Nevermined 路由、x402 支付之后，AI 智能体经济的结算层为何仍空白

AI 智能体经济中路由层（IETF 本月发布的 AGTP-COMMERCE）与支付层（x402、AEON、CEX API）已解决，但结算层仍空白。Nevermined、x402、Apex Fusion 的 Vector（已跑 20,000+ 作业）和 Akash 各跳过核心问题：都无法证明工作正确完成。

Ожидает перевода

用户实测对比 Anthropic 与 OpenAI 订阅额度：Opus 5.5 虽强，Codex 的 Sol 6.1 更划算

有用户实测对比 Anthropic Max/Pro 100 与 OpenAI Codex 订阅后发现，用 Opus 5.5 在 Claude 中工作一整天就消耗了 10% 额度，而 Codex 的 Sol 6.1 能提供更高的使用性价比。

Ожидает перевода

别再搞 OpenAI 与 Claude 的粉丝对立了

一位同时订阅 OpenAI 和 Claude 的用户称，当前 100 美元 Claude 订阅可用一周最强模型，Sonnet 5.5 和 Opus 5.5 在 90% 场景下胜过 Astra，Astra 仅靠图像生成和 harness 功能取胜；而 100 美元 OpenAI 只够用 2-3 天，模型已跟不上 Opus 和 Sonnet。

Ожидает перевода

用户反驳近期对 OpenAI 的批评：Sol 6.1 与 Astra 实际使用体验

一名 OpenAI Pro 20x 订阅用户反驳近期对 OpenAI 的批评，称 Sol 6.1（多用 xhigh）智能可靠、不易跑偏，三天仅消耗 10% 用量，虽实测约 16 tok/sec 偏慢但产出稳定。他通过优化工作流将 token 消耗减半，并提到 Astra 消耗较大，以及 tibo 宣布 Sol 和 Astra 提速 50%。

Ожидает перевода

OpenAI 与 Anthropic 战略执行层对比：为何 Anthropic 执行更稳

有用户对比 OpenAI 与 Anthropic 的高层执行力，认为 OpenAI 在模型命名、Codex 模式与 chat 模式割裂、发布节奏与用量限制上问题频出，最新 6.1 Sol 被认为落后 Opus 5.5 一个层级。

Ожидает перевода

考虑从 Codex 转向 Claude Code：一位 Pro 100 用户的客观对比

一位 Codex Pro 100 用户因模型变慢、额度重置不透明且官方沟通混乱，正考虑转向 Claude Code。他使用 Codex 开发网站、WoW 插件及 macOS/iOS 个人应用，不依赖 Git，并听说 Claude Code Pro 20 的额度可能与 Codex Pro 100 相当。他想知道 Claude Code 能否直接指向项目文件夹工作，还是需要从 Codex 做交接。

Ожидает перевода

用户称 Opus 5.5 已够用，综合体验优于 Fable 5.1

有用户认为 Opus 5.5 在多数场景下已无需 Fable 5.1：Fable 的表达方式不够贴近普通人的思维，理解其推理需额外消耗心力，而 Opus 5.5 解释清晰、推理和实际执行能力都够用，且更便宜、更快。该用户表示，当与模型沟通本身更费力时，稍微更聪明已不再重要，因此整体「人 + AI」体验让 Opus 5.5 胜出，尽管它在各项 benchmark 上未必更强。

Ожидает перевода

Пользователь рассказал, что после достижения суточного лимита Claude Code перестал работать: без него он уже не может продолжать разработку

Разработчик сообщил, что суточный лимит расходов на Claude Code составляет $100. В тот день, работая над одной функцией, он увидел сообщение «Достигнут суточный лимит использования, обновление в xx часов следующего дня» — и тут же подумал: «Раз Claude Code недоступен, лучше пока остановить работу». По его словам, он больше не отлаживает, не тестирует и не исправляет ошибки так, как раньше, и опасается, что такая зависимость может разрушить его карьеру.

