Databricks如何在首日向1.2万名员工推出前沿模型
内容提要
Databricks借助Unity Gateway和CLI，让1.2万名员工在新模型发布首日即可试用。通过实验标签、预算控制和成本追踪，团队在三天内评估了Opus 5.5与GPT-6 Sol的效率前沿。结果显示，Opus 5.5质量更高、成本降低29%，将设为Claude Code默认模型；GPT-6 Sol成本降低48%，将纳入智能路由。
延伸解读
实验标签与预算控制：快速试用的安全网
Databricks通过Unity Gateway为Opus 5.5和GPT-6 Sol打上实验标签，并纳入实验预算，让员工在首日即可试用，同时明确这些模型可能不会长期保留。这种机制既满足了员工对新模型的好奇心，又通过预算隔离控制了成本风险。对于企业而言，在引入前沿模型时，设置实验性预算和标签是平衡创新与管控的有效手段。
成本评估的陷阱：为何要分层比较
文章指出，直接比较每会话成本会因用户行为变化而失真：早期采用者可能尝试更难的任务，导致会话分布改变。Databricks将会话按单轮/多轮和是否编辑文件分层，并重新加权，才得出Opus 5.5成本降低29%、GPT-6 Sol降低48%的结论。这提醒我们，评估新模型成本时需控制任务难度和用户行为差异，否则可能误判。
从实验到默认：模型采纳的决策依据
Databricks依据基准测试、用户反馈和成本追踪三个信号，在三天内确认Opus 5.5和GPT-6 Sol处于效率前沿。随后，Opus 5.5因质量更高、成本更低被设为Claude Code默认模型；GPT-6 Sol虽不取代GPT-5.6 Sol成为Codex默认，但因其成本优势被纳入智能路由。这表明，模型是否成为默认取决于综合表现，而非单一指标。
Q&A
Databricks 如何让超过1.2万名员工在模型发布首日就能使用新模型？
Databricks 通过 Unity Gateway 集中启用新模型，并利用已部署在员工笔记本上的 Unity Gateway CLI（UG CLI）自动更新本地工具（如 Claude Code、Codex、Omnigent）的配置，从而让员工在模型发布首日即可访问。
Databricks 如何评估新模型是否达到效率前沿？
Databricks 依赖三个信号：基准测试（如 OfficeQA Pro V2）、用户反馈以及成本追踪。通过对比早期采用者使用新旧模型的成本（按会话类型分层并重新加权），结合质量评价，判断模型是否在成本/质量前沿。
Opus 5.5 和 GPT-6 Sol 在成本上相比前代模型有何变化？
根据 Databricks 的成本追踪，Opus 5.5 相比 Opus 4.8 平均每会话成本降低 29%（从 $5.94 降至 $4.23）；GPT-6 Sol 相比 GPT-5.6 Sol 降低 48%（从 $4.52 降至 $2.34）。
Databricks 对 Opus 5.5 和 GPT-6 Sol 的后续采用决策是什么？
Opus 5.5 因质量更高且成本更低，将被设为 Claude Code 的默认模型；GPT-6 Sol 不会取代 GPT-5.6 Sol 作为 Codex 默认模型，但会因其成本优势被纳入智能路由的工具集。
Unity Gateway 在 Databricks 的模型管理中扮演什么角色？
Unity Gateway 是 Databricks 内部 AI 治理、成本管理和可观测性的中心枢纽。它用于集中启用新模型、设置实验标签、管理预算、准备智能路由以及收集评估追踪数据。
Databricks 如何控制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 Sol 6）标记为实验预算。员工在实验预算下使用新模型，公司通过成本追踪评估是否将其转入标准预算。
