下午测试的AI与晚上测试的AI可能不同，即使名称相同

我在同一天向Claude Opus 5提出了相同的40个问题两次，间隔几小时。第二次，它查找资料的频率增加了约60%，写作量增加了约50%，一个衡量其使用来源支持主张的分数从59升至90。每个回答中模型名称相同。问题相同。其他两个模型几乎没有变化。而且期间推出了新版本Opus 5.5。最可能的解释不是模型替换，而是模型周围的设置，比如它被告知思考的难度，这些工具可以在后台悄悄调整。我从中得到的启示是：如果你比较AI工具，记录下每一个设置，包括你从未调整过的那些。否则，你可能是在测量设置，而不是AI。好奇其他人是否见过相同工具在一夜之间表现不同。