Agentic Coding 2026：从自动补全到自主开发者，Claude Code、Cursor 与 GitHub Copilot 三分天下

2026 年 AI 编程工具已分化为三类：GitHub Copilot 以插件形式嵌入编辑器，Cursor 是独立 AI IDE，Anthropic 的 Claude Code 则是终端优先的智能体。

Ожидает перевода

Gemini 4 Argon 价格与用途：和 GPT-6、Claude 怎么选

作者晚安code 梳理谷歌 9 月 30 日发布的 Gemini 4 Argon，指出其单次输出上限从上一代 6.4 万 token 提到 100 万，但上下文窗口、参数量和架构官方均未公布，不少报道把 100 万输出 token 误写成 100 万上下文。

Ожидает перевода

Google 牵头 32 位作者发布首篇词元（Token）技术全景综述

Google 牵头、32 位作者、横跨 20 多家机构发布首篇词元化（tokenization）全景综述，指出词元化是决定大模型能力上限、推理成本和跨语言公平性的关键环节，但 2025 年顶会相关论文占比不到 2%。

Ожидает перевода

Joy & Curiosity #102：Gemini 4 Argon 智能体优化数据中心内存，GLM-5.3 可绕过安全防护

Google 发布 Gemini 4 Argon，其 Argon 智能体团队通过分析全集群性能遥测数据自主识别并应用内存优化，上线后释放超 300 TiB 内存，预计总节省 500 TiB 至 1 PiB。

Ожидает перевода

我们需要给几乎所有服务加上默认硬性预算上限

Simon Willison 呼吁按用量付费的 API 和服务默认提供硬性预算上限，即达到 $X/月后直接切断并返回错误，而非只发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出上限功能，项目达到限额后当月暂停，Google Cloud 也在 7 月上线了 Spend Caps。他认为硬性上限应成为默认选项，取消需用户主动勾选确认。

Ожидает перевода

技术观察：2026年9月本体、Jev决策模型、自进化RSI与大模型发布月度总结

2026年9月共发布43款大模型，国产约占八成，1M上下文与全模态成标配，Intern-Decision、NeoHorse-1等"决策模型"与"自进化后训练"新品类首次进入开源清单。

Ожидает перевода

Gemini 4 Argon 发布：先别急着给主力编程流搬家

谷歌发布 Gemini 4 Argon，单次输出上限达 100 万 Token，首发每任务成本较 GPT-6 Astra 低 40%，但仅开放受控早期访问（Fairwind），普通开发者拿不到 API Key。

Ожидает перевода

Instinct 创始人 Noah Shinn：Personal Agent 正在重写互联网

Instinct 是一个没有 App 的 AI 个人助理，通过短信、电话、邮件帮用户订机票、管订阅、规划行程，创始人 Noah Shinn 称产品每天增长 10%，平台年交易额已超十亿美元。其商业模式为免费使用、从商家侧按交易抽成，目前 50% 交易额来自旅行。用户入驻满三周后，40% 会主动分享信用卡信息，留存率随之跳到 80%。

Ожидает перевода

Meta Muse 火了，但个人 AI 助手真正要过的是平台和用户两道门槛

Meta 的 AI 助手 Muse 上线不到三周下载量超 340 万次，登上美国 App Store 免费榜第一，超 8 万条评分达 4.9 分。它靠读取邮箱识别遗忘订阅并代为取消、接入 Stripe 旗下 Link 完成付款，切中省钱这类琐碎生活场景。

Ожидает перевода

AI 推理利润率崩塌正在加速

Martin Alderson 认为前沿实验室的推理价格战正在加速：OpenAI 在约两个月内把 GPT-5.6 Luna 降价 90%、GPT-6 Sol 降价 60%，Anthropic 的 Opus 5.5 输入输出降价 20%、缓存读取降价 60%。

Ожидает перевода

Claude Opus 5.5：世界最强模型，同时也是最便宜模型

Claude Opus 5.5 被称为截止今天的世界最强模型，同时也是最便宜的模型。作者用 Claude Max Plan 20x 实测：月费 $200 美金，5 天消耗 164 亿 Token，折合每月可消耗 600 亿 Token，考虑缓存后实际价值约 $15000～$20000。

Ожидает перевода

对 AI 狂热的一些冷思考：工具好用，但别急着宣布程序员不再被需要

一位开发者用两个晚上靠 AI 写出一个猫粮商店，工具确实好用，但作者提醒：从"我配好了自动浇水"到"农艺师不再被需要"之间还有很大距离。他建议开发者先在自身实验里弄清哪些活能交给 AI、哪些必须逐步检查、哪些自己做更省心，并注意助手反复修补上一次修补后果时，方案就已不再划算。作者还指出，"加快团队速度"的要求背后往往藏着缺乏规划、承诺 4 周变 8 周等真问题，而 AI 只是被预先选好的手段。

