全部

Anthropic 给 Claude Code 加了两项很实用的控制：模型选择和努力级别。简单说，你可以把 Opus 这种大模型派去搞跨文件重构，Sonnet 处理日常编辑，Haiku 做快速小修。努力级别分低、中、高三档，调的是模型思考深度和工具调用次数。高努力配 Opus 会触发多步代码库搜索和测试运行，但烧的 token 也最多。 这个更新的核心价值是让开发者按任务的复杂度和预算来分配算力，不用一个模型硬扛所有活。但正文没披露具体价格差，只说了高努力加 Opus 是最贵的组合。如果你真想算投入产出比，得自己去 API 定价页对 token 消耗。另外，不同努力级别在真实项目里的成功率差异也没给数据，这点先别太激动。 还缺什么：一是各组合的实际成本对比，二是高努力到底比中努力强多少的量化验证。如果只是凭感觉调参，省钱的逻辑就不够硬。

这篇来自伯克利 BAIR 的路线图，核心判断很直接：当推理成本低到几乎免费，数据库系统会面临三重变化。第一是“为 Agent 服务的系统”，一个用户请求可能让 Agent 自动发出上千条 SQL 查询，但其中 80% 到 90% 的子查询是重复的，系统可以通过复用结果或返回近似答案来提速。第二是“由 Agent 组成的系统”，成千上万个 Agent 需要新的底层设施来管理状态、协调分工和处理故障。第三是“由 Agent 构建的系统”，Agent 已经能直接合成整套数据系统，但怎么验证它做对了还是个没解决的问题。 文章是研究视角的路线图，不是产品发布，正文没给任何落地时间表。它引用的推理成本下降数据（一年降 9 到 900 倍，中位数约 50 倍）主要来自第三方统计，不是伯克利自己的实验。这点先别太激动，因为“几乎免费”目前更多是趋势判断，不是现状。 还缺的东西很明显：没有具体系统原型或性能对比，也没说这些设计在真实生产环境里会碰到什么坑。对从业者来说，这篇的价值在于把问题框架搭清楚了，但离能动手做的方案还有距离。

这条新闻最值得看的是规模：九个月超过 100 辆，不是几台样车在测试，而是成批扔进战区干后勤和侦察。Forterra 高管的原话很实在——没上过战场，什么国防科技都不算数。乌克兰转向地面无人装备的逻辑也讲得通：天上无人机太多，士兵在地面几乎无处可躲，用机器替人跑运输、探路是刚需。 但文章缺的信息比给的多。第一，没提这些车有没有装武器，是纯运输还是能打；第二，没给任何战损数字，100 辆送进去还剩多少、被击毁多少、自己故障多少，全不知道。没有损失率，就没法判断这套方案到底划不划算。第三，也没说通信和抗干扰怎么解决，战场上 GPS 和无线电被压制的场景很常见。 如果是真的挺省钱——全地形车本身不贵，加上自动驾驶套件也比坦克便宜一个数量级。但这点先别太激动，等看到战损率和任务成功率再说。

Google 这次更新主要解决一个实际问题：让智能体（就是能自己规划步骤、调用工具的 AI 程序）在生产环境里跑得更稳。新增的后台异步执行，意思是耗时长的任务不用一直占着连接，可以提交后等结果通知，这对处理复杂流程的开发者是刚需。远程 MCP 让智能体能连上外部的工具或服务，相当于给它开了个外接接口，不再只靠内置功能。自定义函数则是允许开发者把自己的业务代码塞进去，让智能体按公司自己的规则干活。 这三项更新听起来都挺实用，但公告完全是功能罗列，没给任何性能数据或成本参考。比如后台任务能撑多久、并发上限多少、远程 MCP 的延迟怎么样，这些关键指标一概没提。价格和地区可用性也是空白，如果是按调用量或执行时长计费，成本可能比预想的高。 另外，这是 Google 官方博客，天然会挑好的说。实际落地时，后台任务的错误重试机制、远程 MCP 的鉴权安全、自定义函数的沙箱隔离，这些坑都得开发者自己踩。建议等有公开的定价文档和第三方评测后再做技术选型。

