Google给你的是链接列表——你需要自己点进去、阅读、判断、综合。
Perplexity给你的是直接回答——它帮你读了相关网页，提取信息，组织成结构化的回答，并附上来源引用。
这个差别在简单问题上不明显。但在需要综合多个信息源的复杂问题上，Perplexity能帮你省掉大量的阅读和筛选时间。
Perplexity的底层不是自研大模型，而是调用外部模型（包括GPT和Claude）+ 自己的搜索和RAG系统。
核心能力在于：
最适合：
不太适合：
Google推出了AI Overview来应对，Bing整合了Copilot。但Perplexity的优势在于它从第一天就是为AI回答设计的，没有”从传统搜索改造”的包袱。
不过Perplexity面对的一个根本挑战是：如果所有人都用AI回答引擎而不点击原始网页，内容创作者的流量来源就断了。这和当年Google被内容行业质疑是一样的逻辑，只是影响可能更深。
参考来源：Perplexity官方产品、科技媒体分析
]]>开源阵营：
闭源阵营：
EU AI Act对开源有专门的豁免条款，但”高风险”应用除外。这个法规框架对开源社区总体偏友好，但具体执行中仍有很多灰色地带。
预判：未来的格局可能不是”开源取代闭源”，而是分层——底层基础模型开源化，上层应用和服务闭源化。闭源的价值从”模型本身”转向”围绕模型的服务和体验”。
参考来源：各公司发布、EU AI Act文本
]]>开源阵营：
DeepSeek的低成本策略给整个行业施加了巨大的降价压力。当R1的运行成本只有OpenAI同级模型的1/20到1/50时，闭源厂商的定价逻辑直接被动摇了。
OpenAI的应对是不断推出更小更便宜的版本（Mini、Nano），同时在高端市场维持溢价。GPT-5.4的五个版本覆盖了从几美元到几十美元的完整价位区间。
Anthropic走的是分层策略——Haiku便宜快速、Sonnet均衡、Opus贵但强。Claude Code的$20/月起步价在同类产品里属于中等。
有些厂商在明面上没涨价，但通过限流、缩减免费额度、调整token计费方式实现了变相涨价。不少开发者反映API的实际使用成本比一年前高了。
Claude Code用户反馈的限流问题就是一个典型——$100/月的Max方案有时候一个prompt就把配额用光了。表面上月费没变，但实际可用量在收紧。
几个判断：
最终可能的格局是：基础模型能力接近免费，高级能力（深度推理、agent、长上下文）按需付费。有点像当年云计算的演变——基础计算变便宜，高级服务溢价。
参考来源：各公司API定价页面、行业分析
]]>大模型训练的电力消耗极其惊人。以GPT-4级别的模型为参考：
更可怕的是推理端。训练是一次性的，但推理是持续的。全球每天数以亿计的AI调用，累积的推理能耗可能已经超过了训练。
微软签了大量的可再生能源购买协议，甚至在探索小型核反应堆为数据中心供电。
Google承诺AI相关运营100%使用无碳能源，但实际执行中”碳中和”和”真正无碳”有很大差距。
DeepSeek的路线倒是提供了另一种视角——与其用更多GPU暴力训练，不如用更聪明的方法（MoE、FP8、更高效的架构）把计算量本身降下来。$550万训一个顶级模型的做法，从能源角度来看也是最环保的。
AI的能耗问题和AI的发展速度之间存在根本矛盾：
一些研究者预测，到2030年AI相关的电力消耗可能占到全球总用电量的3-5%。这个数字看起来不大，但绝对量非常可观。
效率优化（量化、蒸馏、MoE等）是目前最现实的解决方案。靠可再生能源完全覆盖AI能耗在中短期内不太现实。
参考来源：IEA数据中心能耗报告、各公司可持续发展报告
]]>AI安全研究组织METR做了一个严格的实验：让有经验的开发者分别在有和没有AI辅助的情况下完成编程任务。
结果：用了AI工具的开发者反而慢了19%。
是的，你没看错。有经验的开发者使用AI辅助后效率下降了，而不是提升。原因主要是花在审查和修正AI输出上的时间超过了AI节省的时间。
不过这个研究有一些限制条件——实验设计、任务类型、使用的具体工具都会影响结论。它不代表”AI编程工具没用”，而是说明在某些场景下，AI工具的投入产出比不像想象中那么高。
GitHub自己的数据显示，使用Copilot的开发者在代码补全场景下效率确实有提升，尤其是写样板代码和重复性工作时。
但在需要架构设计、需求理解、bug调试这些”真正费脑子”的环节，AI目前还帮不了太多——甚至可能因为给出错误建议而帮倒忙。
目前更准确的判断是：
恐慌和盲目乐观都没必要。这个领域变化太快，最靠谱的策略就是持续学习，把AI工具当成工具而不是替代品。
参考来源：METR研究报告、GitHub年度调查
