Databricks 如何让 1.4 万名员工在模型发布首日用上新模型

一句话看懂：Databricks 公开了它如何在 Opus 5.5、GPT-6 Sol 等新模型发布当天，就让超过 1.4 万名员工用上这些模型，并在 3 天内判断出哪些值得长期纳入基础设施。

事件核心：发生了什么

Databricks 在一篇博客中披露了内部“Day 1 上新模型”的流程。核心工具是自研的 Unity Gateway，它统一管理闭源与开源模型的接入、成本、可观测性和治理。9 月 21 日那一周，Opus 5.5、GPT-6 Sol、GPT-Luna 接连发布，Databricks 当天即向全员开放，并给新模型打上“实验性”标签，配合独立的实验预算。员工本地运行的 Claude Code、Codex、Omnigent 等工具通过 Unity Gateway CLI 自动拉取最新模型配置，无需手动改设置。到第 3 天，公司已收集到足够数据，确认这些模型处于效率前沿，随后将其并入更广泛的基础设施。

为什么重要

模型迭代速度越来越快，企业真正的难题不是“能不能调用某个 API”，而是如何在上万人规模下快速、可控地完成评估、分发和成本核算。Databricks 的做法把“试用”和“转正”拆成两个阶段：先用实验标签和独立预算放量，再用基准测试、用户反馈、成本追踪三路信号做决策。尤其值得注意的是成本追踪方式——单纯比较 $/session 会因为用户尝试更难的任务而失真，他们把 session 按单轮/多轮、是否编辑文件分层后重新加权。这套方法论对任何想规模化引入大模型的公司都有参考价值，也说明模型竞争正从“跑分”转向“单位成本下的真实工作产出”。

对用户/开发者/创作者的影响

对开发者而言，模型切换正变得像更新一个 CLI 配置一样轻量，本地编码助手可以自动跟随企业策略更新。对企业和团队采购来说，Databricks 展示了“先全员试用、再决定是否长期采用”的可行路径，避免一次性押注单一模型。对创作者和普通用户，短期内最直接的影响是：新模型上线后可用性会更快，但“实验性”标签也会更常见——你看到的不一定是最终留下来的那个。