MIRA 把世界模型从单机推到了四人联机，你按键盘它就实时出画面，帧率 20 FPS。这比早期扩散模型做的 DOOM 进了一大步，因为不是录播回放，是模型根据输入实时推演游戏动态。训练用了 10000 小时公开的机器人采集数据，说明没靠人工标注，成本可能压得比较低。 不过 20 FPS 对竞技游戏来说还是卡，延迟和画面稳定性正文没提。另外它学的是四人游戏动态，但没说明能不能泛化到没见过的场景或玩法。代码和报告都开源了，这点值得加分，ICML 现场有展台，想验证的人可以直接上手试。 还缺的是：模型参数量多大、推理用什么卡、单帧生成延迟多少毫秒。如果是真的省钱又能稳在 20 FPS，对需要实时交互模拟的方向是个好消息，但先别把它当成能替代游戏引擎的东西。

这条新闻的核心是一封告状信，而不是一个法律判决。Anthropic 指控阿里巴巴用数万个未经授权的账户，以工业级规模蒸馏 Claude 模型，用来训练自己的系统。我会先打个折：蒸馏不是偷代码，是让大模型当老师，教小模型学回答风格，省算力。谷歌十年前就发明了这招，马斯克今年 4 月在法庭上也承认 xAI 蒸馏过 OpenAI 的技术。所以这不是什么独家黑魔法，更像行业里一个公开的秘密。 真正让美国公司跳脚的是规模和地缘政治。Anthropic 说中国公司用了约 24000 个账户，搞了超过 1600 万次对话来喂数据。如果属实，这确实不是小作坊操作。但正文没披露阿里的回应，也没给出阿里模型性能因此提升的直接证据。目前法律上是否违法还不明确，法院没判过，版权法也管不着模仿行为。 还缺什么？缺中国公司的说法，缺独立第三方的技术验证，也缺一个能跨境执法的法律框架。如果只是靠服务条款来禁止，那封号就像打地鼠，封多了还会误伤正常用户。

阿里在AI上陷入了一个经典困境：开源模型带来了全球最大的用户量，Hugging Face上每天约100万次下载，但变现能力几乎可以忽略不计。一季度13亿美元的AI相关收入，对比公司计划明年底前砸下的超550亿美元基础设施投入，回报周期和商业逻辑都显得很脆弱。 团队内部对怎么赚钱分歧大到核心人物出走——首席工程师林俊旸3月离职，几位骨干也跟着离开。阿里现在的策略明显在往闭源付费模型收，4月一连发了三个闭源模型。这可以理解，毕竟免费开源养不出能覆盖算力成本的生意，但文章没说明闭源模型的具体定价、客户接受度和续费率，这些才是判断转型能否成立的关键。 外部压力也在叠加。美国国防部把阿里列入涉军黑名单，Anthropic指控其用2.4万个假账号抓取数据，阿里拒绝对此置评。这些事如果持续发酵，对海外商业拓展的伤害可能比内部路线之争更大。

这条更新解决了一个很实际的痛点：你用 SkyPilot 在不同云上调度 GPU 跑模型，数据如果存在某朵云的对象存储里，往外读要交一笔出站流量费。现在 Hugging Face 的存储成了 SkyPilot 的原生后端，数据直接挂载，跨云读取免出站费。对经常在 AWS、GCP、Lambda Labs 之间切换算力的团队，这是个直接省钱的改动。 目前信息来自一篇 Hugging Face 官方博客和一条摘要，正文没披露具体实现细节，比如挂载后的 IO 延迟、并发吞吐量，也没给出实际节省成本的对比案例。这点先别太激动——免出站费是 Hugging Face 那边的政策，SkyPilot 这边只是打通了接口，实际体验还要看网络状况和任务类型。 还缺一个关键信息：这种挂载方式在训练场景下是否稳定，读写小文件时会不会拖慢速度。如果后续有实测数据，才能判断它是不是真能替代本地缓存方案。