]]>微软把Copilot改造成了agent架构（Copilot Cowork），5月上线Agent 365统一管理平面。GitHub的Copilot可以接受issue作为输入自主完成开发。Anthropic的Claude Code本身就是一个终端里的编程agent。OpenAI的GPT-5.4支持Computer Use——可以操控电脑完成任务。
从”聊天机器人”到”能干活的agent”，这个转变在2026年Q1集中爆发了。
坦率讲，现在的AI Agent还处于**”能干一些结构化任务，干不了真正复杂的工作”**这个阶段。
擅长的：
不擅长的：
Agent需要和外部工具对接，MCP协议解决了”怎么连”的问题。有了统一的工具接入标准之后，agent的能力扩展变得标准化了——不需要为每个工具单独写连接器。
国内外AI公司在agent方向上的布局高度趋同：
大家都在从”模型能力”竞争转向”agent生态”竞争。模型本身开始变成commodity，围绕模型的工具链、工作流和生态才是下一阶段的护城河。
参考来源：各公司官方发布、行业分析
]]>微软把Copilot改造成了agent架构（Copilot Cowork），5月上线Agent]]>
RAG最初的定义是”检索增强生成”——从外部数据库捞信息，塞给模型一起用。但到2025年底，这个概念已经膨胀成了更广义的”上下文工程”。
核心逻辑没变：帮模型动态获取它需要的上下文信息。但做法从”简单的向量检索+拼接”进化成了一整套智能上下文装配系统。
理论上100万token的上下文窗口可以塞进去很多东西。但现实是：
RAG的核心优势是按需检索——只拿最相关的信息，不塞废话。这个优势并不会因为上下文窗口变大而消失。
混合检索：语义搜索+关键词搜索+知识图谱组合使用，效果稳定优于任何单一方法。
GraphRAG：把知识抽取成图谱结构，层次化组织，提升推理能力。
多模态RAG：把图片、音频、表格、视频的embedding也纳入检索范围。
2025年中大型企业已经在系统性地建设RAG基础设施。”RAG即基础设施”这个概念落地了——不是某个应用的组件，而是所有AI应用共用的底层能力。
对于AI Agent来说，RAG更是刚需。Agent需要从私有数据中精准获取信息来执行任务，这恰好是RAG最擅长的。
**”易上手难精通”**是RAG最大的挑战。搭一个demo版RAG系统很快，但要做到生产级的精度和稳定性，需要大量的调优工作。
参考来源：RAGFlow年度回顾
]]>核心思路：把模型权重从高精度格式（FP32/FP16）压缩到低精度格式（INT8/INT4甚至更低）。
训练后量化（PTQ）
最简单直接——模型训完之后直接降精度。通常能把模型大小压缩75-80%，精度损失在可接受范围内。适合快速部署。
量化感知训练（QAT）
在训练过程中就让模型适应低精度环境。效果比PTQ好，但需要重新训练。
量化感知蒸馏（QAD）
NVIDIA最近搞的新方法——学生模型同时学习两件事：适应量化误差 + 对齐全精度教师模型。他们的NVFP4-QAD研究证明了FP4精度下也能恢复精度。
让小模型（学生）模仿大模型（教师）的行为。学生模型通常能达到教师模型**90-95%**的性能，但体积小得多。
DeepSeek R1的蒸馏版就是典型案例——32B的蒸馏模型打平了o1-mini。
识别并移除不重要的参数（权重、神经元或整个层）。通常可以干掉**30-50%**的参数而性能几乎不变。
用一个小的”草稿模型”快速生成多个候选token，再让大模型并行验证。原理类似于”先粗画再精修”，大幅降低了延迟。
NVIDIA的判断是2026年将是**”前沿模型 vs 高效模型”两条路线分化的一年**。混合使用多种优化技术正在成为主流——不是选一种，而是量化+蒸馏+剪枝组合起来用。
硬件方面，ASIC加速器、chiplet设计和模拟推理芯片都在成熟，GPU不再是唯一的推理选项。
参考来源：NVIDIA技术博客
]]>三项数据同比都接近翻倍。
中国模型在Hugging Face上的下载占比达到了41%，首次超过美国。
百度从2024年零发布到2025年发了100多个模型。字节和腾讯各自增长了8到9倍。这个爆发速度说明中国AI公司已经把Hugging Face当成了全球分发渠道在经营。
大约一半的模型总下载量不到200次。而下载量前200的模型（占总数的0.01%）贡献了49.6%的下载量。
头部集中度高到这个程度，意味着绝大多数上传的模型基本没人用。”200万模型”的繁荣数字背后，真正有实际价值的可能只有几千个。
独立开发者崛起：2025年独立开发者贡献的模型下载量占比达到39%，而工业界从70%降到了37%。个人和小团队的力量越来越不可忽视。
机器人领域爆发：机器人相关数据集从1145个暴涨到26991个，成为最大的单一数据集类别。
韩国主权AI计划：LG、SK电信、Naver等巨头加入，今年2月三个韩国模型同时登上HF热门。
