模型小版本升级后，写作更简洁、推理与代码更稳，但推送是分批的，网页端和 API 的表现并不同步。本文梳理升级的实际体感、判断当前模型版本的可靠方法，并用一道年化收益率算错的例子，说明数学题出错多半是单位与校验问题，给出可复用的提问与验算清单。
模型的小版本更新，通常不改变「能不能用」，但会明显改变「用起来顺不顺」。最近一次覆盖写作、数学、逻辑推理和代码能力的升级，官方描述的重点是回复更直接、更简洁，同时推理链条与代码生成的稳定性有所提升。听起来不算颠覆，但落到写邮件、改文档、算账、调 bug 这些高频场景，体感差异并不小。
讨论很快分成几派：有人说 API 里已经明显变好；有人在网页端反复试探，发现模型自称的知识截止时间还是旧的，于是怀疑自己根本没被推送；还有人拿数学作业做对比，认为复杂推导上另一个模型仍然更强。这些分歧大多不是「模型行不行」的问题，而是版本、入口和使用方式混在了一起。下面把它们拆开讲。
升级体现在哪里，边界又在哪里
可以把变化理解成三个方向：
- 写作：少寒暄、少重复总结，直接给结论。做摘要、改写、润色、写说明文档时更省事，也更容易控制长度。
- 数学与逻辑：多步推导时中途跑偏的概率降低，但只要涉及单位换算、百分比、量级判断，仍然会出错。
- 代码：生成更贴近真实需求，调试时更愿意先解释原因再给补丁，而不是一口气堆一大段代码。
需要提醒的是，这些是「平均而言」的改善。同一个模型在不同任务上的表现差异，往往比不同模型之间的差异还大。所以「升级了但我没感觉」是正常现象，尤其在任务本身很简单的时候。
为什么有人已经用上，有人还没动静
最常见的误解是把「网页端能用」和「API 能用」当成同一件事。实际上这是两条独立的推送链路，节奏往往不一致。
| 入口 | 大致情况 | 怎么确认 |
|---|---|---|
| 订阅版网页 / 客户端 | 官方说明新模型会在这些档位提供，但灰度分批，不同账号、不同时间可能不同 | 新开对话做固定题目对比，别在旧会话里试 |
| API | 需要在请求里显式指定模型名，用旧名字或默认值不一定拿到新版本 | 看响应体里返回的 model 字段，这是最硬的证据 |
| 第三方聚合平台 | 前端显示的模型标签由平台映射到后端，标签不等于真实后端 | 只能靠行为测试，或看平台自己的说明 |
判断当前版本的四步法
- 看官方文档的模型列表与知识截止时间。版本号和截止日期会变，以你查询当天的官方文档为准。
- 直接问知识截止日期，但只当参考。模型对自身属性的回答经常是猜的，甚至前后矛盾；把它当作一个弱信号，不能当唯一依据。
- 在 API 侧看响应里的 model 字段。这是唯一不依赖模型自我陈述的判断方式。
- 做一组固定回归题：一道多步计算、一段长文改写、一段带 bug 的代码。把新旧回答并排看，比问「你是谁」有用得多。
另外注意两点：一是缓存和旧会话会污染对比，测之前一定新开对话；二是部分产品会做 A/B，同一账号今天和明天的后端都可能不同，不要因为一次测试就下结论。
数学题算错，多半不是「不会」
讨论里最典型的例子：本金 30 万，63 天收益 1400 元，问年化收益率。正确算法是先把收益率算出来 1400 ÷ 300000 ≈ 0.467%，再按 365/63 折算，约 2.70%（按复利算约 2.73%）。但模型给了一个 27% 上下的答案，差了整整一个数量级。
这不是「不懂公式」，而是中间步骤的百分比换算错了：0.467% 被当成了 4.67%，或者最后一步把小数点和百分号搞混。有意思的是，有人在同样的模型上一问就得到 2.7%，也有人追问一句「再确认一下，是不是单位错了」之后，模型自己改成了 2.70%。
这说明问题出在没有自检环节，而不是能力上限。可行的做法：
- 要求先写公式、再代入数字，一步一行，每步都带单位。
- 明确要求最后做一次量级检查，例如「30 万放两个月赚 1400，年化应该在 3% 以内，如果算出两位数说明有错」。
- 数值题尽量交给代码解释器或计算工具执行，让模型只负责列式。
- 追问时给出具体怀疑点（「检查百分号换算」），比笼统地说「再算一遍」有效得多。
- 遇到复变函数、积分这类重推导任务，不同模型差距确实明显，按任务选工具即可，不必强行统一。
写作与代码场景的取舍
回复变简洁是双刃剑。做摘要、写变更说明、改邮件时，省下的客套话就是省下的时间；但需要铺陈的长文、需要特定语气的文案，简洁反而会显得干瘪。稳妥的办法是在提示词里写清目标长度、读者和语气，而不是指望默认风格刚好合你意。
代码场景则建议改成两段式：先让模型给出实现计划和边界条件，确认后再让它写代码，并同步产出测试用例。这样即使模型版本没更新，产出质量也会稳定不少。
一份可直接照做的检查清单
- 新开一个干净对话，不要接着旧会话测。
- 用同一组固定题目（计算、改写、修 bug）在新旧环境各跑一次。
- API 场景检查响应里的 model 字段，确认请求确实指定了目标模型名。
- 数值类问题强制要求分步、带单位、末尾做量级自检。
- 重要结论用第二种方法复核，或直接落到计算工具上验证。
- 如果要做连续的自动化对比，或长时间跑批量评测脚本，本地网络抖动会污染结果，可以考虑用一台长期在线的远程 Mac（例如放在新加坡机房的独享 Mac mini）来跑这些任务，减少断线重试带来的干扰；只是偶尔手动对比，本地机器完全够用。
小结
这次升级的价值更多体现在「少犯低级错」和「少说废话」上，而不是能力跃迁。用不上的时候，先排查入口和推送，而不是急着换工具；用得上的时候，把自检和验算写进提示词，收益会比单纯等下一次更新更确定。模型版本、推送范围和各平台的知识截止时间都随时可能变化，具体以官方最新说明为准。