过去12个月，头部AI公司总共承诺了97.5亿美元，用来组建“前线部署工程”团队，也就是把自家工程师直接塞进客户公司里，手把手教他们用AI。这笔钱相当于埃森哲一年人力成本的21%，规模不小。 目前分三种玩法：微软和亚马逊直接从现有员工里调人，不额外融资，图的是快和可控；OpenAI和Anthropic则拉上TPG、黑石等私募成立独立公司，OpenAI为此还收购了一家150人的咨询公司，用外部资金把盘子做大，同时避免稀释母公司股权；Google Cloud选了第三条路，掏7.5亿美元建合作伙伴基金，自己不直接养人，靠系统集成商去铺。 作者的核心判断是，这种驻场部署正在变成一种护城河。驻场工程师教客户用熟了一家模型厂的工具链和套路，客户再换别家，技术上不难，但组织内部阻力很大。而且工程师能接触到API调用看不到的真实工作流、数据结构和失败场景，这些信息会反哺模型调优。不过正文没披露这97.5亿美元具体能养多少工程师，也没给出客户留存或切换成本的实际数据，护城河到底多深还不好说。

OpenRouter 拿五款模型在 MMMU-Pro Vision 上实测，结论很直接：给推理模型压画质省钱，往往既亏效果又亏钱。gpt-5.5 用低清图准确率从 79% 掉到 65.2%，但每题成本反而从 4.5 美分涨到 5.1 美分——模型看不清图，推理 token 多烧了 1.6 倍，输出端多花的钱直接吞掉了输入端省下的那点。gemini-3.5-flash 也是类似趋势，低清图成本 2.96 美分，自动档反而只要 2.80 美分。 非推理模型倒是另一回事。gpt-5.4-mini 和 gpt-4.1 用低清图确实省钱，但准确率分别掉了 9.7 和 17.4 个百分点，相当于用精度换成本，值不值看场景。图表类问题对清晰度最敏感，gemini-3.1-pro 从低清切到自动档，准确率从 78.6% 跳到 91.7%。 正文没披露测试的题目分布和错误类型细项，也没说低清图具体在哪些题型上翻车最严重。另外，推理强度（reasoning effort）这个 knob 怎么调能兼顾成本和效果，文章只提了方向，没给具体参数建议。

这篇文章把AI成本拆成内部效率和客户交付两类，这个框架比“总token花了多少”有用得多。内部效率型成本，大头往往不是模型单价，而是没人用的seat授权、agent无限重试的自循环，以及没有归属的测试环境。招行的例子很说明问题：日均330亿token，但AI编程只占算力的5%，真正烧钱的地方可能在客服和运营。客户交付型成本更危险，盲目换便宜模型可能导致客户重复提问、转人工率上升，省下的token钱被人工升级和工单成本吃掉。Duolingo的财报直接显示，Video Call这类AI功能拉低了毛利率约100个基点。 文章引用的数字需要打折。豆包日均180万亿token调用量，分析师质疑其中有多少是免费测试额度。招行的数据来自媒体转述管理层发言，不是监管公告。这些数字能说明规模，但不能直接当降本依据。 真正缺的是企业内部的四张表：按团队拆、按技术浪费拆、按业务结果拆、按生产与测试拆。没有这些归因，AI降本大概率变成拍脑袋砍预算。最后才谈模型议价和替换，这个顺序是对的。

这篇论文放出了一个叫 Nemotron-Labs-Diffusion 的模型，最大卖点是把自回归、扩散和“自我推测解码”三种模式做进了同一个架构里。你可以把它理解成：平时用自回归逐字写，需要快的时候让扩散一次性生成整段草稿，再由自回归校验，相当于自己给自己当校对。训练时两个目标一起上，扩散负责往前多看几步做规划，自回归提供从左到右的语言习惯，两者互补。 数字上，8B 版本一次前向传播能解码的 token 数是 Qwen3-8B 的 6 倍，在 GB200 GPU 上用 SGLang 跑 SPEED-Bench 吞吐量高出 4 倍，精度还差不多。论文还做了一个“光速分析”，说在理想采样器下扩散比自我推测模式还能再多出 76.5% 的 token 产出，说明天花板还没到。模型覆盖 3B、8B、14B 三个尺寸，有基础版、指令版和视觉语言版。 不过这篇是纯论文，正文没披露任何开源权重计划或发布时间线。所有性能数据都来自论文自报，没有第三方复现验证。如果是真的，这个吞吐提升挺省钱，但在看到实际跑分和开放模型之前，我会先打个折。