开源的全球化格局正在从”美国主导”转向”中美双驱动+全球参与”。Hugging Face作为中立平台的角色越来越重要。
参考来源：Hugging Face官方博客
]]>三项数据同比都接近翻倍。
从2022年开始，中国已经建立了一套相当完整的AI监管体系：
2025年8月，国务院发布了AI Plus行动计划，目标是：
覆盖六大领域：科技研发、工业应用、消费服务、公共福利、安全治理、国际合作。
9月1号起生效的**《人工智能生成内容标注办法》**和配套的强制性国标GB45438-2025，是全球最早落地的AI内容标注法规之一。
目前三种主要监管路线：
一个有意思的数据：中国LLM在全球市场的份额在两个月内从3%飙到了13%，主要靠DeepSeek带动。
中国AI企业走的路线逐渐清晰——在监管框架内快速迭代。监管不是绊脚石，反而成了一种筛选机制：能在合规框架内跑通商业模式的公司，出海时反而有合规优势。
Nature的建议是其他国家需要”积极参与”而不是”回避”中国的AI治理进程。不管立场如何，中国在AI监管领域的速度和执行力确实跑在了前面。
参考来源：Nature分析文章
]]>M1是MiniMax的推理模型系列，对标的是OpenAI的o系列和DeepSeek的R1。核心能力集中在数学推理、代码生成和逻辑分析。
在SWE-bench Verified上，MiniMax M2.5（M1的迭代版）拿到了80.2%——排在Claude Opus 4.5和Gemini 3.1 Pro之后，比GPT-5.2还高0.2个百分点。这个成绩放在全球范围内属于第一梯队。
M1系列用的也是MoE（混合专家）架构，和DeepSeek、Qwen的路线一致。在保持高参数量（大容量）的同时，控制实际推理时的计算开销。
配合Lightning Attention技术，MiniMax在长上下文推理场景下的性价比比较突出——同样的任务，消耗的算力和时间更少。
和其他国产大模型公司相比，MiniMax的PR做得很克制。不太热衷于发benchmark战报和营销稿，产品更新也不怎么搞发布会。
这种风格有利有弊：好处是不会给人”吹牛”的印象，坏处是市场认知度不高。很多开发者甚至不知道MiniMax的模型已经能和头部选手正面竞争了。
MiniMax的商业化走了To C + API双路线：
这个策略和Anthropic（纯API起家后加To C）、OpenAI（ChatGPT先行再推API）都不同。MiniMax一开始就两条腿走路，可能是因为作为相对小的玩家，需要多个收入来源来支撑研发。
参考来源：SWE-bench排行榜、MiniMax官方API文档
]]>M1是MiniMax的推理模型系列，对标的是OpenAI的o系列和DeepSeek的R1。核心能力集中在数学推理、代码生成和逻辑分析。
在SWE-bench Verified上，MiniMax]]>
海螺AI是MiniMax面向C端的产品，涵盖文本对话、语音合成和视频生成。其中视频生成是最拿得出手的。
用户可以通过文字描述生成短视频，风格覆盖写实、动画、艺术等多种类型。生成质量在国产工具里处于第一梯队，一些场景下可以和Sora早期版本掰手腕。
视频生成背后是MiniMax自研的多模态基础模型。和Sora类似，走的是扩散模型（Diffusion）+ 时序建模的路线。
MiniMax的特色在于：
这个领域目前还没有绝对的赢家：
视频生成和文本生成不同，用户对”差不多”的容忍度更低。一个手指多了一截、一个物体突然消失，整个视频就废了。这对模型的物理世界理解能力和时序一致性要求极高。
MiniMax的策略是多模态并进——文本、语音、视频用统一的底层架构，不同模态之间的理解可以互相加强。这个思路在长期来看可能比单独做视频模型更有优势。
参考来源：MiniMax官方产品页、36氪报道
]]>海螺AI是MiniMax面向C端的产品，涵盖文本对话、语音合成和视频生成。其中视频生成是最拿得出手的。
用户可以通过文字描述生成短视频，风格覆盖写实、动画、艺术等多种类型。生成质量在国产工具里处于第一梯队，一些场景下可以和Sora早期版本掰手腕。
攻击者注册了几个和OpenClaw官方包名称非常接近的npm包（典型的typosquatting攻击），里面嵌入了恶意代码。部分不仔细看包名的开发者误安装了假包。
好在恶意代码被社区成员发现得比较快，npm也在接到举报后几小时内下架了这些包。但已经有少量开发者受到了影响。
这个事件暴露了开源AI框架的供应链安全问题。AI agent框架通常有大量的第三方依赖，每一个依赖都是潜在的攻击面。
更深层的风险是：AI agent框架自带执行代码的能力。如果框架本身被植入恶意代码，它可以利用agent的执行权限做更多破坏——比如窃取环境变量中的API密钥、访问文件系统、发送网络请求。
OpenClaw团队后续做了几件事：
