AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

本地部署线又便宜了一档：OpenBMB 官方转发了社区给 MiniCPM5-2B 做的 EXL3 4-bit 量化版——量化后的权重只有 1.61 GB，在一张 NVIDIA Tesla T4 上实测 约 68 到 70 tokens/s，由 ExLlamaV3 与 TabbyAPI 支持本地推理。

模型：huggingface.co/ewin-reg/MiniC… ，底模：huggingface.co/openbmb/MiniCP… 。

1.61 GB 是什么概念？一张老旧显卡、一个 U 盘、一台断网的笔记本——都能把它放进去。这条把"长尾搬回家"推到了硬件成本的地板上：此前讲开源模型接进 Claude Code、讲 4090 跑图模，门槛都还在"有块像样的卡"；而 2B 模型压到这个体积之后，跑 AI 的最低入场券变成了一台十年前的机器。

对网络受限、数据敏感、或者纯粹不想付月费的场景，这就是那个"反悔权"的物理形态——不用求任何人，插上就能跑。

量化本身的取舍也值得摆明白。EXL3 4-bit 是拿精度换体积的典型工程动作：权重从浮点压到 4 比特，内存占用骤降，代价是精度与表达力有损失——对 2B 这个小模型、以及摘要、改写、分类这类长尾任务，这笔交换通常划算；但别指望量化后的 2B 去扛复杂推理。

这与昨天那条"工程取舍"的讨论正好接上：底模决定上限，量化决定门槛——宣传里要分清哪句话说的是上限、哪句说的是门槛，数字才不会被混着听。

官方转发这个动作也说明了生态的分工：社区做适配，官方做背书——量化版本质量参差，有原厂点头的那一个，至少省掉了"这个版本靠不靠谱"的第一轮筛选。对开源项目来说，这比自己再发一个版本更划算；对用户来说，看到官方转发基本可以放心拿来做实验。

留一格清醒：68-70 tokens/s 是 T4 上的实测口径，你的硬件、上下文长度、并发都会改写这个数字；"1.61 GB"是权重体积，加载与运行还要额外内存；精度损失对你的任务影响多大，得用自己的样本试。方向没问题，参数以自己跑出来的为准。

给想试的人一句落地的：先别谈部署，算三个数——你机器的显存是多少、你最常用的那类任务是什么、精度损失能不能接受。三个数都合适，就拉下来跑一遍你的真实任务；只要比你上一次的方案便宜、够用，它就已经赢了——本地线的胜负从来不是谁更强，是谁更省。

第三家加入"送"的行列了：Cognition 宣布 Devin 大幅降价——Fusion 与 Normal 档便宜 30% 到 40%，Ultra 档便宜 15% 到 20%，Devin Review 最多便宜七成，同时还说能力在提升：Devin Fusion 已经在 FrontierCode 1.1 Extended 上排到第一。

把它接进本周的账本，"从互相削到互相送"这条线就坐实了：先是 Claude 把刚发布的旗舰下放免费层，然后 Codex 拍出明天生效的无限用量，今天 Devin 直接砍价三到七成——三家、三种送法、一周之内。

别忘了这条线五天前还是反着走的：撤数字、周限降、档位涨价额度打折——同一批厂商，方向掉头只用了几天。原因也不神秘：当能力差距拉不开，价格就成了唯一的牌——存量用户抢完之前，谁先降价谁先圈人。

对用户的实际结论很直白：这是买方市场最舒服的窗口。之前算过的那些账（月费除以实际用量、三组单价取最小）现在有了更宽的比较范围——同一件活，三家的价格在一周里全部松动，你的选型表该重排了。

但丑话照旧：降价的"省"要和基线一起看——是原价降、还是套餐结构改了；七成那个数字指的是 Devin Review 一个档，别把它听成全线七折；这周"基线挑得低"的教训刚写完，看促销数字时记得问同一句：和什么比的？

留一格清楚的边界：三档降幅与能力排名以官方公告为准，排名也会随基准更新变动；"互相送"是我们的归纳，送的尽头未必是白送——圈完人之后的回收动作，这周在订阅线已经见过一轮了。

给要换方案的人一句落地的：今晚花十分钟重算一次单价——把你上个月的真实用量分别套进三家的现价，取最小那个；算完先别急着迁，把新价格截图存好——按这周的规律，下一次变卦不会隔太久。

一条把"跑分话术"当场拆穿的新模型发布：清华副教授代季峰创办的 NaiveAI 推出首款模型 N0.5-Flash，主打"AI 参与研发 AI"——号称模型参与了架构设计、代码编写与推理优化，官方公布的单流推理峰值达到 2122 tok/s。随后月之暗面研究员杨新宇公开质疑，几点拆得相当到位。

