AX 严选 · 2026-06-07

这条最值得看的是落地感——不是概念验证，是一个农民真的把 AI 塞进了日常农活里。富安弘毅用 ChatGPT 拍照识别西兰花病害，用 Codex 写 ESP32 代码远程开关温室卷帘，还给农场 LINE 群聊做了管温度和排期的机器人。他连 RTK-GPS 自动转向都自己研究了一遍，算出如果自建要花多少钱。这些用法把“让模型进业务流程干活”这件事拉到了最接地气的场景：田里、大棚里、聊天群里。 但正文没给任何性能数字。病害识别到底准不准？误判一次可能就是一茬菜的损失。温室卷帘的远程控制有没有延迟或掉线记录？群聊机器人管排期，是真正减少了人工协调，还是只是把混乱从口头搬到了聊天框里？这些信息缺口让“如同身边有一位超级工程师”这句话先打个折——工程师干活是要验收的，正文没披露验收结果。 另外，全文来自一条推文，没有第三方验证，也没有说明这些工具是稳定运行还是 demo 阶段。如果后续能看到产量对比或工时统计，这条的价值会扎实很多。

这条新闻值得点开看，因为它解决了一个很实际的痛点：让模型在多次搜索时别像金鱼一样忘事。Harness-1 的做法是把检索过程本身当成一个“有状态”的任务来训练，模型能根据前一步拿到了什么，调整下一步的查询词和检索策略，而不是每次都从零开始瞎碰。 数字上，它在 8 个基准上的平均整理召回率是 0.730，比目前最好的开源子智能体高出 11.4 个百分点，只输给 Opus-4.6。这个提升幅度不小，说明“记住上一步”确实管用。但要注意，文章没披露训练用了多少算力、推理延迟是多少，也没说这个 200 亿参数的模型在实际业务里跑起来成本高不高。 还缺一个关键信息：它是在 gpt-oss-20b 上训的，但没交代基座模型本身的能力边界。如果基座推理就弱，那检索策略再聪明也白搭。另外，所有测试都在基准上，真实场景里资料库乱七八糟的时候表现如何，正文没提。这点先别太激动。

Tomasz Tunguz 这篇观察点出了现在 AI 应用层一个很实际的转向：大家不再只追最聪明也最贵的模型，而是开始算经济账。他引用的几个案例数字很直观。Coinbase 把简单任务分流到便宜模型后，用量指数级涨但成本没变，说明省下的钱全被新增的调用吃掉了，买家要的不是省钱，是花同样的钱干更多活。Lindy 更激进，把所有流量从 Anthropic 切到 DeepSeek v4，直接省了几百万美元，而且核心场景效果反而更好。Harvey 的测试也印证了这一点：用 Kimi 2.6 做微调后，跑 100 个法律任务全部通过的比例是 15%，比 Opus 的 14% 还高一个点，但成本只要 84 美元，是 Opus 的十一分之一。 这些数字背后是三个推力：基础模型公司自己往上做应用抢饭碗、最顶尖的闭源模型越来越贵、开源模型在多数场景下已经够用。文章没展开的是，这种切换对延迟、稳定性和复杂推理任务的影响到底有多大，以及当所有人都涌向便宜模型时，模型厂商的定价策略会不会跟着变。另外，Cursor 把 Kimi K2.5 后训练成自己的生产模型，这条路技术门槛不低，正文也没披露他们具体投入了多少资源。