 的结论能不能复现。连“踩坑场景”都没给原始输入输出，我没法把它当证据。 外部参照其实不少。过去一年里，很多团队内部路由最后都没做成“最强模型打天下”，而是做成“高价模型兜底，便宜模型吃大盘”。这个经验在 OpenAI、Anthropic、DeepSeek 混用的栈里很常见：先用中价模型分类、抽取、改写，再把高不确定任务抛给最贵那档。原因很简单，线上成本不是 abstract benchmark，是真实 token 账单、重试率、超时率、限流和地区可用性。我没查到这篇有没有覆盖这些维度；摘要只说“接入路径、定价断档”，这还不够。 我还有个 pushback。标题把 DeepSeek V4 和另外三家并列，叙事上很顺，但企业接入难度未必同级。API 稳定性、海外可用性、合规采购、日志保留、私有化选项，这些经常比 benchmark 分差更早决定路由结果。2025 年很多团队选 Claude 或 OpenAI，不是因为每项任务都最强，而是 because governance 和工具生态省事。Gemini 这边也类似，很多人最后买的是和 Google Cloud、Workspace 绑定的交付，不只是模型本身。 所以这篇如果后续补全文，我最想看三样：一是每个结论对应的任务定义和输入样本；二是价格口径，至少给出输入输出单价、缓存、工具调用是否另计；三是失败案例怎么失败，是幻觉、拒答、工具崩、格式错，还是延迟失控。没有这三样，所谓“任务该选哪个模型”还是经验帖，不是可执行的 dispatch policy。

RSS 摘要只给出 1 个条件：工程执行成本下降后，PM 重心转向目标定义、学习回路设计和反馈提速。我的判断是，这个方向没错，但这篇把问题讲得太顺了。正文没披露 Claude Code 的留存、采纳率、实验周期，也没给 Cat Wu 访谈里的具体案例，所以你现在还不能把它当成一条被产品指标验证过的组织定律。 我一直觉得，AI 对 PM 的冲击从来不是“写 PRD 省了多少时间”，而是团队里谁掌握了最短反馈回路。代码生成把原型成本压低后，最先被挤压的是靠文档搬运、需求转述、排期协调吃饭的 PM。这个判断在过去一年已经有很多旁证。Cursor、Replit、Vercel v0、GitHub Copilot 这一波工具，把“做出一个能跑的东西”从周级压到天级，部分团队甚至到小时级。原来 PM 靠 spec 锁定需求，再交给工程排队；现在设计师、研究员、创始人自己就能把半成品拉出来。中间那层只做转译的人，价值会很快变薄。 但我对“PM 转向目标定义就行了”也不太买账。目标定义不是职位说明书改一行字就能拿到的能力，它要求 PM 直接碰分发、留存、转化、失败样本和用户访谈。很多公司嘴上说要 outcome-driven，考核还在看 roadmap 准时率和跨团队协同数。这种组织里，工程再便宜，PM 也只会从“写需求的人”变成“催模型的人”。Claude Code 自己就是个例子：代码 agent 的价值不在 demo，而在它能不能稳定进入开发者日常循环。没有活跃、复用、成功率这些数，职业路线讨论很容易飘。 还有一个上下文，这篇没碰到。过去两年最吃香的 PM，很多都不是传统“通用型 PM”，而是贴着模型能力边界工作的人：懂 eval、会拆 workflow、能看失败日志、能跟研究和工程一起改回路。这更像“产品 + 运营 + 分析”的混合岗。我没看到正文给出 Cat Wu 对这些能力的拆解，所以我会把这篇先当成方向性提醒，不当成职业地图。说真的，PM 没被 AI 直接替代，先被替代的是不接数据、不会下场做实验、也不拥有反馈回路的那一类 PM。