一次没开发布会的换代
过去两周，三家头部模型公司先后把下一代模型接进了生产环境，没有一家为此召开发布会。Anthropic 把两个尚未命名的模型接进生产接口；谷歌给下一代旗舰沿用旧版本号投放到第三方盲测平台；OpenAI 在 Astra 之后没有公开发声。多数用户并没有意识到，自己已经在为尚未发布的模型提供测试样本。
一次被开发者抓到的灰度切断
9 月 17 日晚，Anthropic 切断了灰度通道，一批原本被路由到新模型的账号归零，在开发者社区引发集中讨论。一天后通道恢复，覆盖范围从 Claude Code 扩大到 Chat 与 Cowork。有开发者把这段经历称为「午夜惊魂」。
再往前三天，有开发者发现 Claude Code 界面调用的模型标注为 Opus 5，返回结果却来自另一个模型。对接口请求的抓取显示，后端模型标识已指向 5.2。Opus 5 发布于 7 月 24 日，其间没有 5.1，版本号直接跳到 5.2。此后 Fable 5.2 灰测的消息一并传出，一部分原本调用 Fable 5.1 的请求被后台路由到新的检查点。没有模型卡，没有 API 标识，也没有定价表。
谷歌那一路更直白。第三方盲测平台 Arena 上出现了一个代号 gemini-3.8-flash 的模型，抽到的用户很快注意到异常：它绘制的鹈鹕带有完整蹬踏动作，生成一张 PS5 矢量图需要十分钟、输出数千行代码，搭建的体素宝塔可以在浏览器里实时旋转。3.8 Flash 是早已上线的轻量模型，不具备这样的能力，社区随后判断这是下一代旗舰 Gemini 4 Pro，内部代号 Argon。被发现后，该名称又被改为 gemini-3.7-flash。
厂商为什么愿意这么干
收益相当直接：模型在尚未正式命名的阶段就能拿到真实负载下的表现数据，一旦出现问题可以随时回退，不必承担一次公开发布失败的风险。灰度路由的算力投入也远低于全量发布——新模型混进旧模型的流量，被路由的请求比例由厂商控制，可以在观察真实表现的同时逐步提高占比。
成本参照可以看同期的一次正式发布：GPT-6 Astra 动用得州 Stargate 基地超过 10 万张 GPU 完成训练，API 定价为每百万输入 10 美元、每百万输出 50 美元，是上一代 Sol 的 2.5 倍。灰度路由不需要这种级别的资源准备，这也是它更划算的地方。
体验改善了，但归因不到厂商头上
用户调用的是旧名字，拿到的却是新一代检查点，体验改善明显却很难归因。等到开发者社区开始流传某款工具「最近变强了」，传播已经完成，而官方未作任何说明。三家的口径也不一样：Anthropic 采用后端路由、前端仍显示旧名称；谷歌直接在第三方盲测平台沿用旧版本号；OpenAI 选择在 Astra 之后不公开发声。
这段时间的公开议题其实很微妙：就在 Opus 5.2 被发现的两天前，Anthropic 的 CEO 刚发表长文，主张全行业主动放慢前沿模型的迭代速度，理由是模型能力增长过快、安全与对齐工作难以跟上；文章发出后，费城半导体指数在随后一个交易日下挫 5.86%，英伟达下跌 3.36%。一边公开呼吁减速，一边把未发布的模型投进真实流量，这两件事放在一起看才完整。
模型在正式命名之前，先在真实流量里跑完一轮灰度——发布这件事本身正在被拆散。
对使用方的三条实操
- 别只按模型名做评测基线：把「同一名字下的行为变化」纳入回归测试，工具提供商更换检查点是静默发生的；
- 价格与条款按最新检查点重新核对：灰度阶段没有模型卡、没有 API 标识、也没有定价表，采购谈判时拿不到可承诺的口径；
- 给自己留一条退出路径：既然厂商能随时回切检查点，你的评测与门禁就要能独立复现，而不是依赖对方某一时刻的表现。
需要说明的是，本轮对模型身份的判断来自开发者对接口与盲测平台的观察，三家厂商都没有发布说明；把它当成版本号的前置信号可以，当成定论不行。