The User Side of AI Model Lifecycles: Evidence from the Keep4o Movement

人工智能模型的生命周期通常被理解为一系列技术性与组织性的流程。然而，一旦模型进入长期使用阶段，后续的更新与调整同样可能影响用户既有的使用习惯及其所获得的价值。本研究以围绕GPT-4o兴起的“Keep4o”运动为案例，从用户视角出发，探讨模型部署后的生命周期相关问题。我们于2025年8月至2026年3月期间，系统采集了X平台（原Twitter）上共计61,846条公开原创帖文，并依托自主构建的编码框架，结合大语言模型（LLM）辅助的内容分析方法，对讨论主题、用户希望保留GPT-4o的具体原因，以及他们所提出的具体主张进行了深入分析。研究发现，“Keep4o”相关讨论远不止于对模型持续可用性的诉求，还广泛涵盖用户真实的使用体验、模型行为特征及其演变过程，以及贯穿模型整个生命周期各阶段的管理议题。用户主张保留GPT-4o的理由，既反映了在长期使用中形成的交互性价值与关系性价值，也体现了他们对替代方案是否充分、相关决策是否合理所作的综合判断。而用户提出的各项具体主张，则进一步揭示了其对模型生命周期安排与治理机制的明确期待。总体而言，“保留GPT-4o”的呼声，实质上汇聚了用户关于自身价值实现的不同判断与对治理问题的多元关切。这些发现表明：技术层面的版本更迭，并不必然等同于用户侧的有效替代。因此，部署后的AI模型生命周期管理，必须审慎评估既有用户价值能否延续，以及模型变更如何切实影响用户的实际使用。本研究由此为AI模型生命周期管理提供了来自用户侧的实证依据；同时亦表明，用户实际体验可为识别模型部署后的影响提供关键信息，理应纳入生命周期的评估体系与决策过程之中。

论文试图解决AI模型生命周期管理中长期被忽视的‘用户侧延续性’问题：即技术上完成模型迭代（如GPT-4o被替换）不等于用户价值的有效承接；它验证了‘版本更新≠用户替代’这一核心假设，聚焦于模型进入稳定使用阶段后，变更对用户实践、关系性价值与治理预期的实质性影响——这是一个在AI工程化与人机协同研究中尚未系统实证的新问题。

突破传统以开发/部署为中心的生命周期范式，提出‘用户生命周期视角’（user-centered lifecycle lens），将用户持续互动中形成的交互性价值（interactional value）和关系性价值（relational value）作为评估模型变更合理性的核心标尺；通过大规模真实社交平台话语分析（X平台61,846条原生帖），结合LLM辅助编码框架，首次将用户集体行动（Keep4o运动）转化为结构化证据，揭示用户对模型行为稳定性、决策透明性与治理可问责性的隐性需求。

研究基于2025年8月–2026年3月X平台真实数据（非实验招募），覆盖模型衰退期关键窗口；构建可复现的混合编码框架（人工定义+LLM增强），实现主题、动机、主张三级细粒度分析；未依赖私有API或闭源模型，全部分析流程可审计；亮点在于将社会运动现象学方法引入AI治理实证研究；后续亟需探索：用户价值迁移的量化指标体系、企业端生命周期治理协议设计、跨模态模型变更中的用户适应断层建模。

《The Lifecycle of Machine Learning Models in Production》（Google, 2022）；《Model Cards for Model Reporting》（Mitchell et al., FAT* 2019）；《When AI Systems Fail: A Case Study of AI Model Drift in Healthcare》（Rajpurkar et al., NEJM AI 2024）；《User-Centered AI: A Human-in-the-Loop Approach to Responsible AI Development》（Holstein et al., CHI 2023）；《The Right to Explanation in the Age of AI》（Wachter et al., ICML 2025 Workshop）