第一刀砍在基线上：2000 tok/s 本身确实做得到，但它选的参照太弱——拿 SGLang 的 300 多 tok/s 当分母，而小米参数更大的 MiMo-V2.5-Pro 早已经跑过 1000 以上。

基线选得低，最后的提升幅度自然显眼。第二刀砍在"架构创新"上：N0.5-Flash 底模是小米 MiMo-V2.5 Base，改造是把全局注意力换成 DSA、最终用了 DSA 加 GQA——这更像基于现有底模的工程取舍，还会损失 GPU 利用率，算不上多大突破。

结论一句：它证明了继续训练和工程优化能让模型变快，但还没证明"AI 参与研发"带来了人类团队做不到的突破。

这条几乎是昨晚评测四铁律的活教材。铁律说"别拿今天模型的短板建题库""顶尖模型跑分也必须远低于满分"——说的正是同一件事：测试的区分度取决于基线的强度。基线一弱，什么都能看起来像突破；这也是为什么四铁律里那句"裁判优先用程序"值钱——数字口径交给可复现的跑法，而不是谁都能挑的参照物。反过来，看到"提升 X%"三个字，第一反应永远是那句：和谁比的？

"AI 参与研发"的宣传则提醒了另一层：方向性主张需要的证据等级比性能数字高一档。快了 2000 tok/s 是可复现测量，"AI 带来了人类做不到的突破"则是因果主张——后者要的不是峰值截图，是消融、对照与第三方复跑。

国产模型这半年声量很猛（榜单领跑、逐个登顶），越是这个时候，把"跑得快"和"想得新"分开记越重要：前者是工程能力，后者才是"AI 研发 AI"真正要证明的东西。

留一格清醒：质疑是研究者的公开口径，双方的完整数据都以各自披露为准，基线之争也有解释空间（参照物的选择未必出于恶意）；但"先看基线"这个动作不需要等结论——它对任何厂商的任何数字都适用。

给看新模型发布的人一句落地的：下次看到"提升 X%"，先问三句——和谁比、同条件下测的吗、分母是谁。三句答不全，数字就先当广告看；答得全，它才值得进你的选型表——基线是不会骗人的，会骗人的是挑基线的人。

昨天帮朋友翻译一份技术文档，需要离线处理，试了好几个模型都跑不动。后来发现腾讯新出的Hy-MT2，1.8B的体量，靠自研1.25-bit极端量化直接缩到440MB，推理速度比上代快了整整一倍。

这个模型最让我惊喜的是它的轻量化能力。不是那种东一榔头西一棒子的生成，而是真的按照翻译的逻辑来：开头铺垫、冲突升级、高潮反转、结局收尾，每一步都卡得很准。

我用它测试了几个场景：帮我在本地快速翻译技术文档、帮我在没有网络的时候处理多语言内容、帮我在离线环境下快速生成报告。响应速度不错，准确率也还可以。当然，免费工具在功能上可能没有付费版那么完善，但作为平替完全够用。

几个亮点：

• 440MB超轻量，入门款Mac mini都能本地带得动
• 轻量版翻出来的质量，已经压过微软、豆包这些主流商业API
• 7B和30B更是把DeepSeek-V4-Pro等开源选手甩在身后

项目地址：huggingface.co/tencent/Hy-MT2…

需要离线翻译的，可以直接收藏这个。

把文档丢给大模型之前，先有一步最不起眼的脏活：Word、PPT、Excel 格式各不相同，转成 Markdown 的质量还飘忽不定——光这一步就够折腾。Firecrawl 团队用 Rust 搞出的 anydoc 把这步做成了流水线：14 种办公格式通通转 Markdown，转换速度中位数不到 5 毫秒，星数已破 1.2 万（仓库：github.com/firecrawl/anyd… ）。

它最值得夸的不是快，是结构一致：不管源文件是哪种格式，转出来的 Markdown 结构都一样——表格、脚注、嵌套列表该留的都留，不会因为换个输入就变样。这一点对 AI 工作流比"能转"重要得多：你喂给模型的东西如果每次结构都不一样，它每次都要重新猜布局，省下的功夫全赔在理解上。

用法上给了 Node.js、Python 和浏览器三条路，其中浏览器版在本地完成转换、文件不过服务器——顺手把数据边界也守住了。

把它接进今晚的可读性三层，正好补全了"进"的那半。Nimbus 讲的是出——你写的文档要让人和 agent 都读得懂；评测四铁律讲的是判——结果要可验证；anydoc 这条讲的是进——喂进模型之前，先把原料洗干净。

三层连起来就是一条完整的纪律：入口统一结构、出口保持可读、中间立好标尺。多数 AI 应用的"模型不听话"，问题其实出在入口——脏文档喂进去，模型只能在格式噪音里猜你想要什么。

