最好的代码与写作模型，如何在内部被真正“用起来”

这是一场关于AI模型如何从“看起来很强”走向“真的好用”的对话。Scott White分享了他们在模型迭代、内部使用、反馈闭环和产品化上的真实经验，解释了为什么真正的优势不只来自模型参数，而来自使用方式。

“我们才刚刚开始”：对AI能力边界的真实判断

为什么重要：很多人以为最好的模型已经出现，但这往往会限制长期判断。Scott在一开始就泼了一盆冷水，却也给了更大的想象空间。

Scott White在对话中反复强调一个态度：“I think we're still just getting started。”这不是谦虚，而是基于他对模型演进节奏的判断。在他看来，当前模型在代码和写作上的表现已经足够惊艳，但距离“稳定、可控、可预测地解决真实工作问题”，仍然有很长一段路。

这种判断直接影响团队的决策方式：不是围绕一次发布的成功自满，而是假设未来几年还会发生结构性变化。因此，他们更关心的是学习速度，而不是单次指标。这也解释了为什么他在谈到新模型发布时，兴奋点不在于“更强”，而在于“能学到什么”。

他提到最近发布的新版本时说，“those are a few of the things that I get really excited about”，但紧接着就把话题转向：这些能力如何帮助他们更快理解用户真实需求，而不是单纯炫技。

把模型当同事用：内部使用带来的残酷反馈

为什么重要：真正的问题往往只有在自己天天用的时候才会暴露，外部评测很难替代这一点。

Scott分享了一个反复被验证的方法论：团队会在日常工作中大量使用自家模型，“using 【the model】 for your own job”。这不是象征性的试用，而是直接用于写作、分析和编码等高频任务。

这样做的价值在于反馈速度。他直言，这种方式“helps us like close feedback loops between us internally on what we want to build”。当模型在真实工作流中出错、卡顿或让人沮丧时，问题会立刻被感知，而不是等用户投诉。

他还半开玩笑地提到，很多看似“很聪明”的能力，在日常使用中反而显得别扭。于是团队会反问自己：“how do you actually make it good at its normal use cases？”这个问题，成为后续优化的起点。

从功能到工作方式：这不是升级，而是转变

为什么重要：如果只是把AI当成一个更强的工具，很容易低估它对组织协作方式的影响。

Scott认为，当前的变化“it's not so dissimilar… it's just a new way of working”。模型并没有神秘到无法理解，但它确实在重塑人和系统的分工方式。

例如，当团队开始用模型快速生成草稿、代码或分析时，人的角色从“从零到一的执行者”转向“判断和引导”。这要求产品和研究团队在同一语言体系下协作，而不是各自优化自己的局部目标。

他提到，可视化和快速原型在内部变得更重要，因为它们可以“build momentum on things faster”。当想法能被迅速看见、试用、否定或强化，组织的学习速度会显著提升。

真正的差异化，不在模型参数里

为什么重要：在模型能力逐渐趋同的背景下，长期优势来自哪里，是所有AI团队都必须回答的问题。

在谈到模型本身时，Scott明确指出，“I think that is a point of differentiation”，但这个差异并不等同于规模或参数数量。他更关注的是模型如何被包装进产品，以及用户是否能自然地把它纳入自己的工作流。

这也是为什么他花了大量时间谈内部产品构建方式：当所有人“work towards the same set of outcomes”，模型、界面和使用场景才能一起进化。

在他看来，AI产品正在形成“一种新的语言”，用来描述需求、能力和限制。谁能更早掌握这种语言，谁就更有可能在下一阶段建立壁垒。

总结

这场对话的价值，不在于具体参数或功能清单，而在于一种更成熟的AI观。Scott White反复强调内部使用、快速反馈和工作方式转变，提醒我们：最好的模型不是发布时最亮眼的，而是在日常工作中最可靠的。对从业者而言，真正值得学习的是这种把AI当成长期同事来打磨的耐心。

关键词： AI模型， 代码生成， 写作辅助， 反馈闭环， 产品化

事实核查备注： 视频为Peter Yang采访Scott White；引用原话包括“we're still just getting started”“helps us like close feedback loops”“it's just a new way of working”；提及的新模型版本仅以“launched this week”描述，未具体命名；未涉及具体参数、公司内部未公开数据。