Ожидает перевода

Thorsten Ball 谈 AI 智能体时代编程语言与框架的走向

Thorsten Ball 在 Register Spill 的 Joy & Curiosity #101 中提出，框架已不再是最大的开发者生产力杠杆，AI 智能体比它大一百倍，语法和工具易用性也不再重要。

Ожидает перевода

Rust 开发者：我不怕被 AI 取代，我怕的是和 AI 一起工作

Rust 开发者 Nikita 认为 AI 只加速了写代码这一段，上下文准备、审查、测试和修复仍要人来做，因此该按“到可上线改动”的时间算收益，而不是按模型首次响应算。

Ожидает перевода

为什么 98% 的 LLM 开发成果取决于生态而非模型本身

俄罗斯软件公司 Diasoft 董事会成员 Alexander Sakharov 提出，语言模型本身只贡献约 2% 的 AI 开发成果，其余 98% 来自指令、门禁、流程、记忆和人员构成的“生态”。Diasoft 的 AI Driven 版 Digital Q 生态由约 40 个智能体组成，每个阶段都设有质量门禁，团队约 20 人、耗时六个月完成向智能体方案的全面切换。

Ожидает перевода

System One 模型如 Jev 可训练自己的替代品

System One 模型如 Jev 是快速通用分类器，可像 LLM 一样通过提示词处理多种任务。作者认为，由于 Jev 需要针对具体任务提示，成功的使用场景可以很容易地蒸馏成专用分类器，后者在特定任务上更快、更便宜。

Ожидает перевода

慢开发者体验将拖累快速模型

Sean Goedecke 认为，当模型推理速度达到每秒数千 token 时，瓶颈会从生成 token 转移到工具调用：读文件是 100ms 还是 10ms、跑测试是 500ms 还是两秒，将决定智能体是近乎即时响应还是让用户等上几分钟。

Ожидает перевода

Armin Ronacher 谈 P(doom)：AI 风险该被"减速"的是什么

Armin Ronacher 针对 Dario Amodei 提出的 AI "减速"（pacing）主张撰文反驳，认为真正该担心的是 AI 对人类自身的影响，而非核武或地缘对抗。

Ожидает перевода

Армин Ронахер: почему GPT‑6 Astra вызывает у меня недоверие, когда пишет код

Армин Ронахер провёл выходные за экспериментом с «фабрикой софта» на GPT‑6 Astra: модель сама управляла контекстом и подагентами, а целью была реализация Python с виртуальными потоками и лексической областью видимости.

Не измеряйте только код — измеряйте инженерные решения: как по записям сессий посчитать, что одно архитектурное решение даёт эффект в 65 раз больше

Автор предлагает измерять downstream-эффект одного инженерного решения, то есть его зону воздействия, по записям сессий ИИ-агента и проверяет подход на одном архитектурном решении из собственного проекта tapes: сессия с проектированием обошлась в 57.05 доллара, а последующая работа — в 4704.74 доллара, распределённых между 70 сессиями, 3 инженерами, 8 репозиториями и 27 днями; ещё 404 сессий автоматизированной оценки стоили 431.54 доллара.

Fable 5.1 在 SWE 任务中的细节：推理档位、基准表现与成本取舍

作者梳理 Anthropic Fable 5.1 系统卡（212 页）中与 SWE 任务相关的细节，指出推理档位并非越高越好：在 FrontierCode Main 子集上。

Ожидает перевода

GLM-5.3 Flash 跑在国产硬件上意味着什么

Z.AI 确认 GLM-5.3 Flash 的全部推理运行在国产硬件上，但未公布芯片厂商、吞吐或功耗数据，也无人独立验证。作者推测其使用的是华为昇腾 910c 系列，该芯片约 600W、INT8 算力约 1.6PFLOP/s，性能约为四年前 H100 的 60%，且缺少原生 FP8 支持。作者认为真正的瓶颈是缺乏可量产的 EUV 光刻，业界普遍认为 2030 年前难以实现规模化生产。

Ожидает перевода

Fable 之后，智能体编程的免费午餐结束了

Drew Breunig 认为，Fable 发布后智能体编程的免费午餐结束了：过去等新模型降价就能掩盖代码和上下文策略的问题，如今 Fable 成本太高，而 Opus、5.6、K3、GLM 对多数代码已够用，开发者开始考虑把哪部分工作交给哪个模型。

