AI 产品经理面试简报 16：浏览器代操作、法院闸门、默认模型
从 ChatGPT 在 Chrome 里的代操作授权、Anthropic 向国会推介的联邦前沿 AI 安全法案草案、Replit 把 Agent 默认模型转向 OpenAI 这三组 2026 年 10 月中旬的更新出发，拆解 AI 产品交付链上「用户、法院、客户」三处点头位，并整理成可直接用于 AI 产品经理面试的表达、指标与追问。
先看结论
2026 年 10 月 15 日 20:02 UTC（北京时间 10 月 16 日 04:02），ChatGPT 官方账号宣布 Chrome 扩展升级。1
10 月 16 日 21:45 UTC（北京时间 10 月 17 日 05:45），POLITICO 发出独家。3
Anthropic 的政府关系团队向国会山议员推介了一份自己起草的联邦 AI 安全法案草案。3
草案只允许政府在一种情形下阻止模型发布。风险须可预见且迫近，且由生物武器、模型绕开控制、网络攻击三类之一引发。3
损害门槛写得极高：财产损害与损失超过 10 亿美元，或死亡与重伤合计超过 50 人。3
10 月 15 日太平洋时间，Replit 的 CEO Amjad Masad 在 TechCrunch Disrupt 台上被问了一句。4
主持人说：「我没想到这意味着你们不再和 Anthropic 合作了。」他答：「Yeah. Um I mean, yeah.」4
两天后他改口：OpenAI 现在是首选伙伴，Anthropic 的模型仍在平台上可选。5
这三件事分属产品、立法、商务。它们落在同一条交付链上。
交付时谁授权它能碰什么，发布时谁能否决，交付后谁在替客户选模型。
用户点头、法院点头、客户点头。三处同意，都不发生在一次明确的点击上。
| 更新与日期 | 核心机制 | 用户价值 | 行动窗口 | 证据边界 |
|---|---|---|---|---|
| ChatGPT Chrome 扩展升级，2026-10-151 | 授权按站点主机名给一次，四个选项；没有按动作的确认层26 | 一次任务能跨过多个系统做完，省掉来回复制粘贴1 | 先列一张「有后果的动作」清单，逐个指定停下点7 | 成功率、延迟、支持站点数均未公布；商店评分 1.9 分是唯一反映任务表现的公开信号8 |
| Anthropic 向议员推介联邦草案，2026-10-163 | 触发须财产损害超过 10 亿美元、或死亡与重伤合计超过 50 人，且由三类风险引发；商务部不能自己下停令，须向哥伦比亚特区联邦地区法院申请39 | 发布流程多出一份要自己留存的合规档案：自评、系统卡、外部评估10 | 先做一次「我们过不过线」的自查，把口径写进模型卡1011 | 全文不公开，条款细节均为「报道所述」；举证责任与法院审查标准未知12 |
| Replit 承认默认模型转向 OpenAI，2026-10-154 | 默认不是某个模型，是叫 Auto 的路由器；企业策略要求三家各留一个可选1314 | 用户不必逐个比较模型，默认体验由平台统一调优15 | 自己留一份能复跑的评测基线，别只依赖平台公开榜1617 | 「Sol 与 Astra 更好」在公开榜上无法验证，榜单停在 2026 年 5 月16 |
01 代你点：授权按站点给，不按动作给
发生了什么
2026 年 10 月 15 日 20:02:51 UTC（北京时间 10 月 16 日 04:02:51），ChatGPT 官方账号发出升级说明。1
原话是把 computer use 带给所有用 Chrome 的人。computer use 指让模型直接操作浏览器界面的一层能力。1
两条能力被分开写。1
在 Chat 里，它能看你打开的标签页并收集信息。在 Work 里，它能控制你的 Chrome 标签页，去发消息、填表、下载文件。1
侧栏也换了。完整对话历史被搬进浏览器右侧，用户可以一边看页面，一边在 Chat 与 Work 之间切换提问。18
这次不是首发。19
官方更新日志里，侧栏功能挂在 2026 年 7 月 27 日到 31 日那一周。19