这不是OpenClaw独有的问题。整个AI工具链的供应链安全都在快速扩大的攻击面前显得脆弱：
AI应用的”信任链”比传统软件更长也更复杂，安全意识和工具都需要跟上。
参考来源：GitHub安全公告、开发者社区讨论
]]>数学定理证明是AI能力的一个极端测试场。因为数学不接受”差不多对”——证明要么完全正确，要么就是错的。不存在”95%正确的证明”这种东西。
形式化验证系统（比如Lean 4）会像编译器检查语法一样检查每一步推理逻辑。一步不对，整个证明就报错。这对AI的逻辑推理能力是最严格的考验。
在miniF2F benchmark上，Prover-V2拿到了接近或达到当期最优的成绩。它用的方法是子目标分解——把复杂证明拆成一系列更小的子目标，逐个攻破。
这和人类数学家的思路很像：面对一个难题，先想”要证明A成立，我需要先证明B和C，而证明B又需要先确认D……”
通用模型（GPT、Claude、Gemini）做数学推理靠的是Chain-of-Thought——本质上是”用自然语言一步步推”。这种方式对简单问题效果不错，但复杂证明很容易在某一步出现逻辑漏洞。
Prover-V2走的是形式化路线，每一步都有Lean 4验证。好处是不存在”幻觉”，坏处是适用范围很窄——只能在形式化系统里工作。
数学定理证明是一个看起来很小众但影响深远的方向。如果AI真的能在形式化系统里可靠地证明复杂定理，那它可以被应用到软件验证、硬件验证、密码学证明等一系列关键领域。
DeepSeek在这个方向上的投入说明他们不只是在卷通用大模型的benchmark——也在认真布局基础科学工具。
参考来源：DeepSeek Prover-V2论文
]]>数学定理证明是AI能力的一个极端测试场。因为数学不接受”差不多对”——证明要么完全正确，要么就是错的。不存在”95%正确的证明”这种东西。
形式化验证系统（比如Lean]]>
最初Copilot就是个代码补全工具——你写一行，它补下一行。现在它能：
GitHub今年在命令行体验上的投入明显加大了。JetBrains IDE里的agent模式今年3月上线，VS Code里更早就有了。
终端里的Copilot可以：
这个方向上它和Claude Code有一定重叠，但Copilot更倾向于轻量辅助而不是全面接管。
Copilot最大的护城河不是技术，而是GitHub本身。
全球几乎所有开源项目和大量企业私有仓库都在GitHub上。Copilot天然就能访问这些数据来理解项目上下文。再加上GitHub Actions作为agent的执行环境、GitHub Issues作为任务输入源——这套闭环生态是其他AI编程工具很难复制的。
从”代码补全 → IDE agent → 仓库级agent → 自动化开发流水线”这条进化路径来看，GitHub的终极目标是让Copilot成为开发团队的虚拟成员，而不仅仅是某个人的编程助手。
参考来源：GitHub Blog、Microsoft Build发布
]]>最初Copilot就是个代码补全工具——你写一行，它补下一行。现在它能：
GLM-5相比4.7系列的提升主要在：
具体的benchmark数字智谱还没有完全公开，但从已有的信息来看，GLM-5在国产模型中的定位应该是正面硬刚DeepSeek最新版和Qwen最新版。
如果成功IPO，智谱将成为国内第一批上市的大模型公司。
这个节奏很有意思——Anthropic在今年2月拿到了380亿美元估值的G轮融资，OpenAI去年也完成了超大轮次。全球AI公司都在疯狂吸纳资本。智谱选择上市而不是继续私募融资，可能有几方面考虑：
在国产大模型公司中，智谱的差异化一直是学术基因+企业服务。脱胎于清华大学，和学界关系紧密，这让它在技术可信度和人才招募上有优势。
但在模型能力上，DeepSeek和Qwen在2025年的表现太猛了，智谱在公众认知中的”技术领先”形象有所松动。GLM-5发布+IPO双管齐下，看起来是在重新夺回话语权。
参考来源：智谱AI官方发布、科技媒体报道
]]>METR找了一批有经验的软件开发者，让他们在两种条件下完成相同的编程任务：
任务涵盖了bug修复、功能开发、代码重构等常见开发场景。
研究发现主要有几个原因：
1. 审查成本
AI生成的代码不能盲目接受，需要逐行审查。有经验的开发者对代码质量要求高，花在审查和验证上的时间超过了AI节省的编写时间。
2. 上下文切换
在自己思考和审查AI输出之间频繁切换，打断了开发者的思考流（flow state）。
3. 过度依赖倾向
一些开发者发现自己在AI给出建议后，会花时间”调教”AI而不是自己直接写——而直接写往往更快。
这个研究有几个重要的限制：
对于初级开发者，AI工具的效率提升可能完全不同。METR的研究针对的是”有经验”这个群体，不能直接推广到所有开发者。
