2. Claude 性能回退与 Meta 员工监控，说明 AI 产品竞争已经撞上“可信度”这道墙

Anthropic 承认 Claude 经过优化后性能下降，原因包括推理强度降低、缓存漏洞以及对提示语冗长的控制策略。另一边，Meta 被曝向美国员工部署 MCI 追踪软件，记录键盘鼠标和屏幕截图，用于训练办公 AI。

这两件事表面上一个是产品事故，一个是组织治理争议，底层却是同一个问题：当 AI 真正进入高频工作流后，用户和员工最先在意的不是愿景，而是你到底靠不靠谱。Claude 的问题在于，用户购买的是稳定输出，但模型提供方却可能为了成本、速度或产品形态，在背后调整推理强度，结果直接让体验回退。只要这种不确定性存在，企业就很难把它视为关键工作组件。

Meta 的做法则把另一个边界暴露得更彻底：办公 AI 想变强，最有价值的数据恰恰来自真实工作行为。但一旦训练数据的来源是员工的键盘、鼠标和屏幕，模型进步就不再只是技术问题，而变成劳动关系、隐私边界和组织信任问题。换句话说，AI 办公助手未来能走多远，不只取决于模型会不会做 PPT、总结会议纪要，还取决于公司有没有能力解释“这些能力是拿什么换来的”。