High Taste Testers: The State of AI Products

OpenAI 前员工在 Dev Day 后吐槽：Codex 桌面版每次更新都在退步，而他们自己用 Pi 加一个 Gmail 账号就搭出了比 Dots 更好用的私人助理。

OpenAI 刚开完 Dev Day，发布了一堆新东西，但几位天天测模型的资深用户却说：大部分更新是退步。更反直觉的是，他们中有人已经不用官方助手了——给 Pi 配一个独立 Gmail 和一张信用卡，效果比 Dots 还好。这期聊的是：AI 助手到底卡在哪，以及为什么大厂做不好这件事。

几位嘉宾刚参加完 OpenAI Dev Day，评价很直接：发布的东西不少，但 Codex 桌面版的体验在变差。

• Codex 桌面版被指"每次更新都在退步"：加了第二侧边栏、图标变多、性能变差，输入框在断网时直接卡死。嘉宾原话是"大部分 Dev Day 更新在我看来是退步"。
• Dots 被藏得太深：这个新助手功能埋在 UI 里，很多人不知道它存在。嘉宾的第一反馈是"它应该是个独立 App"，甚至猜测它最终会变成独立硬件。
• ChatGPT 和 Codex 合并被批"像 AI 做的梦"：合并后模型选择器变成一个下拉菜单，其余几乎没变，用户经常误入 ChatGPT 界面找不到自己的对话。

嘉宾的核心判断：Codex 想同时服务开发者和普通用户，结果两边都不满意。

• "fork chat"改名成"copy"：因为"非开发者不懂 fork 这个词"，但嘉宾是开发者，觉得这个改动很荒谬。Dots 也同时面向企业和消费者，嘉宾直言"这是两个完全不同的产品"。
• 只有三家公司值得信任接邮箱：一位嘉宾说，全世界他只信任 Apple、Google、OpenAI 三家接个人邮箱，Meta 不在名单里。他在 Meta 内部测试 Muse 时被要求输入邮箱密码，直接拒绝。
• 有人用 Pi 自建助手，效果超过 Dots：给 Pi 配独立 Gmail、信用卡、cron 提醒，嘉宾说"比 Dots 好用"，但承认主动推送那部分还没调好。

嘉宾认为 Jev（决策/分类模型）被严重低估，但网上疯传的用例大多很蠢。

• 最实用的场景是命令面板搜索：网站的命令 K 菜单以前要么查表要么等 AI 流式输出，现在 Jev 能在毫秒内从 20 个页面里排出用户最想去的那一个。
• 切换模型变得极便宜：只要有一批标注数据，新模型便宜 10 倍时，直接拿旧标注当评测集，只人工复核不一致的部分。
• 实测成本降 10-20 倍，准确率对齐 Opus 5.5：一位嘉宾把 Jev 塞进 agent 记忆管线做排序和重排，成本大降，评测结果和 Opus 5.5 对齐，而且不用推理。

"我不想要再增加一个问题——我请助手是为了减少负担，不是为了多维护一个盒子。"

• 如果你在做 AI 产品，检查一下：你的功能是不是埋得太深，用户根本找不到？Dots 和 Codex 的可视化功能都是"存在但没人知道"，这等于没做。
• 做分类/打标类任务时，先攒一批人工标注，再拿它当评测集去试便宜模型。嘉宾实测 Jev 能把成本降 10-20 倍，准确率对齐 Opus 5.5，切换成本极低。