开启时会模糊预览图，关闭后正常显示
韦青的七字诀太棒了，是一套完整的决策框架。 七字：想、能、应、可、已、正、将。 想：我想不想做？这是初心，是所有行动的起点。 能：我能不能做？这是能力和资源的评估。 应：我应不应该做？这是伦理和道德的约束。 可：我可不可以做？这是法律和制度的许可。 已：已经发生了什么？这是历史包袱和技术债。 正：正在做什么？这是当前的状态。 将：将要做什么？这是未来的决策。
喜欢摇滚乐、爱钓鱼的PM 网站：https://t.co/vnUpLt752o
- Zug, Switzerland 🇨🇭 - Kuala Lumpur, Malaysia 🇲🇾 - Agadir, Morocco 🇲🇦 - Miami, USA 🇺🇸 - Dubai, UAE 🇦🇪 Would be happy if these (+1 nature spot nearby) are the only destinations I can travel to for the rest of my life.
🌏 RCBI advisor & offshore services for HNWI, business owners with a focus on:🇨🇭🇲🇾🇰🇳🇵🇾🇻🇺🇳🇷🇵🇦🇱🇻🇦🇪🇭🇰 | Geopolitics | Healthy lifestyle
Hear me out: A question is its answer with noise, a reasoning model is a denoising autoencoder, the reasoning is the embedding Z of the question so that a dumb causal decoder can generate the answer.
Research Scientist @meta (FAIR), Prof. @Unige_en, co-founder @nc_shape. I like reality.
it's so interesting - traveling is amazing for new ideas but not at all for writing - at least for me. i haven't written a single word since i started traveling again. which sucks. but i'll be back to my base in january and will write the remaining 5 books back to back! thank you so much for your patience everyone ❤️
Unemployed. Made my first $1M by helping agencies grow with https://t.co/NRrprPVGSl. Failed with 19 products, got lucky with 1. Taking a break and writing all about it.
例如： Claude 4 Sonnet、Gemini 2.5 Pro 的首发用户，5个月后仍有40%留存； GPT-4o Mini 的“早期使用群体”成为固定基础； DeepSeek 出现“回流效应”：用户尝试其他模型后又回到它。
OpenAI可能很早就发现了这种现象 所以他们一直在调教GPT的性格和增强记忆能力，让GPT跟用户进行深度情感绑定！ 反观其他模型我们可能感受不到它的个性！
这一年有很多模型的能力和功能早就在 Deepseek 之上 而Deepseek的流量依然 排在全球前3，国内第一 这有点反常识 直到我昨天看到这个报告，才找到了原因... 一个有趣的心理模型： Cinderella Glass Slipper Effect（灰姑娘玻璃鞋效应） 用户留存不再依模型的通用性能，而是呈现“首个解决问题者通吃”的现象。 当一个新模型首次完美解决了用户的某个高价值痛点（试穿成功“水晶鞋”），该用户群体便会形成极高的粘性。 在《灰姑娘》故事里，王子在舞会上邂逅灰姑娘，她留下了一只玻璃鞋。 王子带着这只鞋走遍全国，只为找到那个脚正好契合的女孩。 这个比喻在心理学和商业研究中后来被引申为： “当一个对象与用户的独特需求高度契合时，这种匹配会产生强烈的依附与排他性。” 这种锁定机制（Lock-in Mechanism）一旦工作流与特定型的模型特性（如延迟、推理风格、工具格式）深度绑定，切换成本会变得极高。 这是一种**“用户与模型之间的情感锁定效应”**。 OpenRouter 在分析上亿次真实调用后，发现： • 最早接触并与某模型“契合”（试穿）的用户，会形成长期依赖； • 后续出现的新模型即使性能更强，也不一定能取代这种契合，让他们迁移。 • 这些长期用户群被称为“基础留存群（foundational cohorts）”。 • 用户迁移率和性能提升之间并非线性关系。 也就是说： 模型性能 ≠ 用户忠诚。 一旦形成“体验契合”，用户就会像灰姑娘的鞋子那样——只认这一双。 它揭示了什么？ 1️⃣ 用户行为层面：AI 使用的“人格依附” AI 模型不仅是工具，它们有不同的语气、反应方式、表达逻辑。 久而久之，用户会对某个模型形成一种熟悉感与信任感。 这种“人格稳定性”让用户更愿意留在原有模型上。 这就像人际关系一样： 你可能更喜欢某个朋友的说话方式，即使另一个人更聪明、更高效，你也未必想换。 2️⃣ 技术层面：体验匹配的重要性 “玻璃鞋效应”提醒我们： 模型的真正竞争力，不仅在性能，而在“体验匹配度（Experience Fit）”。 一个模型是否“懂我”——往往比它“更强大”更重要。 这对未来AI设计有重要启示： 不同模型应形成风格化、人格化差异； 平台需要支持用户与模型的长期关系维护（如上下文记忆、长期偏好）； 微调（Fine-tuning） 和 人格对齐（Alignment） 将成为用户留存的关键。 3️⃣ 商业层面：忠诚度与生态锁定 在平台经济中，这个效应意味着： 谁能先找到并满足某类用户的“契合点”，谁就能建立稳定生态； 模型间的竞争，正在从“算力和价格”转向“心理契合与使用习惯”。 这与人类心理完全一致： 人不一定选择最好的产品，而是选择最适合的那个。 这正是 AI 时代的“情感黏性经济”。
例如： Claude 4 Sonnet、Gemini 2.5 Pro 的首发用户，5个月后仍有40%留存； GPT-4o Mini 的“早期使用群体”成为固定基础； DeepSeek 出现“回流效应”：用户尝试其他模型后又回到它。