这个研究不是说AI编程工具没用，而是说效率提升不是自动的。需要学习正确的使用方式、在合适的场景下使用、建立有效的人机协作流程。
最好的开发者不是”使用AI最多”的人，而是知道什么时候该用、什么时候不该用的人。
参考来源：METR研究报告
]]>值得一提的是OpenAI后来开源的Codex CLI——一个类似Claude Code的终端编程agent。但它的定位和Claude Code不太一样：
Spark模式走的是轻量路线，不做深度推理，追求快速响应。适合日常编码中的快问快答。
Realtime模式则是面向实时协作场景——你在写代码的过程中，模型实时理解你的意图并提供建议。和Cursor的补全体验有点像，但底层是通过API实现的。
GPT-5.3-Codex发布后拿到了OpenAI内部的”高”网络安全风险评级。这个事件推动了整个行业对AI编程工具安全性的重新审视。
核心矛盾很清楚：你希望AI写出的代码越强大，它被滥用写出恶意代码的可能性也越大。 这不是通过安全训练能完全解决的问题——它是编程能力提升的必然副产品。
OpenAI的应对方案包括分级访问控制、自动风险检测、以及在检测到高风险请求时降级到旧版模型。这套防护体系是不是足够？目前没有人能给出确定答案。
参考来源：OpenAI官方文档、Fortune报道
]]>值得一提的是OpenAI后来开源的Codex CLI——一个类似Claude Code的终端编程agent。但它的定位和Claude]]>
Grok 4在多项benchmark上的成绩确实不错：
但和竞品相比，Grok 4还没有在任何单一维度上做到”碾压”。它更像是追上了第一梯队，但没有领跑。
传闻SpaceX正在洽谈以约2500亿美元收购xAI。如果成真，这将是：
不过这个消息截至目前还没有得到双方正式确认。
马斯克在AI领域的操作一直很”马斯克”：
如果收购成真，SpaceX的计算基础设施和xAI的模型团队合并，理论上可以大幅降低xAI的算力成本。SpaceX在全球有大量的地面站和数据中心基础设施，这些都能被xAI利用。
xAI目前在AI市场的份额很小。Grok主要通过X平台分发，付费用户基数有限。即使Grok 4技术上追平了第一梯队，分发渠道和开发者生态的差距是更大的挑战。
和OpenAI、Anthropic、Google相比，xAI缺少的不是模型能力，而是围绕模型的产品和生态。
参考来源：科技媒体报道
]]>Grok 4在多项benchmark上的成绩确实不错：
核心原因很现实：每天亏损约100万美元。
视频生成的计算成本远高于文本生成。每次生成一段视频需要的GPU算力是文本对话的几十到上百倍。在用户量不足以摊薄成本、商业模式也没有跑通的情况下，继续烧钱没有意义。
据报道，OpenAI和迪士尼曾经谈过深度合作——用Sora为迪士尼的内容制作提供AI视频生成支持。但合作最终崩了，具体原因没有公开披露，猜测可能涉及版权控制、质量标准和商业条款分歧。
失去这个潜在的大客户，对Sora的商业化前景是致命打击。
Sora的遭遇不是个例。整个AI视频生成赛道都面临同样的问题：
Sora关停说明一件事：技术上能做和商业上能成是两回事。
OpenAI在视频生成技术上的积累并没有消失，这些能力可能会以其他形式（比如GPT-5.4的多模态功能）重新出现。但作为一个独立的视频生成产品，Sora已经证明了在当前阶段跑不通。
这对快手Kling、Runway、MiniMax海螺AI等竞品来说是一个警示——光做出好看的demo不够，找到可持续的商业模式才是关键。
参考来源：科技媒体报道
]]>核心原因很现实：每天亏损约100万美元。
视频生成的计算成本远高于文本生成。每次生成一段视频需要的GPU算力是文本对话的几十到上百倍。在用户量不足以摊薄成本、商业模式也没有跑通的情况下，继续烧钱没有意义。
Copilot目前提供三层能力：
第一层：代码补全
最基础也是最成熟的功能。在你写代码的过程中实时提供建议，接受率在不同IDE和场景下差异很大，但总体上”有用的时候很有用”。
第二层：Agent模式
给它一个GitHub issue，它能自己建分支、改代码、提PR。中低复杂度任务处理得不错，前提是项目的测试覆盖够好。
第三层：Agent代码审查
自动review PR，不只是看diff，会主动探索仓库理解上下文。71%的审查能给出有价值的反馈。
$10/月作为”AI编程的入门票价”来说，性价比是到位的。如果后续觉得不够用，再升级到Cursor或Claude Code也不迟。
参考来源：GitHub官方定价、NxCode对比评测
]]>Anthropic、OpenAI、Google、Meta、xAI——这几家公司不约而同地把重磅产品都堆在了这个月前后。有研究者调侃说这是AI史上竞争最激烈的单月，这话可能不夸张。