computer use 与扩展在 2026 年 6 月 15 日到 19 日那一周开始向欧洲经济区、英国与瑞士放量。19
2026 年 8 月 31 日，扩展扩到 Edge、Brave、Opera、Vivaldi。20
交付物是一枚 Chrome 扩展加桌面端的会话。扩展是手，桌面端是脑。2
要在浏览器里动手，得新开一个 Work 或 Codex 会话（Codex 是面向编码任务的会话），用
@ 点名浏览器。2ChatGPT Atlas 那个独立浏览器已被关停，2026 年 8 月 9 日停止工作。同一批公告里，侧栏被写成了接替方案，这次升级补的是侧栏之上的操作能力。21
商店页给出的公开数字有三个：700 万用户、1.9 分、959 个评分（截至 2026 年 10 月 18 日）。8
产品机制：四道闸门，没有一道是按动作的
第一道在安装时。2
Chrome 索要的权限清单包括：读改所有网站上的全部数据、跨已登录设备读取浏览历史、书签、下载、通知、标签组，以及页面调试器。2
官方紧接着说明：这些权限让扩展能跑浏览器工作流，ChatGPT 仍然用自己的确认、设置与黑白名单。2
第二道是站点闸门，也是产品自己加的那层。2
默认每遇到一个新网站问一次，判断依据是网站的主机名，例如 example.com。2
四个选项：只允许一次、允许这个站点、允许所有站点、拒绝。2
「允许所有站点」被官方标为更高风险，选了之后不再询问。2
至于授权多久过期，答案写在 Codex 托管配置参考里：默认是
thread，即当前会话内有效，不是单轮。6官方没有为扩展单独写一条有效期说明。这是目前最接近的证据。6
第三道只管少数资源。2
浏览历史每次单独询问，而且没有「一直允许」这个选项。2
管理员用
browser_use_external=false 可以把整个能力关掉，包括已有的标签页与已登录会话。6也可以按域名分别规定访问、上传、下载，还可以关掉对浏览器动作的「自动审批复核」。22
这一层在官方配置里叫 automatic approval review，意思是执行前先自动判断该动作是否放行。22
然后是最要紧的一句：这套机制里没有按动作的确认层。2
官方示例提示词里有一条「按活动说明把报名表填完，提交之前停下」。23
这是提示词里的一句要求，不是产品保证。文档里查不到「提交表单前强制二次确认」的条款。2
ppc.land 逐条对照官方线程与报道后给出同一结论：没有任何一方说明助手在发消息或提交表单前会不会弹确认。7
任务跑起来之后，用户能看见的控制点只有一个。8
Chrome 顶部会出现「started debugging this browser」的提示条与一个 Cancel 键，标签页被装进一个专门的组里。8
能力边界写在另一页。24
它不能自动化终端类应用，不能以管理员身份认证，也不能替你点系统的安全与隐私授权弹窗。24
同类能力里它不是最早的一个。25
2026 年 1 月 28 日，Google 已在 Chrome 内上线 auto browse，面向美国的 AI Pro 与 Ultra 订阅者。25
它能多步执行订票比价、填表、管理订阅。需要登录时，还能调用浏览器的密码管理器。25
用户价值
对做产品的团队，价值不在「它能点按钮」，而在一次任务能跨过多个系统。1
示例里的活是把三个供应商页面整理成一张对比表，再从邮件里找出单据填进报销单。23
但授权的单位是站点，不是动作。2
用户批准的是「它可以在 example.com 上做事」，不是「它可以替我点提交」。2
这条能力也在遭遇反方向的阻力。26
The Verge 10 月 17 日报道，Yelp 只允许付费数据授权计划内的 AI 代理（agent，能自己调工具完成多步任务的程序）访问。26
达美航空阻止代理代订机票。摩根大通与嘉信理财确认，出于安全原因阻止代理访问账户。26
同一篇没有给出「多少比例的站点在封」或「封禁让多少任务失败」的数字。26
产品经理如何落地
第二步，列一张「有后果的动作」清单。 发送消息、提交表单、上传、下载、支付、删除，每一类都要在自家产品里指定一个停下点。7
