语音AI的“人味”取决于响应时机而非模型大小，小模型实时处理反而更像真人。“电话兜住率”具误导性，应关注解决率。听起来像人却会编造答案的AI，比机械但基于真实数据的AI更糟。语音智能在于不存储什么，专注小模型可胜过大模型。理想部署应识别能力边界并适时转人工。语音不会取代其他界面，而是增强。简单拼接API算不上语音智能体，规模化需芯片级优化。

JetBrains研究团队提出一种超越“解决率”的编码智能体评估方法，从结果、效率、补丁质量和过程四个维度分析模型轨迹。对比Claude Opus 4.7和Gemini 3.5 Flash发现，两者解决率相近但行为差异显著：Opus诊断强但验证不足，Gemini验证好但易冗余和幻觉。该框架旨在构建模型画像，优化模型选择与智能体设计。

Intercom发布的Fin Apex公告显示其新AI客服模型解决率提升至75%，成本降低。公司强调未来竞争将依赖于专有数据和持续优化的技术，而成功的供应商需具备强大的内部AI能力以实现高效客户服务。