Sysdig 澄清了 JadePuffer 攻击的细节：AI 智能体确实独立完成了漏洞利用、横向移动、加密文件和写勒索信这些技术动作，但攻击的起点——选谁下手、搭建指挥控制基础设施、提供被盗的登录凭证——全是人类操作员干的。这和上周一些标题里“完全无人干预”的说法有明显差距。 从安全从业者的角度看，这次事件的价值在于证明了让模型进攻击流程干活（agent workflow）在真实环境里跑通了，而且能根据遇到的障碍自己调整策略。但别急着把它当成天网降临：人类仍然负责最关键的决策和资源准备，AI 目前更像一个效率极高的脚本小子。正文没披露这次攻击造成的实际损失金额，也没说受害者是否支付了赎金，这两个信息缺口让“威胁有多大”的判断还悬着。

Ternlight 把文本嵌入模型压到了 7 MB，通过 WASM 在浏览器 CPU 上跑，单次 embed 调用大约 5 毫秒。它打包成一个 npm 包，没有模型下载步骤，也不依赖服务端，还有一个 5 MB 的 mini 版本。这对不想搭后端、又需要在客户端做语义搜索的开发者来说，部署成本确实低。 但正文没披露模型架构细节和训练数据，只给了一个 React 文档的搜索演示。这意味着我们不知道它在多语言、长文本或者专业领域文档上的检索质量怎么样。7 MB 的体积听起来很省，但如果召回率在复杂场景下掉得厉害，实际能用到的范围就窄了。另外，演示里也没提索引规模变大后延迟会不会涨。 我会先打个折：如果只是给个人项目或文档站加个离线搜索，这个方案挺轻量。但要在生产环境里替代服务端嵌入模型，还得等作者放出基准测试结果，尤其是不同语言和文本长度下的召回率对比。

作者把 GLM 5.2 当主力用了两周，结论很直接：大部分任务上跟 Claude Opus 拉不开差距，切换成本也极低，把 API 地址指向兼容服务商就能在 Claude Code 里跑。推理价格大约每百万 token 4.40 美元，不到 Opus 零售价的 20%，就算它思考时间长、烧的 token 多，总成本还是能砍掉一半以上。 但有两个硬伤。第一是不支持图像识别，没法读截图、设计稿和图片版 PDF，这对依赖视觉的流程是致命伤。第二是内置网页搜索又慢又差，而很多 agent 任务其实大量依赖实时查资料。作者用命令行工具 ddgr 勉强绕过，但这块缺口目前还没补上。 文章的核心判断是：前沿实验室靠推理赚 90% 毛利的日子不长了。一旦开源权重模型质量追平，高溢价就撑不住。不过正文没披露 GLM 5.2 的训练成本，也没给出它跟 Opus 在长链条任务上的具体对比数据，所以“追平”这个结论还得看后续验证。

Guillermo Rauch 的核心判断很实在：做原型可以无脑上最强模型，但一旦进生产环境，性价比比单纯的能力重要得多。Vercel 平台每天 600 万次部署，一半是编程智能体触发的，每天流过 AI 网关的 token 超过 1 万亿。这个量级下，成本稍微波动就是一大笔钱。所以他主张把智能体的调度逻辑和底层模型选择拆开，让系统能根据任务难度自动切模型，贵的模型只用在刀刃上。 这个思路不新，但 Vercel 的数据让“该拆了”这个结论变得很具体。文章没提他们具体怎么实现这套调度，也没给出不同模型切换后的成本对比数字。另外，拆开之后智能体的行为一致性会不会打折，这点正文也没展开。如果后续有实际的成本节省比例和延迟数据，这个判断会更有说服力。

