判断时关注的线索

指控使用"偷偷""偷偷换了"这类指向意图的词，而没有给出可比对样本
客户描述的是输出质量变化，而不是某次调用报错
团队内部还没有模型标识与请求日志的对应记录

客户群里那句话是这么来的：有人贴了两段输出，说同一个提示词上周和本周的结果不一样，然后加了一句”你们网关是不是偷偷换了模型”。

这句话里最容易被忽略的是那个”偷偷”。它把讨论从”输出为什么会变”直接推到了”你们有没有骗我”。而在实际工作中，这两件事的答案往往不在同一个层面：输出会变，通常只是因为模型标识这件事比大多数人以为的更容易被动，与有没有人隐瞒无关。

以下复核过程来自合成演示，不是真实产品操作记录，也不对应具名客户、实际事故或成交结果。它只展示怎样把一条带情绪的技术指控，整理成一份可以继续往下走的记录。

那条指控出现之后，第一个小时做了什么

第一个小时最容易做错的事，是立刻回一句”我们没有换过模型”。

这句话未必不真。问题在于，它在当下的信息状态里无法被证明。团队手上此时通常只有一段聊天记录，没有模型标识日志，没有请求级的采样，也没有客户原始提示词与两段输出的完整对照。在这个状态下作出的任何否认，都只是立场，不是证据。

一个更稳的做法是把第一个小时花在取证上：把两段输出连同时间戳、模型标识、请求参数一起归档；确认客户使用的接口路径与鉴权方式；把这段时间内的模型配置变更记录调出来。取证动作本身也会被客户看到，而”在查”和”没有这回事”给对方的感受完全不同。

先把指控里的名词和动词分开

指控通常混着两类成分：一类是可核实的事实陈述，比如”同一个提示词输出变了”；另一类是意图判断，比如”你们故意瞒着我们”。这两类东西需要分开记录。

事实陈述可以核对。意图判断不能核对，只能通过后续行为间接影响。把两者混在一起处理，就会出现典型的沟通事故：你用证据回答了事实，客户觉得你在回避意图；或者你去解释意图，反而让本该查清的事实一直悬着。

一份可用的记录里，两者的位置是分开的。事实那栏写清时间、模型标识、参数、样本；意图那栏只记一句”客户认为存在主观隐瞒，当前无证据支持或排除”。第二句话看着别扭，但它的价值在于它把不能在当下解决的问题明确标记成了未解决，而不是假装它已经解决。

模型别名轮转：最像”偷换”的一种正常行为

如果只给一个最可能的原因，那就是模型别名。

多数厂商的模型标识分两层：一层是不带日期的别名，比如 gpt-4o 这种写法；另一层是带日期的快照版本，比如带 -2024-08-06 后缀的那种。关键在于，别名指向的快照是会轮转的。厂商把别名指向更新的快照时，你的代码一个字都没改，实际执行推理的模型却已经换了。

这件事有过公开记录。厂商曾公告说，某个日期之后默认版本会被更新到新快照，想继续用旧版本的用户需要显式指定旧快照的标识。也就是说，保持原样不动，结果就是被自动升级。

更早的一个研究提供了量化证据。Chen 等人在 2023 年比较了两个相隔数月的快照（arXiv:2307.09009），用完全相同的提示词跑基准：代码生成任务的通过率从 52% 降到 10%；需要遵循思维链格式的数学任务，格式合规率从 84% 降到 51%。这不是小幅波动，而且当时没有对外公告。只有自己维护了行为评估的团队发现了变化。

所以当客户说”上周和这周不一样”，一个必须先排除的解释是：它的提示词正跑在一个已经轮转过的别名上。这个解释之所以需要排在前面，是因为它一旦成立，性质就从”服务商隐瞒”变成了”模型标识没有固定”，两者对品牌的影响完全不在一个量级。

上游替代与弃用：写在文档里，但没人读

第二种可能来自上游的弃用流程。

模型快照会被停用，停用时厂商会给一个替代模型。这一点通常写在公开的弃用页上，附停用日期与替代对象。问题在于，这份清单的读者是开发者，而感受到变化的人是业务方。两者之间常常隔着一层没人负责同步的信息断点。

一部分厂商会在接近生命周期末端的模型响应里附带弃用提示，形式是响应头或者元数据字段。这个东西有个特点：它不是错误，不会中断调用，也不会出现在业务方的监控里。除非有人专门把响应头记下来，否则它等于不存在。

对品牌风险的处置而言，这一层的意义在于归因方向：变化来自上游的模型生命周期安排，不是你的配置动作。这仍然需要你自己承担沟通责任，但承担的方式不一样：你做的事从否认变成了说明。

自己的降级配置：最尴尬的一种可能

第三种最不好说出口：确实是你的配置导致的，动机却是兜底，不是隐瞒。

很多网关在主机型过载或者被限流时，会按预设顺序切到备用模型。这个设计本身是对的，如果没有它，客户会在上游抖动时直接拿到报错。但它的副作用是，触发降级时客户拿到的仍然是一个成功的响应，只是来自另一个模型，而响应体里未必带着”本次由备用模型完成”的标记。

于是现象就变成：输出质量下降，没有报错，客户只能从结果差异里察觉。这在外观上与”偷换”高度相似，动机上却完全相反。

判断这一层需要翻的是自己的降级日志，而不是上游状态页。如果指控时段里确实存在降级触发记录，那么正确的动作是把这条记录连同触发原因一起说明，并且讨论标记策略——让降级在响应里可见。这比反复保证”我们不会换”更可信，因为它承认了机制的存在。

沉默的成本和澄清的成本不在同一个量级

品牌风险这一类内容的特殊之处在于响应窗口。负面指控的传播速度快于内部核查速度，而群里的沉默会被自动解读为默认。

但澄清也有成本。如果澄清的口径超出了你能证明的范围，一旦后续发现反向证据，第二次信任损失会比第一次更大。这就是这类事故里最真实的取舍：说得太快和说得太晚，代价的方向不一样，但都不可逆。

比较稳的中间口径是只承诺你能兑现的那部分：说明你正在核对的字段、给出下一次同步的时间点、不预先对动机下结论。这套话术看起来不够有力，但它的好处是每一句都站得住。

把”先说结论”换成”先说范围”

前文所有动作最后都指向同一件事：在核实完成之前，你能对外说的不是结论，而是范围。

具体到这份记录里，范围包括三项：核对的是哪个时间窗、比对的是哪些模型标识、能够确认的与不能确认的分别是什么。把范围说清楚，等于把”你有没有骗我”这个问题暂时换成了”我们在同一张表上核对”，后者是可以推进的。

工具在这个流程里的位置是有限的。在用户主动连接、有权访问的 Telegram 群里，TOP Prospect 能把原始措辞、出现时间与前后文保留下来，生成一条待人工复核的候选 Signal，并让”偷偷”这个词出现的准确时间点不被混淆。它不做什么同样清楚：模型标识对不对得上、降级有没有触发、对外口径怎么定，仍然由人来查、人来决定。

需要说明边界：本文只处理指控出现后的核实顺序与沟通口径，不涉及模型版本管理的工程实现，也不涉及事故之后是否更换上游。那两件事的性质不同，需要单独讨论。

延伸阅读

产品范围

市场与风险讨论属于辅助证据

Top商业线索的主任务是 Telegram 获客。市场与风险讨论可以为候选线索补充上下文，但不会自动成为已核实事故、趋势或销售机会。

查看产品工作流与边界

客户群里有人说"你们网关偷偷换了模型"，那一个下午该怎么过