「模型会自己停」不是可以依赖的默认行为。7
第三步，把站点白名单当资产管。 一次「允许所有站点」就等于关掉了唯一一道按站点的闸门。2
企业侧可以按域名预设允许位，不要让每个用户自己点。22
第四步，把中止做成看得见的东西。 官方给的是一条浏览器提示加一个 Cancel，这是目前唯一可见的中断手段。8
自家做同类功能，要有一键中止，也要有「任务跑在自己的容器里」的视觉提示。
第五步，自己做一份「它碰了什么」的记录。 官方声明不额外保存完整的浏览行为记录，只有进入对话上下文的内容才被保存。2
需要审计的团队得自己记，等不到平台提供。
可验证指标
- 时间与形态：2026-10-15 20:02:51 UTC 宣布；扩展版本 1.26.1005.11759，同日更新。18
- 支持浏览器：Chrome、Edge、Brave、Opera、Vivaldi；Opera 没有侧栏。2
- 授权粒度：按站点主机名，四个选项；默认有效期
thread。26 - 特殊资源：浏览历史每次询问、没有一直允许；上传下载总是询问。2
- 企业控制：整体关闭、按域名配置访问与上传下载、关闭自动审批复核。622
- 公开装机与评分：700 万用户、1.9 分、959 个评分（2026-10-18 读取）。8
- 未公布：成功率、平均耗时、支持站点数量、支持地区清单。27
风险边界
没有任何效果数字。 官方页面不写成功率、失败率与平均耗时。2
唯一反映任务表现的公开信号是商店评分 1.9 分、959 个评分。8
这组评分没有给出基线，只能当当期读数看。8
这两句不能同时字面成立。
提示注入的对照数字来自另一家。 ppc.land 提起，Anthropic 去年 8 月开放 Claude for Chrome 研究预览时公布过提示注入成功率。7
这是攻击成功率：无缓解一档 23.6%，有缓解一档 11.2%，原文只注明无缓解那档是 123 个测试用例。7
这是 Anthropic 自报的口径，不能当 OpenAI 的数字用。OpenAI 这次没有公布同类数字。7
封禁是真的，但没有被量化。 Yelp、达美、摩根大通、嘉信理财的做法都有直接确认，比例与影响没有数字。26
面试可直接说
10 月 15 日 OpenAI 把 computer use 塞进了 Chrome 扩展：Chat 模式读你已经打开的标签页，Work 模式直接控制标签去发消息、填表、下载文件，侧栏里还带完整历史。它不是首发，侧栏 7 月就有了。我关注的是授权粒度：Chrome 装扩展时要的是「读改所有站点数据」这种全量权限，产品层加的是按站点主机名问一次，四个选项，默认在当前会话内有效；没有按动作的确认层。官方示例里那句「填完就停、不要提交」是提示词写法，文档里查不到提交前强制确认的条款，有第三方逐条核对后得出同样结论。所以我自己做同类功能，会把读和写拆成两个开关，再列一张有后果的动作清单，每个动作指定停下点。边界也要说清：官方没公布成功率、延迟和支持站点数，商店评分是 1.9 分；而且网站那头在收紧，Yelp、达美、摩根大通、嘉信理财都在拦代理。
面试官追问
- 用户已经批准「这个站点可以操作」，你还会在哪些动作上再停一次？
- 一个跑在浏览器里的代理，你会用哪三个指标判断它今天能不能上线？
- 站点开始封代理，你的产品会怎么退化，退化时怎么告诉用户？
02 法院闸门：多大的事才轮得到它说不
发生了什么
2026 年 10 月 16 日 21:45 UTC（北京时间 10 月 17 日 05:45），POLITICO 发出独家报道。3
三名知情人士称，Anthropic 的政府关系代表向国会山议员推介了一份此前未被报道的草案。3
草案的重心不是授权，而是限制授权。3
政府只有在模型构成可预见且迫近的风险、且风险来自生物武器、模型绕开控制、或网络攻击三者之一时，才能阻止它的发布或使用。3
损害要跨过两条线之一：财产损害与损失超过 10 亿美元，或死亡与重伤合计超过 50 人。3
POLITICO 说这套措辞与加州 2025 年签署的 SB 53（《前沿人工智能透明度法》）一致。3
