争议随后蔓延至OpenAI开发者社区。用户反馈称，部分API或Codex请求在日志中显示，请求模型与实际路由模型不一致。例如，有用户声称请求GPT-5.3-codex，最终却被路由至GPT-5.2。类似反馈加剧了外界对OpenAI是否存在“静默降级”机制的质疑。

OpenAI方面5月17日在状态页中承认GPT-5.5存在性能下降问题，并表示相关服务已经恢复。但官方说明主要针对“性能退化”作技术性处理，并未充分回应用户关切的核心问题，即高阶模型是否会因负载、成本、算力调度或使用额度限制而被自动切换至低阶模型。（来源：新智元）

评论：GPT-5.5降智争议并不是孤立事件。此前Claude也曾因长时间对话后能力明显下降、默认参数或模型表现被用户质疑而引发讨论；国内大模型厂商同样出现过单方调整套餐权益、修改调用上限或提高API价格的情况。表面上看，这些都是平台基于算力成本和商业化压力作出的产品策略调整。但从法律上看，其共同问题在于：如何有效界定用户所获得的服务权益？

在免费试用阶段，平台通常可以通过用户协议保留较大的调整空间。但一旦进入付费订阅、企业采购场景，平台与用户之间已经形成有偿服务合同。平台如果将高阶模型较高调用额度或低单价作为销售卖点，就不能在用户不知情的情况下，通过降级调用、变更计费规则等方式实质降低服务内容。否则，轻则构成服务质量瑕疵，重则可能被评价为违约、虚假宣传或对消费者不公平的格式条款变更，这对平台商业化来说，将构成非常显著的法律风险。

更现实的问题是，大模型服务的履约标准远比传统云服务复杂。传统SLA可以用可用率、延迟、故障时间衡量，但模型能力、推理深度和回答质量本身难以量化，用户也很难证明自己实际拿到的不是宣传中的模型能力。但正因如此，类似的争议可能越来越多。

法律并不要求平台在任何情况下保证模型能力恒定。大模型服务本质上依赖高成本算力和复杂调度，允许一定程度的弹性管理具有商业合理性。但商业合理性不能取代契约严守的基本规则。平台可以降级，但不能静默降级；可以调整权益，但不能让用户在不知情状态下继续按照高阶模型预期付费和使用；可以设置速率限制，但应以清楚、具体的展示限制规则和触发后果。大模型厂商不能再把模型切换、算力调度和套餐权益调整视为纯内部技术事项，模型能力已经成为服务合同的核心标的之一，必须保证面向用户的透明度和稳定性。毕竟用户不是傻子，既可以随时用脚投票，也可以随时向法院递交一纸诉状。

2、SaaS-Bench发布新基准，全自动办公仍面临现实瓶颈

近日，面向Computer-Use Agents的新基准测试SaaS-Bench引发业内关注。该基准试图回答一个更贴近企业场景的问题：AI Agent是否已经能够像人类员工一样，在真实SaaS系统中完成跨应用、长流程、可验证的专业办公任务。

公开资料显示，SaaS-Bench由UniPat AI发布，测试环境覆盖23个真实可部署SaaS系统，包含106个任务、3971个验证检查点，涉及商业运营与财务、软件工程、医疗行政、团队协作、农食供应链和独立媒体创作等6个专业领域。与传统网页导航或单步GUI操作测试不同，SaaS-Bench更强调真实工作流中的持续状态、跨系统协同、领域约束和最终交付物验证。

榜单结果显示，目前表现最好的Claude Opus 4.7虽取得43.9%的检查点分数，但端到端完全通过率仅为3.8%。这意味着，在106个任务中，该模型只完整完成了极少数任务。GPT-5.5 High的端到端通过率为1.9%，检查点分数为43.8%。部分模型在完整任务通过率上甚至为零。

这一结果显示，当前Agent并非完全不能工作，而是更擅长推进局部环节，却难以稳定完成完整长程任务。（来源：机器之心）

评论：这是一个坏消息也是一个好消息，坏消息是这种结果会对Agent企业的宏大商业化叙事有直接冲击，好消息则是短时间内我们的工作被AI完全取代的可能性还没那么高。Agent并非不会做事，而是很难把一件复杂事情从头到尾做对。毕竟企业办公并不是单纯的网页点击或文档生成，而是夹杂着权限控制、内部协同的连续决策过程。Agent在某个步骤上做对，并不意味着其有能力承担完整流程中的法律后果。一旦其在付款、发票、沟通、履行环节出现错误，企业很难以“AI自动执行”为由对外免责，最终责任仍会回到部署和使用该系统的主体身上。

