X 监控

MemPalace 想解决一个真实痛点：AI 聊完就忘，现有记忆方案又只记标签不记原文。它反其道行之，把全部对话按“宫殿—翼—房间—走廊”的结构存下来，全部本地跑，不碰云。这个思路本身不差，仅靠结构分层检索就让准确率提升了 34%，纯本地基线 96.6% R@5 也是同类里最高的。 问题出在宣传上。LongMemEval 的“满分”只做了检索这一步，没生成答案也没经过评判，标准排行榜比的是端到端问答准确率，难度差了一个量级。LoCoMo 的 100% 更离谱，检索参数设成 top_k=50，等于把所有内容全丢给模型做阅读理解，检索层被绕过了，项目自己的文档也承认了这一点。AAAK 压缩号称 30 倍无损，实测检索准确率从 96.6% 掉到 84.2%，差了 12 个百分点，无损压缩不该这样。 项目内部文档其实比较老实，大部分缺陷在 BENCHMARKS.md 里都写了。但发布推文把所有限定条件去掉，只留最炸裂的数字。现在还缺的是：压缩算法到底牺牲了什么信息、矛盾检测功能为什么代码里找不到、以及脱离特定测试集后真实场景的表现。

Anthropic 这条推文信息量不大，但动作不小。他们和 Google、Broadcom 签的是一份多年后的算力预留协议，单位用“GW”而不是芯片数量，说明规模是按数据中心级别的电力容量来算的，不是几千几万张卡的小买卖。2027 年才上线，意味着这波算力瞄准的是下一代甚至下下代 Claude 的训练和推理，而不是眼前的产品。 推文没说是哪一代 TPU，也没提合同金额和具体交付节奏，所以没法判断成本到底划不划算。不过，提前三年锁算力，通常是为了避开未来可能的产能瓶颈，也说明 Anthropic 对自家模型路线的算力需求有比较明确的预估。 还缺的关键信息是：这“多个 GW”到底对应多少等效算力，以及和 Google 自己的 Gemini 训练会不会抢资源。如果后续没有更细的披露，这笔交易的实际性价比就只能等 2027 年再看。

Codepilot 决定不再绑在 Claude Code 上，这件事本身说明他们想把底层模型的选择权拿回自己手里。对用户来说，最直接的好处可能是以后不用被单一模型的服务不稳定或涨价牵着走。但这条消息目前只有两条推文标题，正文是空的，我们看不到他们具体怎么解耦、换了什么方案、切换成本有多高。如果只是从调 Claude API 改成调另一个模型 API，那叫换供应商，不叫架构解耦。真正值得关注的是他们有没有做成模型无关的抽象层，让不同代码生成模型可以热插拔。这点先别太激动，等他们放出技术细节和实际编码效果再说。

罗福莉点出了一个被低价 Token 掩盖的问题：Agent 干活时，框架会反复把超过 10 万 Token 的上下文扔给工具，请求次数比 Claude Code 自身框架高出好几倍。这意味着用户付的订阅费，可能只覆盖了真实 API 成本的几十分之一。她说的 OpenClaw 就是个典型，一次用户请求触发一堆低价值工具循环，每次都把整套工作上下文重发一遍。全球算力确实扛不住这种烧法。 我觉得这个判断方向是对的。Claude Code 好用，不光是模型本身强，还在于它对缓存、文件选取和工具调用比较克制。现在第三方框架仗着 Token 便宜，把浪费转嫁给模型厂商，降价解决不了框架设计上的问题。短期看，API 账单会逼着框架去优化上下文管理和缓存命中率，这对行业是好事。 不过正文没披露具体的定价公式和实测成本对比，OpenClaw 那边的数据也看不到。如果后续有第三方跑出实际消耗数字，这个论点会更有说服力。

