换模型这件事，很多人以为只是改一行配置。UniFace 的 Python 接口确实没变，调用方式照旧，代码不用动。但存下来的东西已经对不上了。

打开网易新闻 查看精彩图片

问题出在两处：一是已经入库的人脸特征向量，二是当初定好的判定阈值。新模型吐出的向量和旧模型不在同一个空间里，拿旧向量去比对，结果没有意义。阈值同理，它是跟着模型分布走的，模型一换，原来卡在某个分数上的判断标准就失效了。

所以模型切换不该被当成一次配置更新，而是一次完整的数据迁移。迁移意味着两件事要一起做：重新提取存量人脸的特征，重新校准决策规则。只换模型不重算，系统不会报错，只会安静地给出错误的判定。

接口稳定带来的安全感是假的。Python 层看不到变化，不代表底层数据还能用。把模型变更按数据迁移来对待，是避免这类静默失效的唯一办法。