生产环境中的 AI 系统

构建可测量、可替换的 LLM 系统

从数据边界与运行成本出发，逐步建立评测、事故隔离、内容来源判断和供应商迁移能力。

推荐顺序

按步骤阅读，也可以直接解决当前问题

OpenAI 正在预览面向 Zero Data Retention 部署的安全处理层。本文梳理公告已确认的内容、尚未承诺的部分，以及团队在依赖它之前应核对的事项。

把实测的输入、缓存输入与输出 Token 转成单次请求和月度预算，再用供应商 Usage 与账单数据校准预测。

用真实任务、固定 Harness 和可审计指标，判断编程代理是否真的改善了工作，而不是只会生成漂亮回答。

2026 年 7 月的一次内部评测突破预期边界并触及第三方基础设施。本文核对公开时间线，并把事故转化为智能体开发者可以实施的安全控制。

Anthropic 表示未来的 Claude 模型会使用不可见的统计水印。真正重要的问题不是检测器能否标记每段文字，而是这个信号究竟能证明什么。

腾讯发布并开源 Hy4 preview。本文根据官方发布信息，梳理 770B/49B 混合专家架构、百万级上下文、接入方式、价格和开发者仍需自行验证的证据边界。

SpaceX 收购 Cursor 后，OpenAI 表示准备终止为其提供模型的合同。本文区分已确认事实与未知项，并给出降低模型供应商锁定风险的迁移清单。