Anthropic 发言人对 POLITICO 说，这就是它 6 月起一直在推的《Advanced AI Framework》的立法版。3
据报道，评估由在商务部注册的独立评估机构做。评估者可以向被审企业收费，但报酬不能取决于结论。9
一旦发现达到门槛的迫近风险，须在完成评估后 72 小时内通报商务部。9
商务部不能自己下停令。9
这不是一份已经提交的法案。12
国会要到 11 月中期选举之后才复会。29
产品机制：阈值从哪来，权力被切成几段
先弄清阈值不是 Anthropic 发明的。11
加州 SB 53 原文写的是超过 50 人死亡或重伤，或超过 10 亿美元财产损害，并且限定「源自单次事件」。11
「单次事件」是硬约束：不是一年累计，是一次事故。11
10 亿美元指财产损害与损失，SB 53 另写明股权贬值不计入。11
主体门槛也写在原文里。前沿模型指训练算力超过 10^26 次运算。11
大型开发者指连同关联方、上一日历年年收入超过 5 亿美元。11
Anthropic 自己那本框架的口径更低也更宽。10
被覆盖的开发者的条件是：训练算力超过 10^25 次运算，且年 AI 相关收入超过 5 亿美元、或每年 AI 研发支出超过 10 亿美元。10
算力线低一个数量级。收入口径换成 AI 相关收入，还多了一条研发支出的替代路径。10
风险类别也更多。10
框架列了四类：生物武器、攻击性网络行动、失控、以及能加速前三类的自动化研发。10
报道中的草案只写三类：生物武器、绕开控制、网络攻击。其中「绕开控制」大致对应框架的「失控」，草案没有「自动化研发」。3
框架正文把灾难性风险定义成「可预见且实质性」，正文里没有人数与金额。10
脚注说这个定义与加州 SB 53 一致。10
草案据报用的是「迫近」。这比「实质性」更严。3
所以这套设计的结构是：门槛极高、触发条件极窄、判定权被切成三段。10
框架自己把这套切法写成了可选项之一：机构不直接下命令，只能起诉寻求救济。迫近风险可先取临时救济。10
框架同时写明这些选项可以混搭。草案取了最保守的一支。10
| 口径 | 覆盖主体门槛 | 触发阈值 | 因果措辞 | 风险类别 |
|---|---|---|---|---|
| 报道中的草案3 | 未写 | 财产损害超过 10 亿美元，或死亡与重伤合计超过 50 人 | 可预见且迫近 | 三类：生物武器、绕开控制、网络攻击 |
| 加州 SB 5311 | 10^26 次运算 + 5 亿美元年收入 | 财产损害超过 10 亿美元，或死亡与重伤合计超过 50 人，限单次事件 | 可预见且实质性 | 化生放核、无有意义人类监督下的网络攻击或特定犯罪、绕开控制 |
| 纽约 RAISE30 | 按算力与规模分档 | 财产损害 10 亿美元及以上，或死亡与重伤合计 100 人及以上 | 造成或实质促成 | 化生放核、有限人类干预下的特定犯罪 |
| Anthropic 框架10 | 10^25 次运算 + 5 亿美元 AI 收入或 10 亿美元研发支出 | 正文无数字门槛 | 可预见且实质性 | 四类，含自动化研发 |
用户价值
对一个做产品的人，这条更新的用处是让你知道流程里多了一格：自评。10
框架要求覆盖范围内的开发者制定并发布安全框架、至少每半年出一份风险报告。10
还要在能力显著变强或保障显著变弱时发系统卡，并定期聘请外部独立评估者。10
这些动作都发生在公开发布之前，也都不需要任何政府批准。10
真正需要法院的那一步，几乎不会出现在一个 B 端产品的日常发布里。10
对买方的含义是：供应商说「我们符合框架」，问的是文档，不是批文。10
产品经理如何落地
第一步，先判断自己过不过线。 训练算力是否超过 10^25 次运算；年 AI 相关收入是否超过 5 亿美元，或年 AI 研发支出是否超过 10 亿美元。10
被并购或合并报表时要按关联方重算。11 产出一行结论加计算依据，写进模型卡。
第二步，先把「单次事件」的边界定下来。 州法用的是单一事件口径，不是一个季度累计。11
一个租户算一次，还是整条攻击链算一次，要在事故前写清。否则事发当天给不出数字。
