AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

订阅里开始直接塞 API 额度了，这一步是 Anthropic 先走的，官方那句原话很直白。

额度表照录，月度 Claude Platform API credits 发给 Max 和 Team 两个计划，Max 5x 这档一百美元，Max 20x 这档两百美元，Team 档最高五百美元且是池子共享。

后面还跟了一句，任何模型都能用，包括 Haiku 5.5，写在你自己的代码里、或者第三方的 harness 里都行。领取的图和怎么算，社区里也整理成了两张。

"订阅的钱换个袋子花"这半句是全场重心。前面两百块值一万二讲的是把账摆平，这条讲的是把两个袋子合一个。跟前面大部分请求不给 Grok 自己做呼应，那条在模型之间挪活，这条在订阅和接口之间挪钱，两头都在拆墙。跟前面二十块两小时只吃一成八也接得上，一个算用量，一个直接发钱，付费这件事正在从"用多少结多少"往"按月包干"滑。

一百美元这个数我单拎出来记，配上 Haiku 5.5 那个价位，够跑的东西比过去多出一大截，小模型一便宜，额度就显得更耐花。

发的那张图末尾还带了一句调侃，这下轮到 OpenAI 难受了。

我留的疑问有三处。月度额度不用会不会清零没说；Team 池子怎么分账没写；与第三方 harness 的结算细则也没数。

这周把自己那档订阅的 API 额度领了，记一轮实际能跑多少请求。

Claude Haiku 5.5 在基准榜上摸到了旗舰的门槛。四十三分把一串中国模型甩在身后。这分数我先记再掂那个代际差。摆好了看那四十三。三在下面摆着。
那张表在 ArtificialAnalysis 基准上。成绩四十三分，反超 GLM-5.3 Flash 的四十二，直逼 Kimi K3 的四十四只差一分。高于 DeepSeek V4.1 Flash 的三十九。

高于 Qwen3.6 27B 的三十四。高于 MiniMax-M3 的二十九。仍低于 GLM-5.3 的四十五和 MiMo-V2.6-Pro 的四十六。六个对照摆完这张表就有了画面。

画面是小个子挤进了大个子的那一桌。那一桌的第二层是代际的落差。上一代 Claude 4.5 Haiku 只有十七分。这一代直接涨二十六。涨二十六的第三层在下面摆着，摆好了别眨眼，眨眼就翻过去了，过去一页少一页。

少一页都是损失。损失不起的往下看。看下段。下段是那根没被堆长的思维轴。轴读完这篇就通了。通了就收工，收工的礼数在下段，下段是最后的门，推开它，推。
思维轴那半句说的是这张成绩不是靠把思考链无限拉长换来的。拉长思维链是最省事的涨分办法。代价是延迟和费用一起涨。用可控的输出摸到同一档意味着高并发场景真的能省钱又能打。能打的第四层是结论那句改判。

改判前的旧印象是便宜但弱。改判后是高并发低成本里能打旗舰的那一档。印象翻面的第五层是我的保留。保留是单一基准不等于综合实力。一分之差在误差带里可能就是平手。先按榜面记账。记账的第六层是我的收尾。

收尾在最后一段，最后一段到了就推门，门后是我的两句点评，读完这篇正式结束。结束语不留悬念，悬念是给没看完的人的，看完的人不需要，不需要的直接收，收在下段。
点评两句。第一句是二十六分的代际跳变说明这版的功夫下在了训练效率上而不是参数上，效率跳变比参数堆料值钱。第二句是中国小模型被自家对手追平这件事本身说明赛道已经挤到贴身，贴身的回来点赞，句号。

大部分请求其实轮不上"最好的模型"，马斯克把这层交代清楚了。

原句两行摆开，"most @Bot requests are pretty simple and will be handled by a lightning-fast version of Grok 4.8 when that comes out."，简单的活儿，等 Grok 4.8 的极速版出来自己扛；原则那句也直，"give Grok Bot users the best possible combination of speed & intelligence"，把速度和智能拼出最好的组合。

引帖那头给的分法更细，按任务挑，Claude Opus 5.5、Midjourney、Suno，谁合适谁上，"Best model wins"。

分层这半句是全场重心。前面插件有了自己的门讲的是给工具发座位，这条讲的是给活儿分级。跟前面模型不动砍三倍开销呼应，那条省的是重复，这条省的是杀鸡用牛刀，两头都在把力气花在刀刃上。跟前面聚合器被马斯克接了也接得上，同一件事的两面，一面是往外派，一面是往内省。