Ожидает перевода

Joy & Curiosity #96：Stripe 以 75 亿美元收购 OpenRouter，GitHub 月提交量增至 29 亿

Stripe 以 75 亿美元收购 OpenRouter，致投资人的信被曝光。GitHub 披露月提交量自 4 月以来从 14 亿增至 29 亿，新增 300 万 CPU 核心和 120 PB 高速存储。作者还回顾了 GitHub 开源贡献、StackOverflow、TDD、文本编辑器等曾被视为基石的开发实践在近两年的式微。

Ожидает перевода

开源权重模型的夏天：推理定价战与算力约束如何改变前沿实验室的处境

作者认为这个夏天是开源权重模型的转折点，多数智能体任务已不再必须依赖前沿模型。他列举了 OpenAI 将 5.6 Luna 降价 80%、Sol 降价 20%，Meta 在贡献者档位把 Muse Spark 1.2 压到 $0.10/$0.20 per MTok，以及 Anthropic 因算力紧张而难以跟进降价。

Ожидает перевода

模型竞赛降温，企业市场成新战场

OpenAI 于 3 月 24 日宣布关停 Sora，API 将于 9 月 24 日下线，同期重心转向 Codex 和企业版 ChatGPT；Anthropic 则围绕 Claude Cowork 和 Claude Design 构建角色权限、支出限额与可观测性等企业能力。

Ожидает перевода

为什么本地模型不会胜出：批处理与 GPU 效率决定推理成本

Sean Goedecke 认为本地模型不会成为主流，绝大多数推理仍会发生在 AI 数据中心。他给出的理由是：前沿模型体积远超消费级设备，而数据中心可通过批处理数百名用户的请求摊薄成本，加上 B200 相比 RTX 4090 在同等功耗下约有 3 倍 flops 和近 4 倍内存带宽，本地运行约需多消耗 30 倍资源；家庭推理的电力成本约每月 50 至 300 美元。

Ожидает перевода

Joy & Curiosity #93：Laracon 演讲、Amp 团队与 OpenAI 未发布模型的数学突破

OpenAI 一款未发布模型在数学和理论计算机科学领域取得“十项进展”，引发广泛关注。作者在 Laracon 分享了如何为 Amp 编写提示词，并记录了对 AI 编程、框架抽象价值以及 OpenAI 模型“越狱”事件的思考。

Ожидает перевода

作者称现在选日常模型主要看速度而非智力

Martin Alderson 表示自己第一次不再按原始智力挑选日常主力模型，而是按速度挑选，因为 Opus 4.6 级别的模型对写代码、整理研究、做幻灯片和数据库分析等日常任务已经够用。

Ожидает перевода

该被裁掉的是智能体工作流，不是工程师

作者认为企业在用 AI 缩减工程师编制前，应先按会话数据审查并关停那些失败、重复、空转或无人使用的智能体工作流。他给出一份审查清单，包括近 7 天和 30 天的会话数、完成与失败比例、总花费与每次成功运行的花费、工具调用次数、成本由哪些模型驱动，以及输出是否真正上线或被复用。作者同时区分可修复与应关停的工作流，并建议在关停前导出会话数据、把成功模式沉淀为带作者和版本的 Skill。

Ожидает перевода

AI 智能体的能力是真的，但工程纪律要自己补

当前 AI 智能体演示普遍在无限 token 预算、全新或精选代码库、无合规与运维压力的条件下运行，展示的是能力上限而非真实交付环境。AWS 副总裁 Marc Brooker 指出，智能体的机会受限于缺陷率，开发者调研中已有团队称其 AI 工具预算不可持续。作者建议只给智能体与验证能力和预算相匹配的自主权，用标准、检查项和可追踪的支出逐步放宽。

Ожидает перевода

为什么 CEO 主导的 token 强制令是合理的组织发现机制

Ryan Lopopolo 认为，CEO 主导的 token 强制令并非盲目跟风，而是组织学习如何部署推理算力的发现机制。他指出，现有绩效体系几乎无法识别谁能构建新的生产方式，约只有 5% 的人具备构建“造机器的机器”的技能与视野，必须找到他们并给予无限预算。

Ожидает перевода