第三步，把四类风险做成三值判断。 生物、网络、失控、自动化研发，各自给「有、无、不确定」三档与依据。10
诈骗、虚假信息、一般数据泄露不在这四类里，别指望这套法兜底。10
第四步，把系统卡的触发条件写进发布清单。 触发是「任一风险类别上显著更强」，或「在显著更弱的保障下部署同等能力」。10
换模型换得更快但削弱了过滤，就触发。
第五步，别把合规当免责。 框架原文写明，遵守联邦制度本身不构成免责、安全港或推定无责。10
B 端合同的 SLA 与责任限额，不能假设「拿到合规就没事」。
可验证指标
- 草案触发阈值：可预见且迫近；财产损害超过 10 亿美元或死亡与重伤合计超过 50 人；三类风险之一。3
- 判定路径：评估机构注册在商务部；完成后 72 小时内通报。9
- 停令程序：商务部须向哥伦比亚特区联邦地区法院申请命令；其他部门不得单独中止。912
- 加州 SB 53：死亡与重伤合计超过 50 人、财产损害超过 10 亿美元、单次事件、10^26 次运算、5 亿美元年收入。11
- 纽约 RAISE：死亡与重伤合计 100 人及以上；72 小时内向州检察长披露；民事罚款按训练算力成本计算，上限分 5% 与 15% 两档。30
- 框架门槛：10^25 次运算；5 亿美元 AI 收入或 10 亿美元研发支出；四类风险。10
- 报送时限：框架要求关键安全事件发现后 15 天内报。10
- 罚则：SB 53 每次违规民事罚款不超过 100 万美元。11
风险边界
所有条款细节都是「报道所述」。 草案全文在订阅墙后，打开是登录页。3
举证责任、法院审查标准、从通报到起诉的时限、对已部署模型怎么处理，这四项全部无据可查。12
框架是四类风险，报道是三类。这是草案确实改了，还是报道概括，无法判定。3
「与各州法一致」只在加州成立。 纽约 RAISE 的门槛是死亡与重伤合计 100 人，不是 50 人。30
CSIS 的横向比较写，当前美国各州法案用的都是「50 到 100 人死亡 + 10 亿美元」这类高阈值。31
抢占范围只有一个来源。 「风险披露、独立评估、事件报告」这三项是 interestingengineering 一家的表述。9
POLITICO 只写「部分州 AI 安全法」。3
这三项与 FRONTIER Act 里被覆盖的三块几乎逐一对应。这说明它更像当前国会文本的通用骨架，而不是 Anthropic 独有的设计。32
批评集中在阈值，不在程序。 Mother Jones 的说法是这套门槛等于给伤亡定价：死几个人、损失不到 10 亿美元就不触发。33
要注意它的原话是「无法监管」。门槛限制的是阻止发布与使用的权力，SB 53 的披露与罚款义务与门槛无关。11
Brennan Center 的批评是它绕开了「预见与分配 AI 损害责任」这个老问题。34
也有支持的声音。Institute for Law & AI 的 Charlie Bullock 称这份提案「相当合理」，比其他前沿实验室做得更多，但比 FRONTIER Act 弱。29
白宫走的是另一条路。 2025 年 12 月的行政令要求司法部设 AI 诉讼工作组，专门挑战与联邦政策不一致的州法。35
它是厂商在给自己写规则。 Anthropic 发言人确认草案对应自家框架，并说这些是「国会应当采取」的政策。3
判断这套规则时，要知道作者是谁。
面试可直接说
10 月 16 日 POLITICO 报道，Anthropic 向国会议员推介了一份自己起草的联邦前沿 AI 安全法案草案。它最值得说的不是「要监管」，而是「什么时候不监管」：政府只有在模型构成可预见且迫近的风险、单次造成超过 10 亿美元损失或 50 人以上死亡重伤、而且风险来自生物武器、绕开控制、网络攻击三类之一时，才能阻止发布或使用。程序上，评估由注册在商务部的独立评估机构做，发现达标风险 72 小时内报商务部，商务部不能自己下停令，得向哥伦比亚特区联邦法院申请命令。这套阈值不是新发明，50 人和 10 亿美元逐字来自加州 SB 53，还限定单次事件；纽约 RAISE 的门槛是 100 人，所以「与各州法一致」不准确。对产品团队，我的结论是这套规则落在发布流程的第二步，不是最后一步：要准备的是自评、系统卡、外部评估这套档案，而不是一份批文。边界也很明确：草案全文不公开、没有编号也没有提案人，举证责任和法院审查标准都查不到。