另一个值得单独点的是"本地转换"。这几天数据边界那三连（机器会转发、人会审阅、上传按钮不会告诉你几双手）说的都是你的文件离开过多少地方；anydoc 浏览器版的答案是零次——对合同、账表这类不该出门的文件，这一个特性就值回星数。

留一格清醒：12000 星和 5 毫秒是项目口径，实测效果取决于你的文件有多乱——尤其是扫描件、复杂排版和老格式，先拿自己的样本试；"14 种"覆盖的是常见办公格式，特殊行业格式未必在列。

给要试的人一句落地的：把你最常喂给大模型的三种格式各转一个真实文件，对照原件看表格和列表有没有丢——三个都干净，这个库就是你的常备件；只要有一个转崩，就等下个版本，脏活宁可慢，也别喂模型半截假数据。

订阅线等了一周的反转来了：Codex 明天起提供无限用量——发帖人顺手抛了个挑衅式的问题：那你要离开 Claude Code 吗？

把这条接进本周的账本，剧情正好掉头。前面七八篇我们都在讲"削"：撤数字、周限降、倍数改名、档位涨价额度打折、免费层之外处处设卡——这两天突然开始"送"：Claude 把刚发布的 Sonnet 5.5 直接下放免费层，OpenAI 这边 Codex 拍出无限用量。

一周之内，从互相削，变成互相送。方向一变，原因也就不难猜：两家都到了"抢存量"的阶段——你送旗舰我给无限，价格战打不动之后，比的就是谁先把用户的习惯养出来；毕竟模型的收入是月月收的，习惯却是一次养成的。

对用户的实际意义很直白：这周到明天，是订阅最划算的窗口。需要重算账的是那批在纠结升档的人——之前算"4 倍钱 2 倍额度"的题，前提是额度稀缺；一旦有一边开始给无限，你手里所有按额度做的性价比计算都得重排。谁先用满谁先受益，这跟"发布会是对账周期"是同一条纪律：政策一变，立刻重算自己的单价。

但丑话照旧要留："无限"两个字从来带小字——速率限制、公平使用条款、哪些模型算在无限里，历史上的无限大多是"低峰无限"或"档位内无限"；Claude 那边的免费层同理，能升也能降。凡是没写进合同的额度，都是今天的天气——这句在这周已经应验过三次了。

留一格清楚的边界：Codex 的具体条款以官方公告为准，"明天"是发帖人的转述；"要离开 Claude Code 吗"是引流式设问，不必当真——多数人的最优解不是换阵营，是在能白拿的窗口里把该跑的任务跑掉。

给正在纠结的人一句落地的：今晚把你积压的重活列三件出来，明天无限一开就跑——用满了是赚到，用不满也不亏；换阵营这种大动作，等双方把小字都亮完再说——这周的教训就一条：让子弹先飞过小字。

一条有点让人唏嘘的观察：文心一言是国内最早对标 ChatGPT 的产品，现在几乎销声匿迹、没人再提起——起了个大早，赶了个晚集。

把这条接在昨天那篇"没人提的，才可能是刻进地基的"后面，会发现"没人提"其实有两种完全相反的命运。ReAct 那种，是成功到成为空气——概念无处不在，只是不再需要名字；文心这种，是掉队到退出牌桌——当年最早举起旗帜的人，后来者居上之后连讨论的资格都没了。

同样是消失在舆论里，一种是刻进了地基，一种是被移出了施工图。分辨方法也很简单：还在被别人参照的产品，隐形是地位；连参照都不再提起的，隐形是出局。

先发优势为什么这么脆？因为它买到的只是时间窗，而不是代际。产品力在模型代际面前是租来的：基座每换一代，所有人的起跑线就重画一次——先发者积累的用户习惯和品牌认知，会被下一代能力差直接冲掉。

这周的牌桌重组看得尤其清楚：Anthropic 拿着招股书冲刺上市、李飞飞的公司两年就被芯片厂买走、各种新框架轮流刷屏——牌桌上从不缺"最早"，缺的是"每一代都在"。先行者的真正考验从来不是第一个到，而是每次换代都还站得住。

留一格清醒：这是发帖人的感慨，文心的现状有产品、市场、公司战略多重原因，"销声匿迹"也带情绪色彩——它仍在服务、仍在迭代，只是声量不在聚光灯里；个案背后也别忽略先发者赚到的那几年窗口期红利是真实存在的。方向没错：代际更替对所有产品的折旧速度是一样的，不管你是不是最早那个。