Anthropic最近的一次源代码意外泄露事故，顺带暴露了一个代号叫Mythos的模型。公司随后确认，它是我们开发过的最强大的AI模型，定位在Opus之上。
目前早期访问权限只开放给了网络安全领域的合作伙伴，公开发布时间没有官方确认，但业内估计4月内有约25%的概率对外上线。
OpenAI刚发布了GPT-5.4，这是第一个把顶级编程能力（来自GPT-5.3-codex）整合进通用推理架构的主线模型，在agentic任务上表现明显提升。
而内部代号Spud的下一代——大概是GPT-5.5——已经完成预训练，预计Q2公告，具体日期未定。
基准分数上，这是目前公开测评里分最高的模型之一：
定价和上一代持平，在高难度科学推理任务上比其他主流模型明显领先。
xAI的Grok走了条不一样的路——多智能体并行架构。简单说，是四个专门化的Agent先在内部辩论，然后再输出答案。
这个结构设计在对抗性问题分析和多角度推理上可能有独特优势。实测数据目前还比较少，但架构本身是个有意思的方向。
Meta的开源旗舰系列，两个版本：
两者都支持1000万token的上下文窗口，而且是开源许可证。对于不想被闭源模型绑架但又需要大上下文处理能力的开发者，Llama 4是个很实在的选项。
| 模型 | 输入token定价（$/百万） |
|---|---|
| DeepSeek V4 | ~/usr/bin/bash.14 |
| DeepSeek V3.2 | ~/usr/bin/bash.27 |
| Qwen 3.5 | 开源可自部署 |
| Claude Opus 4.6 | ~.00 |
| GPT-5 系列 | .00+ |
Claude Opus 4.6的定价大概是DeepSeek V4的36倍。在高调用量场景里，这不是可以忽略的差距。
以前，AI能力领先就等于市场领先。现在这个逻辑开始松动了。
闭源模型在最难的那几类任务上确实还有优势，比如复杂的多步推理、最前沿的编程挑战。但日常开发者碰到这类任务的频率有多高？答案是：不多。
大多数日常工程需求，DeepSeek V4或Qwen 3.5已经够用，而且价格差了一个量级。
这就是为什么这一轮的竞争让人感觉有点不一样——不只是哪家赢了基准测试，而是够用的门槛已经被便宜十几倍的开源/中国模型给拉低了。
闭源模型厂商接下来要证明的，不只是我最强，而是我比便宜三十倍的竞争对手强得足够多，值得你为这个差价买单。
这个问题，4月之后可能会有个更清晰的答案。
参考来源：AI Models in April 2026: Every Major Release, Leak, and What Comes Next（RenovateQR.com）；ChatGPT vs Claude vs Gemini vs DeepSeek April 2026 Benchmarks（Tech-Insider.org）
]]>Anthropic、OpenAI、Google、Meta、xAI——这几家公司不约而同地把重磅产品都堆在了这个月前后。有研究者调侃说这是AI史上竞争最激烈的单月，这话可能不夸张。
以前在ChatGPT Business和Enterprise里用Codex，基本是按座位包月。现在多了一个选项：Codex专属席位按量计费，团队可以按实际用量付钱，不用提前锁定固定月费。同时，普通ChatGPT Business订阅费从每席位$25降到了$20（年付）。
单独看这几条新闻，都不算爆炸性。但放在一起，有个挺清晰的信号：AI编程工具正在从”体验期”进入正经的商业化运营阶段。
这次除了定价，产品层面也有不少实质性改进。
插件系统升级为一等公民
以前Codex的插件支持比较零散，现在统一了——启动时自动同步工作区插件，/plugins命令直接浏览，安装卸载流程也规范了很多。
对开发者来说，这个变化意味着可以把Codex真正嵌入到公司内部工具链里，不再是个孤立的编程助手。
多Agent工作流的地址系统
这个改动有点技术范儿：之前多个Agent之间互相调用，用的是不透明的ID，现在改成了可读的路径格式——比如/root/agent_a、/root/agent_b这样的形式。
听起来是个小优化，但实际影响不小。路径格式的地址让Agent之间的关系更容易追踪和调试，出了问题知道去哪找，多Agent协同的工程复杂度降低了一截。
企业版Plugin目录
Business和Enterprise版本现在有了统一的Plugin目录，管理员可以控制哪些插件对员工开放。这个功能对大公司很重要——安全审计、合规管控，现在有正式入口了。
粗算一下：
OpenAI同时还给了个促销：符合资格的工作区，每新增一个用户可以获得最高$100的Codex积分，总上限$500。
过去一年，AI编程工具这条赛道越来越卷：