面试官追问
- 你的模型要不要按这套门槛做自评，依据是什么？
- 「单次事件」你会怎么定义，为什么这么定义？
- 如果这套草案通过，你们的合规工作会多出哪几件具体的事？
03 默认值：换模型这件事，用户不会重新选一次
发生了什么
2026 年 10 月 15 日太平洋时间（北京时间 10 月 16 日凌晨），Replit 的 CEO Amjad Masad 站上了 TechCrunch Disrupt 的台。4
主持人先给了一个判断：「我没想到这意味着你们不再和 Anthropic 合作了。」引语据 TechCrunch 发布的录像自动字幕。4
他的回答是一句带两次语气词的确认：「Yeah. Um I mean, yeah.」4
理由是在追问之后才给的。4
他说现在 GPT 更好。公司有一个内部基准叫 vibe bench，公开基准也发。4
他的结论是：「Sol 与 Astra 在从零构建 vibe-coded 应用上持续更好。」4
被问到失去 Replit 是否加剧 Anthropic 的收入放缓，他只回一句「我们曾经是前五大客户」。4 然后现场笑了。
10 月 16 日 21:22 UTC，TechCrunch 首发，标题直接写成「Replit 不再与 Anthropic 合作」。36
10 月 17 日 16:29 UTC，Masad 本人在 X 上澄清。5
原话是：「Replit 保持模型无关……我在 Disrupt 上想说的是，OpenAI 现在是我们的首选伙伴。」5
TechCrunch 随后改标题、加作者、加背景，并写明：OpenAI 是默认，Anthropic 模型仍可选。37
同一篇里还有一句记者的判断：多数客户会沿用默认，而不是自己去选模型。37
产品机制：默认不是某个模型，是一个路由器
Replit 文档里，「默认」这个词指的不是模型。13
Free 模式只能走智能路由，用户不能手动选模型。13
Core 与 Pro 用户在 Power 或 Max 模式里能看到一个「Primary model」，它的默认值是「Auto（Default）」。13
Auto 是什么，官方博客写得清楚：按任务复杂度在质量、速度与成本之间取平衡。15
企业侧把这件事切成两半。14
管理员可以按工作区开关各家模型，但有一条硬约束：OpenAI、Anthropic、Google 三家各自至少要留一个模型可用。14
Auto 能在批准池里自己挑，挑不到被禁用的。14
计费是另一层。38
每次请求记一个 checkpoint。后台调用的第三方 API，按厂商公开价从 Replit 的额度里扣。38
也就是说，路由器把一句话送去每百万输出 token 50 美元的 Astra，还是送去 0.5 美元的 Luna，直接决定这单的毛利。
用户价值
对用 Replit 的人来说，默认值意味着不用比较，也不用承担比较的成本。13
对平台来说，默认值是最强的杠杆。一次调整，就改变了绝大部分请求走哪一家的账单。15
这也解释了为什么「换了默认」比「停止合作」更准确。37
对做产品的人的用处在这里：默认值是产品里最贵的那个决定，而它通常没有对应的确认框。
产品经理如何落地
第一步，把默认当成一次发布来对待。 改默认要不要通知、要不要给回滚、要不要按团队分别设，都是治理问题。39
GitHub 把 Copilot 的默认模型做成了企业管理员可配置项。弃用某款模型时，它会自动启用建议的替代模型。39
第二步，自己留一份能复跑的评测。 「更好」这个词只有在同一套任务集上才有意义。40
Replit 的 ViBench 用的是 20 份来自生产轨迹的需求文档、固定 harness、LLM 评测加人工校准。这套思路可以直接借。40
差别来自输出 token 量：6000 万对 1.9 亿。单价一样，账不一样。41
第四步，把切换成本算进来。 Replit 自己写明，改 effort 与换模型会重建缓存。43
