AI Agent 的隐性账单:多花 1000 倍 token,效果未必更好
这篇文章本身因为微信环境验证没抓到正文,所以具体实验细节没法展开。
推荐理由:文章基于 OpenHands 在 500 个 swe-bench-verified 任务上的轨迹数据,给出 154:1 的输入输出比和 0.32 的 Kendall tau,指出 token 消耗相差千倍时效果未必更好。
AI 写代码的一切:编码助手、Vibe Coding、代码模型评测与开发工作流变革。
这篇文章本身因为微信环境验证没抓到正文,所以具体实验细节没法展开。
推荐理由:文章基于 OpenHands 在 500 个 swe-bench-verified 任务上的轨迹数据,给出 154:1 的输入输出比和 0.32 的 Kendall tau,指出 token 消耗相差千倍时效果未必更好。
Peter Steinberger 晒出后台数据,30天里跑了760万次请求,烧掉6030亿个token,账单超过130万美元。他提到关掉“快速模式”后费用直接砍了七成,而且这笔钱目前由 OpenAI 承担,他自己不用掏。
推荐理由:Peter Steinberger 晒出 30 天 760 万次请求、6030 亿 token 的账单,并提到关掉快速模式后费用砍掉七成,这笔超 130 万美元的开销由 OpenAI 承担。
Dario Amodei 给了两个数字:AI 可能推高 GDP 增速到 5%–10%,同时失业率会上升、贫富差距拉大。他的核心判断是软件成本会降到接近零,传统靠卖软件授权的商业模式会被打穿。现在工程师还能去做编辑或升级工作,但 AI 模型会不断吃掉更多任务,很多干了几十年的职业会慢慢消失。
推荐理由:Dario Amodei 给出 AI 可能推高 GDP 增速至 5%–10% 同时抬高失业与不平等的判断,并指出软件成本趋近于零会冲击传统授权模式。
安全公司 RedAccess 扫描了 Lovable、Replit 等四个 AI 编程平台上的 38 万个应用,发现约 2000 个直接暴露了敏感数据,包括医院排班表、银行财务数据和临床实验资料。问题不出在 AI 写的代码,而是这些平台默认帮你一键部署到公网,且不强制开启身份验证。
推荐理由:RedAccess 扫描四个 AI 编程平台上的 38 万个应用,发现约 2000 个因默认一键部署且未强制身份验证而暴露敏感数据,问题出在发布流程的默认设置。
MagicPath 的 CEO 演示了把自家工具直接跑在 Codex 里,不再需要 Figma 和 IDE 两头切。用户在 Codex 里贴一条命令就能装好,然后像拖积木一样摆界面,Codex 会实时感知项目结构并自动生成、修改代码。演示里没提复杂交互和状态管理能覆盖到什么程度,但至少常规 UI 搭建看起来省掉了一轮导出导入的折腾。
推荐理由:MagicPath 把可拖拽的设计画布直接嵌入 Codex,一条命令装好后拖拽界面即可实时生成和修改代码,省去 Figma 与 IDE 之间导出导入的来回切换。
Eric Jang 花了几个月从零实现 AlphaGo,并把过程写成教程和代码放了出来。他原本的理解是“用自我对弈训练的搜索增强神经网络”,但亲手做一遍后对细节有了更深体会。他给出一条关键判断:前沿研究仍然很贵,但特定能力的落地成本掉得很快——到 2026 年,训练一个能打的围棋 AI 租算力只要几千美元,不再需要 DeepMind 级别的资源。
推荐理由:Eric Jang 把从零实现 AlphaGo 的完整过程写成教程和代码公开,并给出一个具体成本判断,2026 年租算力训练能打的围棋 AI 只需几千美元。
Greg Brockman 不再只是临时管产品,现在正式接手 OpenAI 的产品方向。Wired 拿到的一份内部备忘录显示,他打算把 ChatGPT 和 Codex 打通,做成一个统一的体验,不再让聊天和写代码割裂。Brockman 在备忘录里说,这是为了集中精力押注“智能体未来”,同时在消费者和企业市场两边赢。