"极速版出来之前"这个时间点我留意，话是提前放出去的，等于把路线图当成了承诺，这类说法兑现的那天才是真账。

我留的疑问有三处。Grok 4.8 极速版的时间表没给；简单与复杂的分界怎么划没说；选错模型的责任也没提。

这周记录自己手头任务里简单活的占比，看给"极速版"留的位置有多大。

github.com/usestrix/strix
github.com/666ghj/MiroFis…
github.com/screenpipe/scr…
github.com/getzep/graphit…
github.com/trycua/cua

三百多个 AI 代理被人收进一个 GitHub 仓库，这帖挑的重点是，比那几个人人转的宝藏更值得看。

五枚照录。Strix 自主地给你的应用做安全体检；MiroFish 放一大群代理去模拟结果、改进预测；screenpipe 从你电脑上发生过的事里，给代理造出可检索的上下文；Graphiti 建的是连着的记忆，不是囤旧聊天；Cua 让代理在隔离的虚拟桌面里干活。

光这五个，加起来约二十二万五千颗星。分类也顺手给了，编码的、浏览器的、记忆的、研究的、多代理团队、沙箱，六个筐。

原句那句收尾我也留着，"before building anything from scratch, check whether someone already solved it"。

"先查有没有人解决过"这半句是全场重心。前面一百二十八个扫出九个讲的是替你挑能用的，这条讲的是替你避开重造。跟前面给代理配个引路的呼应，那条递的是参照物，这条递的是别人的成品，两头都在同一件事上省力。跟前面发仓库给它学也接得上，一个给模型看，一个给自己看，翻仓库这个动作正在变成日常。

五个筐这个分法我留意，清单本身没新意，把它们按"能解决哪类问题"摆开才是那句收尾的底气。

我留的疑问有三处。仓库的收录标准没给；300 这个总数怎么统计的没说；二十二万五千颗星的时间点也没标。

这周照这五个把自己的项目清单对一遍，看有几件其实早就有人做过了。

biohub.org/news/virtual-b…

Google DeepMind 把手伸向了生物学的地基，落点不在模型，在数据。

宣布摆开。话说得很直，构建预测性生物学模型是这个时代最重要的科学挑战之一，而解它需要前所未有的大规模新实验生物数据。说这话的是 Google Cloud 首席科学家、DeepMind 副总裁 Pushmeet Kohli。他宣布 DeepMind 将与 Chan Zuckerberg 的虚拟生物学计划联手，造出改进预测性生物模型所需的多模态数据集。

底下那层逻辑也交代了。生命要在多个尺度上才看得懂，从 DNA 和单个蛋白质，到活细胞，再到整体健康；AlphaFold 和 Protein Data Bank 走过的路给了同一条教训，没有高质量的开放数据，重大的生物学难题根本解不开。

公告那张卡片把价码也亮了出来。跨国跨部门的协作承诺投入接近二十亿美元，Biohub、能源部、国立卫生研究院和伙伴一起生成开放、标准化的数据。这些数据拿来训练模型，目标是预测细胞如何响应干预。

文末一串名字排开，艾伦研究所、布罗德研究所、格拉德斯通、人类细胞图谱、蛋白质图谱、桑格尔研究所、Isomorphic Labs、Meta。

"先备数据、再谈模型"这半句是全场重心。前面一百二十亿超了原定目标讲的是把钱备进产能，这条讲的是把钱铺进语料。跟前面一个空间三种检索呼应，那条管怎么找，这条管找什么，两头都在给下一批模型备原料。跟前面给奖励加一层也接得上，一个把准绳装进训练，一个把原料倒进训练，同一条链子的前后两端。

AlphaFold 那句教训我单拎出来记，当年赢在算法，如今要补的是数据，这说明到了某个阶段，瓶颈会从聪明挪到勤奋。

我留的疑问有三处。二十亿的分配比例没给；数据集的发布节奏没排期；参与的机构各自出什么也没数。

这周把公告那篇 biohub.org/news/virtual-b… 和他那篇尺度文章 linkedin.com/pulse/understa… 都读完，看自己这边最缺的是哪一层数据。

一个开放研究选题被当众认领，卡住它的不是想法，是钱和算。

Nathan Lambert 的原话摆这儿。如果有人要做蒸馏对前沿进展影响的开放研究，"we happily would at @trillium_labs"，乐意做。但得先把资金和算力撑起来才能开工，后面还跟了一句，"you know where to find me"，随时可以找他把这事提前。

他自己的身份也在推尾挂着，开放模型研究者、Trillium Labs 的创始人兼主管，之前在 Ai2 共同负责 Olmo，还写后训练那本书和 interconnects 通讯。

蒸馏这件事本身的背景不复杂，小模型向大模型的输出学，学出来的东西够不够、损了多少，正是这篇选题要回答的。

"先认领、后要粮"这半句是全场重心。前面近二十亿只为把数据铺开讲的是大机构把粮草备进语料，这条讲的是小团队把粮草卡在门口。跟前面一百二十亿超了原定目标呼应，一个在融资端排队，一个在研究端等拨，两头都在同一件事上使劲，把想法换成算力。跟前面三周快五倍也接得上，一个省着花算力，一个连花的都还没有。