一次切换里，输入 token 从缓存读变成缓存写。这一笔是一次性的。
第五步，别把供应商集中度交给默认值。 企业策略里那条「三家各留一个」就是防这件事的。14
可验证指标
- 事件时间：台上 2026-10-15 太平洋时间。4
- 报道与澄清：TechCrunch 首发 2026-10-16 21:22 UTC；Masad 澄清 2026-10-17 16:29 UTC。536
- 默认形态：Free 强制 Auto；Power 与 Max 的 Primary model 默认 Auto（Default）。13
- 企业约束：OpenAI、Anthropic、Google 各至少留一个模型可用。14
- 公开榜：ViBench 最后更新 2026 年 5 月，榜首 Claude Opus 4.8 为 87.8%，第二 GPT-5.5 为 86.5%。16
- 榜单缺口：没有 Sol、Astra、Fable 5.1、Opus 5.5。16
- 单价：Astra 与 Fable 5.1 都是每百万 token 输入 10 美元、输出 50 美元。4445
- 缓存读价：Astra 1 美元，Fable 5.1 0.25 美元。4445
- 每任务成本：同一智能指数 53 分下，Astra 3.26 美元、Fable 5.1 7.63 美元。4142
风险边界
「更好」在公开侧无法验证。 ViBench 的公开榜停在 2026 年 5 月，Sol、Astra、Fable 5.1、Opus 5.5 一个都不在榜上。16
台上说的内部基准与公开的 ViBench 同名同源。但内部跑分的题版、分数、执行日期都没公开。17
基准的钱从一边来。 ViBench 由 Replit 与 Georgian 联合署名。17
Georgian 是 Replit C 轮与 D 轮的投资方，并写明 Replit 每周跑约 10 次、把它当生产门禁。17
这不改变它的方法说明。但它不是独立第三方评测。40
引用第三方指数必须带版本。OpenAI 页面引的旧版指数里，Fable 5.1 是 65.7、Astra 是 61.2，方向与现版相反。41
「不再合作」这句站不住。 Anthropic 没有任何公开回应，TechCrunch 手里只有匿名信源的否认，双方都没有书面声明。37
Anthropic 那边的数字是知情人士口径。 据报道，三季度收入 168 亿美元，二季度 116 亿美元，环比约 45%。46
多家标题把这个 45% 写成了同比。公司没有公开审计财报，毛利率也没有具体数值。46
截图比正文旧。 模型选择器的正文表格列的是 GPT-6 世代，截图还停在 GPT-5.6。13 别把截图当当前清单用。
面试可直接说
10 月 15 日 Replit 的 CEO 在 TechCrunch Disrupt 台上被问是否不再和 Anthropic 合作，他答了一句「Yeah. Um I mean, yeah.」，理由是 GPT 更好、成本更低、伙伴关系更强。两天后他澄清说 OpenAI 是首选伙伴，Anthropic 的模型仍在可选清单里。真正值得说的是「默认」这件事：Replit 文档里的默认不是某个模型，是一个叫 Auto 的路由器，Free 模式强制走它，Power 和 Max 的 Primary model 默认也是 Auto，候选池和权重一概不公布。TechCrunch 自己也写，多数客户会沿用默认而不去选模型，所以换默认等于替很大一部分客户做了决定。我关心两件事：一是「更好」目前无法验证，他们那个公开基准 ViBench 停在 5 月，榜上根本没有 Sol 和 Astra，而 ViBench 是 Replit 和它的投资方联合做的；二是成本不能只看单价，Astra 和 Fable 5.1 单价完全一样，都是每百万输入 10 美元、输出 50 美元，但同一智能指数下每任务成本是 3.26 对 7.63，差在输出 token 量。产品上的做法是自己留一份能复跑的评测基线，再把默认值当治理项来管。
面试官追问
- 你要改产品的默认模型，会先准备好哪几样东西再动手？