这条消息的核心不是 V4 本身有多强，而是 DeepSeek 把模型底层模块重写了一遍，专门适配华为昇腾 950PR 和寒武纪硬件，并且没给英伟达早期访问权限。这意味着国产芯片在推理环节第一次拿到了前沿模型的独家适配机会，不再是跟在英伟达后面捡漏。 昇腾 950PR 的纸面参数挺好看：单卡算力号称是 H20 的 2.87 倍，112GB 显存，1.4TB/s 带宽，还是国内唯一支持 FP4 推理的芯片。FP4 的好处很实在——一个原本要 140GB 显存的 700 亿参数模型，压缩到 35GB 就能跑，同样的卡能塞更大的模型或者扛更多并发。但代价是功耗 600W，差不多是 H20 的两倍，电费和散热成本会直接反映到推理价格上。 不过这里有几个关键信息缺口。第一，V4 的参数量和实测 benchmark 都没披露，说能和 Claude、ChatGPT 掰手腕还只是传闻。第二，金融时报之前报道过 DeepSeek 用昇腾芯片训练 R2 时反复翻车，稳定性差、芯片间互联慢、软件工具链不成熟，最后训练还是退回英伟达。这次 V4 只说了推理跑在华为芯片上，训练环节是不是也搞定了，正文没提。第三，FP4 推理虽然省显存，但精度损失到底多大、对长上下文编程这类任务有没有影响，也没有实测数据。所以这件事方向是对的，但离"推理环节国产替代"真正落地，还得看 V4 发布后的实际跑分和价格。

这条新闻值得点开看，因为它讲了一个反直觉的工程选择：不优化向量检索，而是让 AI 以为自己在一个真实的文件系统里翻文档。Mintlify 把 grep、cat、ls 这些命令拦截下来，翻译成数据库查询，效果很直接——会话启动从 46 秒降到 100 毫秒，按他们月均 85 万次对话算，一年省下超过 7 万美元的计算成本。 这个方案能跑通，前提是文档本身结构清晰，页面和章节天然对应文件和目录。正文也坦率说了，如果是组织内部那种没有层级、乱七八糟的知识库，这套文件系统隐喻未必好使。这点先别太激动，别看完就觉得向量检索过时了。 还缺一些关键信息：100 毫秒是冷启动还是热缓存下的数据？grep 的精确匹配在中文文档上表现如何？正文没披露这些，也没给出检索准确率的对比数字。另外，这套方案依赖模型能稳定调用工具，如果模型本身工具调用能力弱，体验可能打折扣。

Anthropic 把 Microsoft 365 连接器从高价套餐下放到了所有付费计划，现在你可以直接把 Outlook 邮件、OneDrive 文档和 SharePoint 文件拖进 Claude 对话里，让它帮你翻邮件、总结文档或从公司资料库里搜东西。这本质上是给 Claude 开了个通往外挂资料库的管道，不用自己手动复制粘贴了。 但帖子只说了覆盖范围和对接的应用，没提权限边界怎么划——比如 Claude 能读你邮箱里的所有邮件还是只读你指定的文件夹？管理员要不要额外配置？数据是实时同步还是定期拉取？这些都没交代。另外也没说地区限制，国内 Microsoft 365 用户能不能用还是个问号。 对企业用户来说，这个功能省事是真省事，但安全边界模糊的时候，IT 部门大概率会先拦一道。建议等官方出详细文档再往生产环境里接。

这条消息最值得看的是上下文窗口直接拉到 100 万 token，输出能到近 99 万，比之前 256K 的版本实用很多，处理长文档或长对话时不用频繁切块。价格也明确：输入每百万 token 两块钱，输出十二块，在同类模型里算便宜。 但正文只说了“显著提升”，没放任何 benchmark 分数、测试集名称或对比条件。Agent 和编程能力到底强在哪、强多少，完全没数据支撑。图像理解部分也只列了数学图像、VQA 和 OCR 三个方向，没给具体指标。 另外，Max 版马上要发，现在这个 Plus 版更像是过渡产品。建议先去 OpenRouter 免费跑一下自己的任务，别光看宣传。如果后续能补上标准测试结果和 Agent 场景的实测案例，判断会更踏实。

Karpathy 这套本地知识库的做法挺实在：把原始资料扔进 RAW 文件夹，让大模型自动生成摘要、索引、概念页和相互链接，最后形成一个可查询的 Markdown Wiki。模型回答时会先查索引再读相关文档，输出也不限于文字，还能生成网页或 PPT 并存回知识库。他特别提到 AI 生成的内容会污染语料，建议把可信来源和 AI 产出分开放，这点很关键，不然知识库越用越脏。 不过正文没说他用的是什么模型、处理多大规模的资料、自动化程度有多高。这些缺口让实际成本和质量都很难判断。另外，Wiki 健康度检查（找矛盾、补缺失、发现新关联）听起来有用，但没给具体例子，不知道是真好用还是概念演示。 整体思路不新，很多人已经在用类似方法，但把输出回流到知识库、让知识库“越用越厚”这个闭环值得关注。如果你也想试，建议先从少量高质量资料开始，严格控制 AI 生成内容的混入比例，不然维护成本会很快超过收益。

