Databricks 如何在首日向 14,000 名员工推出前沿模型
内容提要
Databricks 通过 Unity Gateway 和 CLI，让超万名员工在新模型（如 Opus 5.5、GPT-6 Sol）发布首日即可试用，并标记为实验性。三天内依据基准测试、用户反馈和成本追踪确认性价比，随后转为正式模型。Opus 5.5 每会话成本降低 29%，将设为 Claude Code 默认；GPT-6 Sol 成本降低 48%，将纳入智能路由。
延伸解读
实验性标签与快速评估机制
Databricks 将新模型标记为“实验性”，让员工在首日即可试用，同时明确其可能非最佳或不会长期保留。通过 Unity Gateway 和 CLI，公司能集中推送配置并收集使用数据。三天内，结合基准测试、用户反馈和成本追踪，团队确认模型是否处于效率前沿，从而决定是否移除实验标签。这种机制平衡了快速访问与风险控制，使评估周期大幅缩短。
成本追踪中的偏差校正方法
早期采用者多为重度用户，且会尝试更难的任务，直接比较每会话成本会产生误导。Databricks 保持同一用户群，并将会话按单轮/多轮、是否编辑文件分层，再重新加权分布。这样得出的成本变化更真实：Opus 5.5 每会话成本降低 29%，GPT-6 Sol 降低 48%。该方法为评估新模型的实际开销提供了可靠参考。
从实验到默认：模型部署决策
基于评估结果，Opus 5.5 因质量提升且成本更低，将被设为 Claude Code 的默认模型；GPT-6 Sol 虽成本优势明显，但质量偶尔不及 GPT-5.6 Sol，因此不会取代 Codex 默认，而是纳入智能路由工具包。这体现了按场景差异化部署的策略：默认模型追求综合最优，路由则利用成本优势处理合适任务。
Q&A
Databricks 是如何让超过一万名员工在模型发布首日就能试用新模型的？
Databricks 通过 Unity Gateway 和 Unity Gateway CLI（UG CLI）实现。Unity Gateway 作为中心枢纽，用于 AI 治理、成本管理和可观测性，员工可通过它访问新模型。UG CLI 已通过移动设备管理部署在员工笔记本电脑上，当员工启动 Claude Code、Codex 或 Omnigent 时，UG CLI 会检查新模型、工具和技能，并更新本地 harness 的配置。
Databricks 如何评估新模型是否值得长期使用？
Databricks 依赖三个信号：基准测试（如 OfficeQA Pro V2）、用户反馈和成本追踪。通过比较早期采用者与同一群体一周前的使用情况，并将成本归一化为每会话成本，同时根据会话类型（单轮/多轮、是否编辑文件）进行分层和重新加权，以确定模型是否处于效率前沿。
Opus 5.5 和 GPT-6 Sol 在成本上相比旧模型降低了多少？
根据 Databricks 的成本追踪，Opus 5.5 相比 Opus 4.8 每会话成本从 $5.94 降至 $4.23，降低了 29%；GPT-6 Sol 相比 GPT-5.6 Sol 每会话成本从 $4.52 降至 $2.34，降低了 48%。
Databricks 在模型发布后多久决定将其转为正式模型？依据是什么？
Databricks 在模型发布后三天内收集足够数据，确认模型处于效率前沿后，便将其从实验性预算移出，转为正式可用模型。依据包括基准测试、用户反馈和成本追踪三个信号的一致性。
Opus 5.5 和 GPT-6 Sol 在 Databricks 内部将如何被进一步采用？
Opus 5.5 将被设为 Claude Code 的默认模型，因其质量更高且成本更低。GPT-6 Sol 不会取代 GPT-5.6 Sol 成为 Codex 的默认模型，但会被纳入智能路由的工具包中，以利用其成本优势。
Databricks 如何管理员工使用新模型的预算？
Databricks 为每位用户定义了四个主要预算，并将新模型（如 Opus 5.5 和 GPT-6 Sol）在发布首日标记为实验性预算，供员工试用。通过 Unity Gateway 集中管理预算，并收集使用数据以评估模型表现。