- 平台自己的基准和第三方基准对不上时，你怎么做决定？
- 默认值改完之后，你怎么知道用户是接受了，还是根本没发现？
把三条串起来：三处没有点击的同意
第一条讲的是用户那一处。2
第二条讲的是监管者那一处。3
第三条讲的是客户那一处。13
引用这三条时，证据可以按三层分开。
可以直接引用的是结构与制度类事实。2
需要带上「厂商自报」标签的是效果与成本类数字。16
需要按单一来源转述的是只有一方说过的话。9
三件事都还没有走完。2
References
- 1
- 2Browser extension，OpenAI 文档
learn.chatgpt.com
- 3
- 4
- 5@amasad 的澄清帖，X
x.com
- 6Configuration reference，OpenAI 文档
learn.chatgpt.com
- 7
- 8ChatGPT，Chrome Web Store
chromewebstore.google.com
- 9Anthropic's confidential bill limits federal power to halt models，Interesting Engineering
interestingengineering.com
- 10Anthropic's Advanced AI Framework（PDF），Anthropic
www-cdn.anthropic.com
- 11SB-53 Artificial intelligence models: large developers（2025–2026），California Legislative Information
leginfo.legislature.ca.gov
- 12
- 13Model selector，Replit Docs
docs.replit.com
- 14Agent modes and models（Enterprise），Replit Docs
docs.replit.com
- 15
- 16ViBench Results，ViBench
vibench.ai
- 17
- 18@ChatGPT 的侧栏帖，X
x.com
- 19What's new，OpenAI 文档
learn.chatgpt.com
- 20ChatGPT release notes，OpenAI 帮助中心
help.openai.com
- 21ChatGPT Atlas retirement，OpenAI 帮助中心
help.openai.com
- 22Managed configuration，OpenAI 文档
learn.chatgpt.com
- 23@ChatGPT 的示例查询帖，X
x.com
- 24Computer Use，OpenAI 文档
learn.chatgpt.com
- 25
- 26
- 27
- 28ChatGPT Work and Codex，OpenAI 帮助中心
help.openai.com
- 29
- 30
- 31
- 32FRONTIER Act 法案文本（PDF），U.S. House of Representatives
obernolte.house.gov
- 33
- 34
- 35
- 36
- 37
- 38Replit AI Billing，Replit Docs
docs.replit.com
- 39
- 40
- 41GPT-6 Astra (Max) — Intelligence, Performance & Price Analysis，Artificial Analysis
artificialanalysis.ai
- 42
- 43
- 44Pricing，OpenAI API 文档
developers.openai.com
- 45Pricing，Claude Platform Docs
platform.claude.com
- 46
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.