给看产品的人一句落地的：判断一个 AI 产品，别问它多早出现，问它上一次实质性代际更新是什么时候。答案超过两个大版本，资历就是负资产——先发是入场券，不是护城河；这周所有热闹的牌桌都在证明同一件事：每一代都要重新上桌。

一条校准风气的 hot take，总共两句话：vibe coding 适合小项目，生产级的大项目仍然需要真正的编码。

这句话的价值不在泼冷水，而在给这几天的狂热画了条线。我们刚发过"让可回滚的一半交给会自改写的 harness"，讲的是同一件事的另一面——分界不是"AI 能不能写"，而是"写错了赔多少"。

个人项目、原型、内部小工具，搞砸了刷新重来，vibe 的速度优势就是全部；生产系统一行代码错了可能是事故、赔款、客户流失——这时候需要的是测试、评审、回滚和责任链，而这些恰恰是"凭感觉快速迭代"最不擅长交付的东西。同一套工具，在两种代价结构里是两种评价。

把今晚的线索摆一排，这条边界已经出现过三次。评测四铁律讲生产要能被验证（真实基线、可判定验收）；安全线那几篇讲不可逆的操作必须硬约束（花钱、删数据不交给商量）；Raven 篇讲可回滚的那半才交给自改写。

现在这条用最直白的话再说一遍：小项目拼速度，大项目拼不出错。四篇其实是同一句话的四种场合——vibe coding 没有被否定，它被安放了：和"提示词回到该待的位置"一样，热度退去之后各归各位。

顺带说清"真编码"在这里指什么——不是不用 AI，而是用法换档：AI 照样写大部分代码，但改动要过测试、要有人评审、要能回滚、要留下可追溯的记录。也就是说，vibe 的对立面不是"手写"，是"没有验收的生成"。你完全可以既快又稳，只要快的那一段发生在可回滚的范围里。

留一格清楚的边界：这是发帖人的立场表达，不是研究结论——也有人用严格流程把 vibe coding 推进了生产，关键从来不是标签，是那套流程补没补上。但对大多数人来说，这个默认值是对的：先假设大项目要真编码，除非你能证明自己出了错真的赔得起。

给拿不准的人一句落地的：给你手头每个项目贴两个标签——错了赔多少、能不能一键重来。赔得多、不能重来的，把 AI 的产出全部关进测试和评审里；剩下那类，放心 vibe。同一双手，两种节奏，这才是 2026 年该有的用法。

一个把"自改进"推到编排层的新框架：Raven 0.2.0 号称 Harness of Harnesses——核心判断是"一个 harness 不可能什么都最强"，所以它把自己的专家 harness（研究、代码、设计、值班）和你已经在用的 agent（Claude Code、Codex 等）编进同一张任务图，共享记忆，当成一个团队来跑。

仓库见 github.com/EverMind-AI/Ra… ，讨论组：discord.gg/VVSm8MESch

真正值得停下来看的是第二层设计：它不只让 skill 自我改进，而是让整个 harness 可被 AI 重写——提示词、策略、策略代码、playbook 全在内，连编排层自己都是一个可改进的实例。

这句"编排层也是实例"把今晚几篇串成了一条递进线：先有人把技能写成可进化的资产（SkillOpt），再有人把决策画成固定拓扑（图工程），Cherny 那篇说别再给模型打补位的细碎规则——Raven 把第三步摆上台面：画图的那只手，也可以交出去。从"用结构管模型"到"让结构自己长"，这条线走到哪一步，行业自己都还在试。

支撑它的不是口号而是可验证的数字：编排质量有基准背书——多 agent 编排基准上 0.963 的 Node F1，长任务侧有值班与主动执行机制撑着（号称能连续跑几天，从科研循环到完整交付）。

这两个数字恰好是今晚反复出现的那对关系：能改进的前提是能测量——没有可测的编排分数，"自改进"就会变成每天瞎折腾；没有连续执行，策略改得再好也落不了地。和 Anthropic 那套评测四铁律合起来看，结论一致：先立标尺，再谈进化。

把三条产品线并排，选择也清楚了。想要固定拓扑不出错的，图工程那套够用；想要技能越用越熟的，SkillOpt 方向对口；想要整条流水线（含编排）都能被模型迭代的，Raven 这条路最激进——但激进的代价是它要求你把自己的 prompt、策略、playbook 全部当作代码来管版本，否则"AI 重写编排层"哪天改坏了你都找不出是谁干的。

留一格清醒：0.963 是它自己引用的基准口径，榜单与实测会有出入；"能跑几天"也取决于任务与容错配置。新框架的通用性和长期维护都要时间验证——先在低风险的非关键流程上试，别一上来就把生产流水线交出去。