选题挂出、缺口明说这个姿态我留意，把"缺什么"直接写进认领里，比先应下来再悄悄搁浅要诚实得多。

我留的疑问有三处。这项研究的题目清单没给；需要的算力规模没数；资金从哪来也没提。

这周把自己的算力账摊开看一遍，顺手替这项研究估一估最小可行的那档要多少。

一笔订阅被换算成另一个量级：两百美元值一万二的 token。

哪家计划给得出，原句说 this is not close。

四句引言照录，一句比一句直白。"They're selling to willing buyers at the fair market price. This is capitalism."；"You can pay $200 for a Claude plan and get $12,000 of Opus 5.5 tokens at API pricing. So that's obviously a good deal."；也有人往回收了收，说两百块的计划在特定模型、特定负载下值多少钱得算，可 5.5 本身是个怪物，值六千甚至五千。

最后一句把话推到对面，这么一比，谁给的多已经不重要，是 ChatGPT 和 Anthropic 两家订阅之间的较量。配的视频四十来秒，两位本周做客对谈的人名字也在推尾。

"用 API 价签给订阅记功"这半句是全场重心。前面二十块两小时只吃一成八讲的是自己盘算用量，这条讲的是别人替你把两本价签并排放好。跟前面小模型先降七成五呼应，那条压的是单价，这条翻的是倍数，两头都在替算账这件事找新基准。跟前面一百二十亿超了原定目标也接得上，一个在融资端比钱，一个在订阅端比货，同一条价格线的两端。

六倍这个落差我单拎出来记，能把差价摆到明面上的，从来不是官方，而是拿着两边价签的第三方，谁替你算，比算了什么更关键。

我留的疑问有三处。一万二按哪档用量折的没说；两百块计划的细则差异没拆；这场对谈的完整结论也没在推里。

这周把自己那两档的月度用量按 API 价折一遍，看落在哪条线上。

liquid.ai/blog/d1-open
huggingface.co/LiquidAI/d1-3b
huggingface.co/LiquidAI/d1-om…
docs.liquid.ai/lfm/models/dec…

d1 把权重放了出来，决策模型这条线头一回能整个拖回家跑。

两枚照录。d1-3B 管高质量的文字与视觉决策，占地有讲究就试实验性的 d1-omni-600M，权重下载、微调、本地部署都行。机制上它们不生成文章，一次前向就交出结构化的答案，是或否、挑标签、按评分表打分。

底座各不相同，一个建在 LFM2.5-VL-3B 上，小的那只用 LFM2.5-Encoder-350M 再加视觉和音频编码器。成绩是自报的，Decision Index 0.2.1 上 d1-3B 拿 48.57，压过 Decider 35B-A3B 的 47.11。

延迟那栏，单问在 Jetson AGX Thor 上十六毫秒、Orin 二十六毫秒、Orin Nano 五十毫秒。

四条链接摆全，博客、两个模型页、文档，一处都别漏。

"不生成一个字、只交答案"这半句是全场重心。前面给形状不给自由发挥讲的是让主模型吐出能进流程的形状，这条讲的是连吐都不吐、单程直接出结果。跟前面把决定挪进系统呼应，那条改的是谁在定，这条改的是定得多快，两头都在往省的那一侧压。跟前面三天走下来那批大动作也接得上，一个把界面越做越厚，一个把输出越削越薄，两边同时往两头走。

我单拎出来的是那个十六毫秒。放在路测这个量级上，答案比眨眼还快两个数量级，这类数字一旦进了生产链路，人对响应的期待就得重写。

我留的疑问有三处。音频那边的基准成绩没给；许可写的是 LFM 1.0、具体条文没在推里；生产环境的真实表现也没第三方验。

这周拿一段本来要调大模型的分类活换它试试，看十六毫秒是不是能在真链路上站住。

openai.com/index/teens-le…

OpenAI 把大学申请这件事搬进了聊天框，同一天还把一份针对它的评估争议摆在了台面上。

四件照录。官方那条讲，ChatGPT for Teens 交进度，顺带预览 College Planner，配新的学习工具，也给升学顾问和青少年发声那头加支持。被系统认出未满十八岁的账号自动进这个版本，保护默认开着。

College Planner 把申请要求、截止日期、任务和助学金步骤归拢到一处，先面向美国申请四年制大学的高中生。iOS 上还多了把多页笔记拍成 PDF、再做成卡片和小测的活。

