开源不再只是追赶：大模型竞争进入双轨时代
开源模型正在快速缩小能力差距，闭源模型则继续控制最前沿的产品体验。新一轮竞争不再只是比较谁更聪明，而是谁能以更低的成本、更稳定的方式，把模型变成真正可用的基础设施。
NOTES
笔记
研究摘录、工具实践、方法判断和持续更新的个人知识记录。
AI 助手真正进入工作流，需要跨过哪三道门槛
判断 AI 助手能否进入真实工作流，关键不在对话是否流畅，而在上下文能否维护、权限能否约束、失败能否恢复并留下证据。
开源模型如何选：不要从排行榜开始
开源模型选型应先锁定许可、硬件、任务质量和运维边界，再用真实失败样本比较总成本，而不是从综合排行榜倒推业务。
RAG 系统效果不稳，问题可能根本不在模型
诊断 RAG 应把文档、检索、排序、上下文构造和生成分开测量，用可回答性、召回、忠实度和权限测试定位问题，而不是直接更换模型。
多模态产品设计：摄像头不是“另一种输入框”
多模态产品必须让用户知道系统正在感知什么、如何解释、将执行什么，并在权限、延迟、错误和持续采集上提供明确控制。
小模型的机会：把智能放到成本敏感的场景里
小模型的价值来自任务边界、目标硬件和路由策略，而不是参数少本身；应以通过质量门槛后的单位成功成本决定部署位置。
如何阅读一条 AI 新闻：五个问题过滤信息噪音
阅读 AI 新闻时，应核对原始来源、测试对象、比较基线、失败边界和实际影响，把发布声明与可复现证据分开。