给想试的人一句落地的：把你的流程先拆成"可回滚"和"不可回滚"两类——只有可回滚的那半（文档、测试、内部工具）交给会自改写的 harness；涉及花钱、发信、删数据的那半先继续手动确认。自改进跑得快不快，取决于刹车灵不灵，这条今晚在安全线那几篇里已经讲过一遍。

马斯克给 20 多岁年轻人的 AI 时代建议，一句话就能让人愣住：未来的 AI 和机器人会极度渴望听到人类发出的任何请求。背景是他另一个更冷的判断：当智能和物理劳动力多到几亿台、任何请求都能几秒内被满足，执行力正在以惊人的速度贬值成最不值钱的底料——过去两百年工业文明和教育体系教我们的那套"把活干好、把自己训练成更精密的零件"，正在失效。

这句话初听像修辞，细想是一笔极冷酷的供需账：当供给（智能、劳力）过剩到像空气一样便宜，稀缺的底座就换了——不再是"谁能把事情做出来"，而是"谁能提出一个真正值得被满足的愿望"。这也顺手解释了为什么 Prompt 的意义早就超出了输入框里的技巧：你写的不是指令，是给过剩产能下的订单；只懂一行代码的人，只能让它做出平庸的网页，而对艺术、物理约束、人性有体感的人，发出去的订单带着重量和审美。知识面越宽、世界模型越密，问题就越锋利。

把这条接回今晚的主线，闭环就完整了。"黑箱时代，判断力是唯一输入"讲的是技巧层面——模型替你把细节补全，剩下只有判断；马斯克这条讲的是经济层面——判断不只稀缺，它会成为唯一还有议价权的东西。

执行、手艺、套路都在被规模化供给冲垮，而"想要什么、值不值得要"暂时无法外包，因为欲望和品味长在人身上，不长在参数里。今晚所有关于"提示词在贬值"的讨论，到此都有了价格标签。

更实际的一层是它对学习方向的改写。如果执行力贬值，那么继续堆执行技能就是在增持贬值资产——多考一个证、多背一套模板、多练一门手艺，边际都在塌。真正该增持的是那个"订单的质量"：跨领域的体感、对真实需求的理解、把模糊的痛感翻译成清晰目标的能力。

这也是为什么今晚的十来篇里反复出现同一个动作——先想清楚"要什么"，再谈"用什么模型"：在过剩时代，提问的质量就是生产资料。

留一格清楚的边界：这是视频里的转述，原话与上下文以视频为准；"极度渴望"也不该读成字面的讨好，它指的是能力过剩方对需求信号的结构性饥渴——历史上每一次产能过剩，最终都是需求端说话算数。方向不必怀疑，但别拿它当躺平的借口：愿望稀缺不等于空想值钱，能兑现的愿望才配叫订单。

给想练"订单质量"的人一句落地的：每周挑一个你真实遇到的麻烦，写成三句话——现状是什么、我希望变成什么、什么算做到了。写不出第三句，说明你还没想清楚；写得出，你就比大多数人更配使唤那群"极度渴望"的机器。执行已经便宜了，把功夫花在许愿上。

Anthropic 把压箱底的调优方法论公开了，还配了两条能直接跑的官方指令——build-eval 在你的代码库里现场搭评测系统，hillclimb 拿着你的目标自动刷分降本。用一句话概括：让 AI 自己建真实验收测试集，自己改代码、自己跑分、防过拟合，直到把准确率拉上去、把 Token 账单砍到原来的五分之一。

先说评测的四条铁律，每条都在打一个常见误区。一，别拿今天模型的短板建题库——专挑它现在答错的题去考，测出的是这个版本的指纹缺陷，不是任务难度，下一代模型一出题库全废。二，顶尖模型在最强思考档下，跑分也必须远低于满分——让最强模型轻松拿满分的测试集等于没测，区分不出改动是变好还是变坏。

三，裁判优先用程序，其次才是大模型——能跑单元测试、校验 JSON 的坚决不用模型当裁判；非用不可时别打 1 到 5 分的模糊分，写成可逐条核对的事实清单，或做盲测 A/B。四，跑分必须能区分真变好和随机波动——每次结果都不一样，说明题目有歧义，或环境残留了上次的文件让 AI 抄了近道。

build-eval 的用法像面试：你在终端敲下指令，它先像资深架构师一样采访你，再抽你生产环境的真实对话、翻 Bug 报告和工单，最后才补少量合成数据，本地生成一个极简可视化页面——每个用例、每条评分理由、每段调用链路摆在面前，你点确认，基线就立住了。

hillclimb 更进一步：告诉它你要提性能还是降成本，它把数据切成训练集与测试集开始自动迭代——每次只改一个最小补丁；训练集涨了测试集没动，立刻判过拟合、秒级回滚；有退步就撤销重来；只有双涨才保留。卡住两三轮时它不瞎猜，而是把失败用例拉清单做归因：是指南写漏了，还是裁判判错了。