使用数官方自己给。学习可视化一周近一百二十万青少年在用，Study Mode 十八万出头，人均每天在 ChatGPT 上不到十五分钟。能用上青少年版的比还没用上的，平均多发出约二百七十万条学习相关消息。规划器还只是预览，没给发布日期。

争议同日落地。Common Sense Media 的青少年 AI 安全研究所在四千多条提示的测试后，把青少年版评为对十八岁以下用户不可接受的风险。理由是，涉及自残与饮食障碍的长对话中家长警报没有出现，且测试者能绕过 Study Mode，要求在问题处理前停供未成年人。

OpenAI 反驳，测试没有准确反映保护机制的实际运作，还点出某些保护没有正确触发的技术错误。该研究所也披露，自己的资金来自包括 OpenAI 基金会在内的公益与产业方，编辑独立。

"功能与护栏同一天摆出来"这半句是全场重心。前面第三天那条讲的是量的冲刺，这条讲的是面的下沉。跟前面修路的多装监控的少呼应，那条是路先跑监控后补，这条功能和争议前后脚到场，两头都在把安全这题摆到明面上。

我单拎出来记的是那句结尾，官方说会继续评估这些工具和保护在实际里怎么工作、把学到的分享出来。承诺的姿势摆得挺正，接下来就看动作跟不跟得上。

我留的疑问有三处。警报失效的技术错误何时修没说；四年之外的院校何时覆盖没排期；顾问那边的评测结果也没数。

这周把自己的学习节奏跟它那套工具对一周，看十五分钟这条线对普通学生是宽是紧。

二十八天走到第三天，Tibo 一口气交了三样，还顺手给所有付费账户存了次重置。

三样照录。重头是 GPT-6 进了 ChatGPT 的聊天页，同日上线的 Intelligent UI 能吐出图表、表单和可点的控件；第二样是庆祝，Codex 和 ChatGPT Work 合计活跃用户冲到四千万的新高；第三样进兜里，所有付费账户都会收到一次能存着以后用的重置，原句是 "Loading a banked reset in everyone's paid accounts"。

引的第二天汇总也摆着，自动评审不占用量、给开发者的简化 API、会议笔记入内、Decisions API 上线，四件一排。

"先存着、别现在花"这半句是全场重心。前面第一天讲的是提速，第二天讲的是省用量，这条把重置改成存款。跟前面第一天就提速呼应，那条改的是快慢，这条改的是节奏，两头都在替额度这件事重新排座次。跟前面二十块两小时只吃一成八也接得上，一个记自己花了多少，一个记对方还欠你多少。

四千万这个数我单拎出来记，两家的口径都没给窗口，一个把周活、月活混在一起报，越是这种时候，数字越要连着它的算法一起读。

我留的疑问有三处。四千万的统计窗口没写；存起来的重置何时到期没说；GPT-6 在聊天页和在 Work、Codex 里是不是同一套也没数。

这周把存的那次重置留到周末，看它够不够撑一整晚的长活。

Cowork 把虚拟机整个搬上了云，工程师先道了歉。

新旧摆开。旧版的推理早在云端，工具调用却跑在发到用户电脑的那台虚拟机里，加它是为了能力和安全，只映射用户显式加进会话的数据。用户喜欢 Claude 能干的那些活，却受不了三样，占的盘、耗的电、拖慢的性能，还有一条更要命，笔电一阖上，活就停了。

新版把推理和虚拟机一并放进云里，每个会话拿到独立的沙盒，互相不共享状态；云端要用设备上的文件，由桌面应用出面接这一次调用；只碰用户显式加入会话的那些文件夹，会话一结束沙盒就销毁。

三项好处照录：阖上笔电活还在跑；调度的任务不再要求设备在线；桌面、网页、手机之间同步，手机上就能发任务。官方说明中心补的时间点是，10 月 6 日起，Pro 和 Max 新建的 Cowork 任务一律云端，"仅在你的电脑上"那个选项被拿掉了。

"阖盖不停工"这半句是全场重心。前面新会话上云那条讲的是把跨设备那节接上，这条讲的是把干活的机器整个挪走。跟前面两天换掉工作台呼应，那条是底座两天搭好，这条是底座连位置都换了，两头都在把本机那份负担往外搬。跟前面修路的多装监控的少也接得上，一个搬算力一个搬视线，都发生在你看不见的地方。

那句道歉我单拎出来记，"这个变更比我们希望的更让人意外"。改动发了邮件也发了应用内通知，还是先把话说软了，这种姿态比改动本身更难得。

我留的疑问有三处。Team 和 Enterprise 啥时候跟进没给；数据合规那条边没写；云上沙盒跑得久了，额度怎么算也没数。

这周把自己的 Cowork 任务全改到云上跑一次，阖盖出门，看回来它是不是真把活干完了。