Jan Iłowski 这篇博客的核心判断很直接：盯着“每百万 token 单价”选模型，大概率会花更多钱拿到更差的结果。他用 Artificial Analysis 的跑分数据做了个对比表，把各家模型的标价和实际完成一个基准任务的成本放在一起。GPT-5.5 xhigh 输入/输出标价是 5/30 美元，Claude Opus 4.8 max 是 5/25 美元，单看数字 Opus 更便宜。但跑完同一个基准，GPT-5.5 花了 0.99 美元，Opus 花了 1.78 美元，贵了将近一倍。原因有两个：一是各家切分文本的“分词器”不一样，Anthropic 最近改了一次，同样文本多切出 30% 的 token，相当于变相涨价；二是模型“思考”时产生的隐藏 token 也被按同样价格计费，而这部分消耗在不同模型之间差异极大，才是真正吃掉预算的大头。 表格里还有几个值得注意的点。DeepSeek V4 Pro max 标价极低，跑一个任务只要四五美分，但基准得分只有 44，明显低于头部模型。GLM-5.2 标价是 GPT 的三分之一到六分之一，但实际任务成本并没有同比例下降，说明它的 token 利用效率不如西方模型。最贵的是 Claude Fable 5，一个任务要 3.25 美元，得分最高 60，但比 GPT-5.5 贵了三倍多，提升幅度有限。 这篇分析的局限在于只引用了 Artificial Analysis 一个基准的数据，不同任务场景下模型的表现和成本结构可能完全不同。正文也没披露各家模型在基准测试中具体消耗了多少隐藏推理 token，这部分数据如果能拿到，判断会更扎实。另外，Sonnet 5 max 的数据有点反常——得分比 Opus 低，任务成本反而更高，作者自己也表示困惑，这点先别急着下结论。

这条新闻值得点开看，因为它解决了一个很实际的工程痛点：RAG（外挂资料库）检索出来的资料块，大部分其实用不上，但大模型读它们都得算钱。kapa.ai 的做法是在检索器和生成器之间加一个便宜的小模型，让它把问题和所有资料块一起读，按五级标准打分，然后扔掉 68% 的无关内容。结果单次查询成本降了三分之一，而答案所需资料的召回率维持在 96%，相当于省钱但没怎么牺牲答案质量。 他们之前试过用重排序分数来砍，但发现分数在不同查询间没法对齐，也看不出资料块之间的关联——比如一个块单独看像噪音，但和另一个块拼起来才是完整答案。这个失败经验是全文最有价值的部分，直接说明了为什么必须让模型“看全集”而不是“看单篇”。 不过文章没披露这个小模型具体是什么、有多大、推理延迟增加了多少。如果剪枝本身耗时太长，省下的钱可能被延迟吃掉。另外，96% 的召回率意味着仍有 4% 的情况会丢掉关键信息，在技术文档这类高精度场景下，这个错误率是否可接受，正文也没展开讨论。

这条推文是 Claude Code 团队自己发的，相当于产品设计思路的官方说明。他们把智能体反复执行任务直到停下的过程叫“设计循环”，分了四种：回合循环靠人每次手动发指令，模型自己判断什么时候算完，适合短任务，可以用 SKILL.md 文件来检查它干得对不对；目标循环用 /goal 命令启动，达到目标或跑满轮数就停，但目标必须能明确判断，比如测试通过多少个；时间循环用 /loop 和 /schedule 按间隔触发，适合同步消息、检查 PR 这类重复任务，可以扔到云端跑；主动循环靠事件或计划触发，全程没人参与，每个子任务独立退出。 团队的建议很务实：从最简单的方案开始，只在确实需要时才加复杂度。这点对实际用的人来说挺重要，因为很多团队一上来就想搞全自动主动循环，结果调试成本比收益还高。不过正文没给出这四种循环在实际项目里的性能对比数据，比如不同循环类型的任务完成率、平均耗时或资源消耗，也没说主动循环在云端跑的时候怎么处理失败重试和安全边界。如果是真的想在生产环境用，这些信息缺口得自己补上。

TechCrunch这份持续更新的名单，把2026年拿AI当裁员理由的大厂都列了出来。微软刚裁掉约4800人，占全球员工2.1%，官方说法是这些岗位“不是被AI取代”，但承认AI正在改变工作方式。5月是近年来科技裁员最惨的一个月，AI是被提及最多的理由。2026年至今，整个科技行业已经砍掉约12万个岗位。名单目前覆盖了微软、甲骨文、GitLab等十家公司，给出了每家的裁员人数和官方声明。 这份名单的价值在于把各家零散的裁员公告串了起来，让你能直观看到AI对就业市场的冲击规模。但要注意，公司公开说的理由和实际决策之间可能有差距。有些公司可能把常规的成本优化也包装成“AI转型”，或者反过来，用AI当挡箭牌掩盖业务问题。正文没披露这些裁员具体集中在哪些岗位，是工程师、客服还是运营，也没说被裁的人后来去了哪里。如果想知道AI到底替代了哪些具体工作，光看这份名单还不够，得等更细的岗位数据出来。