两个战报是全文最硬的部分。客服 Agent 极限降本：原本用 Opus 4.8 高思考档、准确率 74.4%、单次 4.6 美分；hillclimb 自动删掉冗余思维链和冲突规则、换低思考档的 Sonnet 5——最终在没见过的测试集上，准确率 78.6% 飙到 90.5%，单次成本降到 1 美分，账单砍掉近八成。

修旧记忆：优化官方 claude-api 技能时评分卡在 77，AI 复盘发现模型其实懂新接口、只是预训练习惯让它总写老 API，于是在规则最上方补一张新旧对照表，分数直接冲到 88。

把这篇放回本周的账本，三条线在这里汇合了。效率线讲"钱从哪省"（换代三成、档位分流、prompt 压缩），这条给出了第四步也是最大的一步：把调优本身自动化——过去 90% 精力当人肉测试员和 Prompt 缝合怪，现在玄学变成工程：用真实业务数据立标尺，剩下的爬坡让 AI 自己坐着干。

评测线那四条铁律，则是"能验证的就别只靠承诺"的完整操作手册：别考它的短处、别让它轻松满分、别用模糊打分、别放过随机波动——四条做齐，你才分得清变好和运气。

留一格清醒：两份战报是官方口径的单点实测，具体数字会随任务与版本变化；指令在 claude-api 技能里，装了才能跑，没装的别急着照抄数字。但方法论不依赖工具也能用：给你的项目立一条真实数据的基线，改一处只看一处，训练涨测试不涨就回滚——这三步手工也能做，工具只是让你做得快。

给被调优折磨的人一句落地的：今天就把你手头最难测的那个功能，用三句话描述成一条可判定的验收标准（输入什么、期望什么、怎么算过）。这条标准就是你的第一条测试用例——评测这东西，从一条开始就比没有强一百倍。

Claude Code 的创造者 Boris Cherny 发了条极短的实测，数字却很硬：Sonnet 5.5 用 Claude Code 修一个 bug——快 30%，用量省 30%。

同一份工作、同一个工具，只是换代了一版模型，时间少三成、账少三成——这两个 30% 合起来看更划算：同样的订阅额度，能干的活直接多出四成多（省下的三成不是白省，是换成了产出）。这正好给本周"比例不是拍出来的、是乘出来的"那篇补了个官方读数：之前我们拿 AT&T 的 40→70 讲买方怎么算账，现在模型供给方亲自给出了供给侧的乘数。

对还在犹豫"要不要升级"的人，这条把选择题变简单了。你不必为省钱去换模型阵营——换代本身就是最直接的省钱动作：同一套工作流、同一批提示词、同一个 skill，模型版本一升，快和省同时到位。

这与"档位分流"那篇合起来就是完整的省钱地图：先吃换代的红利（免费的三成），再做档位的分配（该便宜的便宜），最后才是压缩 prompt（最费劲的那成）。顺序反了的人，往往先做最费劲的。

留一格清醒：这是单个场景的实测——修 bug 恰好是 Sonnet 5.5 的主场，换个任务未必都是 30%；Boris 本人也是利益相关方（他是 Claude Code 的创造者），数字以更大样本为准。但方向不需要精确：连官方口径都在强调"更省"，说明这个阶段的模型竞争已经从"谁更强"卷到了"谁更划算"。

给等升级的人一句落地的：升级当天先别改任何东西——用你最熟的那套任务各跑一遍，记下耗时和用量；两次记录一比，你就有了自己的 30%（或者不是）。厂商的数字是广告，你自己的差值才是预算表。

两家顶级媒体在几小时内分别给出同一结论：WSJ 独家称 OpenAI 正在取消其下一代 AI 模型的发布，原因是它未能达到安全标准；NYT 随后以突发跟进——OpenAI 表示不会发布最新模型，因为研究人员提出了安全顾虑。

（转述自原帖，两篇报道：on.wsj.com/4xPPgao 与 nyti.ms/4ykSxQd ，细节以双方说明为准）

把这条接在昨天"因失控报告暂停训练"后面，事态就完整了：先是往回翻账查出问题，然后按下暂停键，今天正式确认——模型不发了。而这次给出的理由尤其值得停留一秒：不是成本、不是竞争、不是监管，而是"未通过安全标准"、"研究人员的顾虑"——也就是说，一群内部研究人员的一票，否决了本可带来巨额收入的发布。这在商业史上不算常见，在 AI 行业则可能是第一次以这种清晰度被大报证实。