在这个背景下，Codex这次调整的重心其实不是在性能上大做文章，而是在企业部署的合规性和可管理性上下功夫——Plugin目录的管理员控制、多Agent的可追踪路径，都是针对大客户的诉求。
性价比决策里，纯技术能力只是一部分，企业愿不愿意信任、能不能管得住，越来越重要。
从这个角度看，OpenAI的这次更新是个务实的商业决策，不是技术突破——但务实的商业决策有时候比技术突破更能决定市场份额。
参考来源：OpenAI Release Notes - April 2026 Latest Updates（Releasebot）、Introducing Codex（OpenAI）
]]>以前在ChatGPT Business和Enterprise里用Codex，基本是按座位包月。现在多了一个选项：Codex专属席位按量计费，团队可以按实际用量付钱，不用提前锁定固定月费。同时，普通ChatGPT Business订阅费从每席位$25降到了$20（年付）。
单独看这几条新闻，都不算爆炸性。但放在一起，有个挺清晰的信号：AI编程工具正在从”体验期”进入正经的商业化运营阶段。
AI Act对开源模型有专门的豁免条款——如果你发布的是研究性质的开源模型，很多合规要求不适用。
但有个重要例外：如果你的开源模型被用在了**”高风险”应用场景**（医疗诊断、信用评估、执法等），那该遵守的规则一样要遵守。
对大部分开源开发者来说，日常工作几乎没有变化。Meta继续开放Llama的权重，Hugging Face继续运营Hub平台，中小型的开源项目也不需要做额外的合规工作。
受影响最大的是部署端——如果企业把开源模型用在了高风险场景中，企业需要承担合规责任。这等于把合规压力从模型开发者转移到了模型使用者身上。
| 维度 | 欧盟 | 美国 | 中国 |
|---|---|---|---|
| 核心逻辑 | 基于风险分级 | 行业自律 | 国家主导 |
| 对开源态度 | 豁免+例外 | 基本不管 | 需要审批 |
| 执行力度 | 法律强制 | 自愿标准 | 行政命令 |
国内AI公司想进入欧洲市场，需要按AI Act的要求来。这对大公司来说不是大问题（有法务团队处理），但对中小企业是个门槛。
反过来，中国自己的AI监管框架在某些方面比EU AI Act更严格（比如内容审查要求），所以能在国内合规环境下跑通的产品，适配欧盟要求的难度反而不大。
总体来看：AI Act是全球第一部系统性的AI监管法律，它的示范效应可能比具体条款更重要。其他国家和地区在制定AI法规时都会参考这个框架。
参考来源：EU AI Act文本、Hugging Face政策分析
]]>AI Act对开源模型有专门的豁免条款——如果你发布的是研究性质的开源模型，很多合规要求不适用。
但有个重要例外：如果你的开源模型被用在了**”高风险”应用场景**（医疗诊断、信用评估、执法等），那该遵守的规则一样要遵守。
OpenAI o系列：最早把”思考”概念产品化的。o1到o3一路迭代，走的是”显式推理链+隐藏思考过程”路线。用户看到的是最终答案，中间的思考过程不对外暴露。
DeepSeek R1：开源路线的推理模型代表。强化学习驱动，思考过程是透明的（可以看到完整的Chain-of-Thought）。32B蒸馏版在多项benchmark上就能和o1-mini打平，成本优势巨大。
Gemini 2.5 Pro：Google的thinking model，内部推理后响应。在数学和科学推理上表现突出（AIME 2024: 92%），多模态推理是差异化优势。
Claude Opus 4.6：自适应推理，模型自动判断需要多深度的思考。四档可调，不浪费算力。
所有推理模型都面对同一个问题：推理深度 vs 响应速度。
想得越深、答案越准，但等待时间越长、成本越高。对于简单的日常对话，开启深度推理纯粹是在浪费钱和时间。
各家的解法略有不同：
推理能力原本被认为是闭源模型的护城河。R1的出现打破了这个格局——开源推理模型已经追平了闭源模型的主力产品。这意味着纯粹的推理能力越来越难作为付费壁垒。
下一步的竞争已经从”谁更能想”转向”谁想得又快又省”。
参考来源：各模型官方发布、The Decoder对比分析
]]>OpenAI]]>
2025年WWDC上苹果公布了Apple Foundation Models（AFM），端侧版本大约30亿参数，专门为Apple Silicon优化。
几个关键技术：
最终效果：一个3B参数的模型压缩到可以在iPhone上流畅运行，同时保持足够的能力水平。
处理不了的复杂任务交给服务端，但用的是苹果自己的Private Cloud Compute——在苹果自研芯片的云服务器上跑，数据不离开苹果的安全飞地。
服务端架构叫Parallel-Track MoE，由多个较小的Transformer”轨道”并行处理token，只在输入和输出边界做同步。同步开销减少了87.5%。
