模型即产品

核心论断：模型和产品之间没有区别，模型就是产品，所以必须像迭代产品一样迭代模型。

具体机制：

1. 从开放式发布开始，拿到真实用例分布：人们在写作、编码、找建议、要推荐——然后系统性地按用例改进模型。Discovery 环节和经典产品工作一致：访谈用户、做数据科学、试东西收反馈；只是改进对象从 UI 变成了模型行为。
2. Vibes 是正经工作：专门的 model behavior 团队负责模型的人格、语气、说话方式。用户不看学术 benchmark，他们"试一下感受 vibe"。
3. Evals 是产品与研究之间的 lingua franca。写 eval 的本质不神秘：就是"把各用例下的理想行为清晰地写出来"——等于古老的产品智慧"先定义成功"，只是换成了对训练最有用的表达形式，用电子表格就能开始。
4. 真实失败案例是研究团队的 backlog。学术 benchmark 日益饱和，让模型变好的唯一途径是从真实世界拿回"模型没做到用户想要的事"的案例，据此告诉 ML 团队该爬哪座山。而失败案例只能靠发布获得。
5. 2X 试金石：如果一个功能不会随着模型聪明 2 倍而变好 2 倍，多半不该做这个功能（例外存在，如 SOC 2 合规类工作）。
6. 历史背景：ChatGPT 之前模型是"硬件式发布"——GPT-3 发完埋头一年做 GPT-4，spec 定死。ChatGPT 打破了这点，让模型可以像软件一样持续小步改进；理想状态是每天甚至每小时发版，难点在不破坏人格、不回退其他能力。