这也给本周安全线的五连发画上了句点：HF 被黑、agent 外传图片、虚拟机逃逸、"根因是弱沙箱"的定性，最后落到这次——安全第一次拿到了否决权，而不只是风险提示。此前我们说过"护栏不该拆""能写成代码的约束别留在提示词里"，现在要补一句更硬的：当安全说不，收入也得让路。这句话写进招股书、写进独家报道，分量比任何一次论坛发言都重。

对用户的实际影响有两条。第一，发布周的预期要调整——你等的那个模型可能不会来了，此前基于它的迁移计划、评测计划先放一放；第二，"对账截图"的习惯更有用了——连顶级实验室都会临时取消发布，你手里的版本号与额度快照，是唯一不会被这次变故改写的记录。

留一格清楚的边界：取消的具体范围、是否会换名重发，以 OpenAI 后续说明为准；"安全标准"的细节两家报道都未完全披露，别急着脑补成科幻场景——结合本周已知事件，更可能是行为层面的顾虑累积到不可忽略。方向已明，细节待官方。

给关注这条线的人一句落地的：这周先别基于任何"即将发布"的传闻做绑定决定——改配置、换订阅、迁工作流，都等官方公告落地再说；传闻可以听，动作等公告。

AI 电影这周跨过了一道坎：Higgsfield 的新片《ANERNEQ》是一部 20 分钟的北极剧情片，如今整体开源——所有 prompt、所有素材全部公开；据其介绍，这部片子专门处理了 AI 影像最棘手的几个难点：自然的手持镜头感、真实的火光、细腻的雪地纹理。（转述自原帖）

比"又一部 AI 片"更值钱的是"全部公开"这四个字。此前的 AI 影像大多以成品示人——你看到结果，看不到路径；而这次等于把整条制作流程摊开：每个镜头怎么写、每段素材从哪来、哪一步容易翻车。

这与昨天那条"视频 skill 让便宜模型也跑出不错效果"是同一件事的两个层面：那条讲套路可以被沉淀和下沉，这条讲套路可以被完整公开——当 prompt 不再是秘密，能力的差距就从"你会不会写"挪到了"你知不知道要什么"。

另一个值得注意的信号是"20 分钟"。AI 影像的主流还是十几秒到一分钟的炫技短片，20 分钟意味着叙事、节奏、连贯性这些真正吃功底的东西开始被接管——从"能不能做出好看的帧"转向"能不能撑住一个有起承转合的故事"。难度的重心变了，而公开的素材让这个变化可被研究，而不只是被惊叹。

留一格清醒：开源的是 prompt 与素材，不等于你复刻就能得到同样的结果——工具版本、抽卡运气、后期修剪都还在暗处；"最难挑战已解决"是官方口径，以成片实看为准。但方向已经足够清楚：能被公开的，就不再是壁垒；壁垒只剩下你拿到材料之后做的判断。

给想用上这份教材的人一句落地的：别先看片，先去看 prompt——挑三个你觉得最难的镜头（比如火光和雪地），对照它怎么写、你自己会怎么写，差异就是你当前的真实水平；这份差距清单，比任何 AI 影视课都具体。

Simon Willison 点出 Sonnet 5.5 上线里最容易被忽略的一件事：它成了 claude.ai 免费层的驱动模型——也就是说，免费用户现在也能用上它干活；作为对照，ChatGPT 的免费层仍是 GPT-5.6 Luna，能力要弱一截。（转述自原帖，见 claude.ai ）

把这条接进本周的订阅线，一张对称的图就出来了：那边我们连发八篇讲付费层被削——撤数字、周限降、倍数改名、兑换率跌、档位下滑、连措辞都换成"More"；这边是免费层被升——旗舰直接下放到不掏钱也能用。

一升一降之间，付费墙的形状其实没变，只是重心挪了：付费层负责制造稀缺感，免费层负责把人拉进来；真正的交易从来不在任何一层里完成，而在"你什么时候决定跨过去"那一瞬间。

对用户的实际含义很直接：如果你只用免费层，现在 claude.ai 那边的性价比明显更高——同样的零成本，一边是刚下放的旗舰，一边是上一代的模型。但别忘了本周另一条主线：免费层是可以随时改的，这次能升，下次也能降——凡是没写进合同的额度，都只是今天的天气。这两天"厂商的发布会是你的对账周期"那条建议，用在这里最贴：换到免费旗舰的第一天，先截图记一笔。

留一格清醒：simonw 讲的是可用性与基准印象，两家免费层的额度与限流策略各自不同，实际体验还得自己上手比；GPT 免费层的模型配置也会随时间调整，本文只记此刻状态。

给只用免费层的人一句落地的：这周把两边的免费层各跑一次你最常做的那件事（写长文、跑代码、读文件都行），记下谁能做完、多快、有没有中途断限——你的三次实测比任何对比文章都可信；然后就用你现在真用得顺手的那家，别为下一个版本提前站队。