苹果这套设计的优先级排序很清楚：
这和OpenAI、Anthropic、Google那种”一切上云”的路线形成鲜明对比。苹果赌的是：用户愿意为隐私牺牲一些能力上限。
开发者也有福利——苹果开放了Foundation Models框架，第三方app可以直接调用端侧模型。不过能力上和GPT-4级别的云端模型还有差距，更适合做轻量级的文本处理和理解任务。
参考来源：Apple Machine Learning Research
]]>2025年WWDC上苹果公布了Apple Foundation Models（AFM），端侧版本大约30亿参数，专门为Apple]]>
一个开源的AI agent开发框架，核心定位是让开发者能够快速搭建和部署自定义的AI agent。
和LangChain、AutoGen这些已有框架的区别在于：
几个因素叠加：
正面评价集中在：
吐槽集中在：
这个领域现在选手很多：LangChain、AutoGen、CrewAI、OpenClaw、Semantic Kernel……没有哪一个能说”我是标准”。
但MCP协议的标准化正在简化这个局面——如果工具接入层统一了，agent框架层面的差异主要在编排逻辑和开发体验上。OpenClaw选择了”小而美”的路线，能否长期维持需要看社区运营。
参考来源：GitHub项目页面、开发者社区讨论
]]>一个开源的AI agent开发框架，核心定位是让开发者能够快速搭建和部署自定义的AI]]>
原生多模态：文本、图片、视频在同一个模型里处理，不是外挂的adapter方案。这和Llama 4的early fusion思路类似，原生融合在实际使用中比后置拼接的效果明显好一截。
201种语言和方言：这个覆盖面在开源模型里应该是最广的了。对于做国际化产品的团队来说，一个模型搞定全球市场的多语言需求，不用为每个语种单独部署。
阿里自己给出的benchmark对比显示和OpenAI、Anthropic、Google DeepMind的当期模型打平。但CNBC特意注明了这些对比是”自报数据，未经独立验证”——这种声明在国产模型发布中还挺少见的，说明海外媒体对待国产模型的benchmark数据在变得更审慎。
有个信号值得关注：CNBC报道里提到，阿里、字节、智谱在同一时期密集发布升级，而且共同方向都是从聊天机器人转向AI Agent。这不是某一家的策略调整，而是整个国内AI行业在集体转向。
Agent能力正在取代纯粹的对话质量，成为模型竞争的新主战场。
参考来源：CNBC报道
]]>原生多模态：文本、图片、视频在同一个模型里处理，不是外挂的adapter方案。这和Llama 4的early]]>
开发者可以通过API参数控制使用哪种模式，也可以设为自动——让模型自己判断当前任务需不需要深度思考。
之前的做法通常是分开部署两个模型——一个负责快速响应，一个负责深度推理。这意味着两份部署成本、两套运维。
混合模式的好处是一套部署搞定两种需求。对于中小企业和预算有限的团队来说，这个成本差异很实际。
Qwen3用的方法是在训练阶段同时优化两种目标：
模型学会了根据输入的特征自动判断”这个问题需不需要想一想”。
大家殊途同归，都意识到了”一个模型覆盖两种使用场景”是用户真正需要的。
Qwen3-Max作为系列的旗舰版，在thinking mode下的数学和代码成绩可以和DeepSeek R1正面竞争。non-thinking mode下的响应速度则快得多。这种灵活性是纯推理模型做不到的。
参考来源：阿里云官方发布
]]>| 工具 | 本质 | 强项 |
|---|---|---|
| Claude Code | 终端agent | 复杂多文件改动、大仓库理解 |
| Cursor | 独立AI IDE | 日常编辑体验、补全速度 |
| GitHub Copilot | 多IDE插件 | 生态广、价格亲民、团队协作 |
Claude Code在SWE-bench Verified上拿了80.8%，上下文窗口100万token，能力天花板最高。但它是终端工具，不习惯命令行的人用起来有门槛。
Cursor的Supermaven补全引擎接受率72%，Composer多文件可视化编辑体验最好，还有后台agent可以跑自主任务。日常写码体验最丝滑。
Copilot胜在$10/月的价格和几乎所有IDE都有插件。刚入门AI编程的人从Copilot开始试水成本最低。
2026年的调查数据：
但另一个有趣的数据是：有经验的开发者平均同时使用2.3个工具。最常见的组合是Cursor/Copilot负责日常编辑 + Claude Code负责复杂任务。
实际选择建议：
参考来源：NxCode对比评测
]]>| 工具 | 本质 | 强项 |
|---|---|---|
| Claude]]>
|