这个新闻打破了某些企业全自动生产的幻想，但也给企业做出了重要提示：Agent引入不是一上来追求自动办公，而是围绕可控制局部流程逐步迭代。凡涉及资金、合同、个人信息、生产系统权限等高风险节点，必须保留人工确认、权限最小化、熔断机制等基本控制措施。Agent可以成为员工的放大器，但现阶段还不能被当作一个不需要监督的员工。

3、微软也用不起Claude Code了

近日，微软内部传出一个消息，从6月30日起，数千名负责Windows、Microsoft 365、Teams、Outlook和Surface相关工作的工程师，将不再被允许使用Claude Code。微软自己引导他们转向自家的GitHub Copilot CLI。

微软没有公开具体在Claude Code上花费的具体数字，但知情人士透露此次叫停Claude Code的确是因为成本太高了，高到连微软都觉得“肉疼”。

Uber不久前也做出了和微软一样的选择。据爆料，Claude Code每个月为每位Uber工程师花掉的AI工具费用大概在500～2000美元。这是什么概念？一个百人技术团队，光这一项AI工具，一年下来就是几百万美元。Uber 2026年的AI预算，在4月份就被“烧”完了。（来源：InfoQ）

评论：微软叫停Claude Code，实质上反映出企业AI采购正在进入精算阶段，更注重基于AI的投入及产出结果。在大模型工具早期应用阶段，企业往往更关注“有没有用”“能不能提升效率”，对单个员工、单个团队的实际使用成本缺乏精细核算。但当AI编程工具从试点走向规模化部署后，问题就不再是某个工具是否好用，而是其成本结构是否可控制。按量计费、Token消耗、上下文长度、后台调用次数等技术参数，最终都会转化为企业财务成本。AI工具越深入研发流程，其采购就越接近云服务、SaaS和基础设施采购，而不能继续粗放管理。但短期内这对员工至少是个好消息，在越来越贵的算力成本面前，坚守古法工作的员工可能更加珍贵。

4、Google的AI搜索容易被人为操纵

Google的AI搜索非常容易被人为操纵。因为以前的搜索结果是第一页给你10个链接然后让用户判断，现在的AI搜索是给你一个答案，而答案的来源可能只有一个。BBC科技记者通过个人网站上一篇热狗文章演示了这一操纵。专家表示此类操纵正大规模系统性地发生。操纵AI搜索向用户提供偏见或不准确信息可能会带来严重后果。这并非一个无关紧要的问题。在全球范围内，逾10亿人日常使用AI聊天机器人，每月有25亿人浏览Google的AI overviews。如果你能操控此类工具就能获得巨大的权力。Google等公司也注意到了该问题，Google上周更新了其政策，将试图操纵AI回复的行为视为违反公司规定。Google威胁将对涉嫌操纵行为的公司或网站从搜索结果中移除或降低排名。（来源：Solidot）

评论：这个新闻暴露出AI搜索比传统搜索更危险的结构性问题。传统搜索引擎是根据用户搜索的相关性和权威性展示多个链接。即便搜索排序受到SEO 操纵，用户仍然可以通过标题、来源、摘要和多个结果之间的比较，自行判断信息可信度。但AI搜索将多个网页压缩成一个看似确定的答案，并以摘要化的方式呈现给用户。这种产品形态显著降低了用户的核验动机，也放大了来源被污染后的误导后果。换言之，AI搜索不再只是把信息找出来，而是在事实上替用户完成初步判断。

这类行为本质上是GEO灰产的升级版。服务商通过批量发稿、伪造权威页面、投喂特定语料或操纵模型检索来源，让商业广告、虚假内容进入AI回答。若其服务对象是企业，则可能构成虚假宣传和不正当竞争；若涉及医疗、金融、法律、公共安全等领域，还可能进一步引发消费者权益保护、广告合规乃至行政处罚问题。技术形式变了，但其法律实质仍然是通过信息污染来劫持用户判断。

相较于操纵AI搜索结果可能获得的巨大商业利益，Google仅仅降低排名或移除搜索结果显然过轻。AI搜索平台应当建立更强的源可信度评估、异常内容识别、广告利益披露和纠错机制，并对灰产采取域名、账户和商业合作层面的综合封禁，甚至应考虑以不正当竞争提起诉讼。AI搜索不是新的法外之地，越是能影响用户判断的内容，越需要更严格的真实性约束。