Cursor、Lovable、Bolt 这些增长最快的公司都提到，到 Claude 3.5 Sonnet 出来，他们的产品才终于做成。它们在这之前就一直在试，在模型能力的边上把模型用到崩，觉得模型"差一点就够了"。正因为一直拿真正难的问题反复去问模型，新模型一来就能马上感觉到差别。用得好的公司，就是愿意在能力边缘做东西、被下一个模型惊喜的公司。

这次推新模型，Anthropic 的提前试用范围比以往宽得多。原因是公开的测试分数可以一直往上刷，但真正要服务的是客户自己的用法，比如 Cursor 在自家实际使用里测出来的好坏，这种"测试"只存在于客户手里，他们比谁都清楚。所以做得好的公司都有一套能重复的办法，衡量产品对用户用得怎么样，换上新模型是变好还是变差：可以是对比实验、内部评测、拿新模型重跑以前的使用记录，也有凭感觉的部分。