一份反常的公司清单：14 名员工、没有发布视频、没有融资公告、没有 X 主页、官网做得极简、连 .ai 域名都没买、没有 App、没有营销——创始人只在发新功能。就是这样一家公司，被称为 2026 年最成功的消费级创业公司。发帖人只留了一句：你真的可以直接做事。（转述自原帖）

这份清单的每一行，都在拆今天流行的做法。看看这一周的热闹：DevDay 要排预告、新模型要发预告片、创业公司要请媒体、产品要上 Product Hunt——仪式感本身已经成了一门行业；而 Instinct 把这些全部跳过，交出来的成绩单却是"最成功"。

差别不在态度，在账目：营销是成本，产品是资产；当资产足够厚，成本就越省越划算。那句"你真的可以直接做事"，说的是把花在宣布上的力气，全部挪回交付上。

AI 时代让这张清单变得可行。14 个人能撑起一家"最成功的消费公司"，靠的不是省钱，是模型把过去要 140 人才能覆盖的活接走了——写代码、做素材、回反馈、跑测试；于是"人少"不再是缺陷，反而成了一种纪律：没时间表演，只能做事。这与今晚"黑箱时代判断力是唯一输入"是同一枚硬币——当执行被大量自动化，剩下的稀缺项只有两样：判断做什么，和真的做出来。

留一格清醒：这类叙事天然有偏差——它只展示了"没营销却成功"的个案，没展示那些同样没营销却没人知道的公司（幸存者偏差摆在明面上）；"最成功"也是发帖人口径，以可查数据为准。但方向仍然成立：营销的边际收益在下降，交付的边际收益在上升，这条斜率本周的多篇都能佐证。

给做产品的人一句落地的：列一张自己的"仪式清单"——上个月你在发布视频、预告、平台投稿、社群造势上花了几小时，又在功能与体验上花了几小时。两栏一比，该往哪挪一目了然；Instinct 不是让你取消营销，是提醒你先把"值得被营销的东西"做出来。

本周资本线的顶点到了：Anthropic 已递交 IPO 文件，招股书被 Reuters 看到（报道：reuters.com/business/finan… ）——或寻求 2 万亿美元以上的估值；时间点可能落在 11 月美国中期选举之后，届时公开市场投资者将第一次拥有直接给一家前沿 AI 实验室估值的纯正标的。（转述自原帖，细节以招股书为准）

招股书里的数字值得逐行读，因为它把一整年的烧钱结构摆到了台面上：2025 年营收 45.9 亿美元，同比涨 1088%（此前一年是 3.86 亿）；经营亏损从 29.8 亿扩大至 80.6 亿；GAAP 净亏 419.7 亿，其中约 340 亿来自会计科目——主要是融资工具升值带来的账面损失（可能转股的部分），并非现金烧掉；但剔除这项，实质经营亏损仍然巨大。

计算与基建一项，2025 年花了 73.3 亿、同比涨 190%，占总运营开支的 58%，约等于全年收入的 1.6 倍；往前看，招股书列出约 5180 亿美元的云、算力与基建义务；客户侧，两大直接客户各占收入 12%、合计 24%，且许多大客户没有长期合同，可以随时减量或停买。

两个细节尤其值得圈出来。其一，这是"卖铲子的人自己也在被账单追着跑"的官方确认——支出是收入的 1.6 倍、义务是收入的百倍量级，整个前沿实验室的商业模式第一次以原始数字公开；这与本周"AT&T 把四成负载迁向开源"是同一枚硬币的两面：买方在被账单逼着省钱，卖方在为跑赢而举债。

其二，招股书把"日益自主的 AI 系统"列为风险——意外行为、安全问题、潜在滥用，都写进了给投资人看的正式文件里；把前两天"暂停训练"那条放进 IPO 语境，就不只是技术决策，而是上市材料里必须披露的经营风险。

顺带一句平衡：招股书里也有亮点——年底现金及短期投资 202.8 亿，Amazon 与 Google 既是战略投资方也是云基建提供方；只是"靠前两大客户 24%、大客户无长约"这两条，会是上市后被追问最多的软肋。

留一格清醒：泄露口径的招股书数字以最终正式版本为准，估值目标也会随市况调整；本文不做任何投资建议——看的是行业结构，不是买卖点。

给关注这条线的人一句落地的：记两个数就够——支出／收入的倍数（现在 1.6 倍）和前两大客户占比（24%）。往后每个季度把这两个数更新一次，你会比大多数头条都更早看出，这个行业到底是在赚钱的路上，还是在等一个能兑现的承诺。