Claude 把电脑操控能力搬到了 Windows 平台，覆盖 Cowork 和 Code Desktop 两个入口。这意味着你可以在 Windows 上让 Claude 直接操作桌面应用、写代码并执行，不用再切到 Mac 或 Linux。但这条公告信息量极低，只发了一句话和一条链接，没披露任何实操细节。 我会先打个折。正文没提支持哪些 Windows 版本，Win10 还是 Win11 起步不清楚。权限模型怎么设计，是沙箱隔离还是直接拿用户权限跑，这直接决定你敢不敢让它碰你的文件系统。操作延迟和稳定性也没给数据，桌面 agent 最怕的就是点错按钮或卡在半路。收费方面，是包含在现有订阅里还是额外计费，正文一个字没写。 对想在 Windows 上跑桌面 agent 的开发者来说，现在只能知道功能有了，但能不能上生产环境、踩坑成本多高，全得自己试。建议等第一批用户放出实测反馈再动手。

这篇报道最实的料是人员变动和战略转向。四位核心离职，猎头开价翻 2 到 3 倍，有的直接给 8 位数总包，而 DeepSeek 期权没标价，这确实会让团队心里打鼓。梁文锋在想办法给公司估值，但正文没说他具体打算怎么操作。 V4 推迟到 4 月，小参数版已经给开源社区适配了。晚点判断它大概率还是开源最强，但不会是碾压级——这个判断我认，因为 Agent 时代“强”的标准确实碎片化了，不同场景体感差很多。不过正文没披露 V4 的参数量、推理成本、具体跑分，这些才是判断“强不强”的硬指标，现在只能先打个折。 最值得关注的是 DeepSeek 的路线选择：花精力做国产 GPU 适配，把底层从 CUDA/Triton 换成北大开源的 TileLang，还招脑科学顾问搞仿生学习。代价是 Agent 和编程赛道投入少，OpenRouter 过去 30 天 token 消耗排名里 V3.2 只排第 12，前 10 有 6 家中国公司。现在他们开始招 Agent 产品经理，要求熟悉 Claude Code、Manus 这些产品，说明梁文锋也意识到窗口期不等人。但报道没说他打算怎么平衡“原创式创新”和“追 Agent 热点”这两条线，这是最大的信息缺口。

OpenAI 把 ChatGPT 的语音模式塞进了 CarPlay，iPhone 升级到 iOS 26.4 以上就能在车里用。这不是发了新模型，而是把对话入口搬到了驾驶界面上，让司机不用掏手机就能聊。 但正文没披露几个关键信息：支持哪些国家和地区、覆盖哪些车型、功能有没有打折。比如能不能连续多轮对话、能不能读长文章、离线能不能用，这些都没说。CarPlay 的生态限制不少，第三方语音助手往往被苹果卡着权限，实际体验可能比手机端缩水。 另外也没提安全策略。开车场景对延迟和误识别容忍度很低，一句听岔了可能就得低头看屏幕，反而添乱。这点先别太激动，等有人实测再说。

这条新闻最值得看的是数字背后的信号：OpenAI 刚以 8520 亿估值融完 1220 亿，二级市场买方报价却只给到 7650 亿，相当于打了九折。而 Anthropic 上一轮估值 3800 亿，二级市场报价已经冲到约 6000 亿，溢价超过 50%。摩根士丹利和高盛推销 OpenAI 股份时不收 carry fee，Anthropic 那边照收 15% 到 20%，一个在促销，一个供不应求，市场用脚投票的态度很明确。 投资者转向的理由文章给了两个：OpenAI 烧钱太快、企业客户拓展偏慢；Anthropic 在企业市场占优、增长曲线更陡。但正文没披露具体的企业客户数量或收入对比，这个判断目前只能算市场情绪，不是硬数据。另外 Anthropic 本周出了第二次安全事故，泄露了 Claude 内部源代码，还因为被五角大楼列为供应链风险在起诉美国国防部，这些风险因素在当前的二级市场热度里似乎被暂时忽略了。 两家都在考虑 IPO，OpenAI 可能今年就上。如果二级市场的冷淡持续，一级市场的估值故事会越来越难讲。