推荐理由:OpenAI 联合创始人 Greg Brockman 正式接管产品策略,并计划将 ChatGPT 与编程工具 Codex 合并为统一体验,这关系到对话与写代码两条产品线的走向。
Anthropic 发了份内部手册叫《Founder's Playbook》,结论挺反直觉:像 Claude Code 这类 AI 工具,不是让创业更容易成功,而是会把失败率推高。手册把创业拆成想法、原型、发布、扩张四个阶段,逐个拆解 AI 放大风险的方式。
推荐理由:Anthropic 在《Founder's Playbook》中提出,Claude Code 这类 AI 工具会推高创业失败率,并拆解想法、原型、发布、扩张四个阶段中风险被放大的方式。
苹果在 M5 和 A19 芯片上花五年做的 MIE 内存完整性保护,被三个研究员用 Anthropic 的 Mythos 工具攻破了。他们 4 月 25 日发现漏洞,5 月 1 日就写完利用程序,全程只用了六天。攻击手法是纯数据攻击,不碰指针,靠普通用户权限的标准系统调用就能拿到 root 权限。团队已经当面把报告交给了苹果。
推荐理由:三名研究员借助 Anthropic 的 Mythos 工具,六天内完成绕过苹果 M5 芯片 MIE 保护的内核漏洞利用,仅凭普通用户权限的系统调用即可取得 root,这条呈现了 AI 辅助漏洞开发的真实速度。
Codex 通过 ChatGPT 不仅能连一台电脑,还能直接控制另一台,多设备管理不用来回切换客户端,在 ChatGPT 里换个项目就能拿到对应设备的上下文和文件。推文里还提到支持远程 SSH 去设置其他虚拟机,多机协作的灵活度上了一个台阶。不过正文没披露延迟表现和权限隔离细节,实际用起来稳不稳还得看后续反馈。
推荐理由:Codex 在 ChatGPT 内可同时连接并控制多台电脑,切换项目即调用对应设备的上下文和文件,还支持远程 SSH 配置其他虚拟机。
Qwen3.6 的两个新尺寸上了 Terminal-Bench 2.0 的公开排行榜。
推荐理由:Qwen3.6 的 35B-A3B 和 9B 两个尺寸进入 Terminal-Bench 2.0 公开榜,小模型在终端智能体这类硬核测试中有了可查的公开成绩。
OpenAI 把 ChatGPT、Codex 和 API 三个原本各自为战的团队合并成一个产品组织,由总裁 Greg Brockman 正式接管产品战略。ChatGPT 原负责人 Nick Turley 被调去管企业业务,消费者端换上了前 Instagram 副总裁。
推荐理由:OpenAI将ChatGPT、Codex和API三条产品线合并为统一组织,总裁Brockman直接接管产品战略,消费者端负责人也同步更换。
OpenAI 的 Codex 现在能直接调用 HeyGen 插件,你给它一段文字指令,它就能生成带数字人、字幕的视频,还能做剪辑。文章里测了一个大概一分钟的数字人视频,试了把 10 秒后的内容剪掉,以及删掉第 8 秒的一次眨眼动作。正文没披露生成延迟和具体成本,也没说剪辑精度到底有多高,所以“不用开剪辑软件”这个说法先打个折看。
推荐理由:Codex 通过 HeyGen 插件用自然语言生成数字人视频并完成剪辑,文中一分钟视频的删减与眨眼删除实测展示了指令控制视频编辑的具体操作方式。
Google DeepMind 发布 Gemini 3.5 模型家族,首款 Gemini 3.5 Flash 当日上线 Gemini 应用、Google Search AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise。
推荐理由:Gemini 3.5 Flash 在编码与智能体基准上超过 Gemini 3.1 Pro,输出速度是其他前沿模型的 4 倍,发布当日即接入 Gemini 应用、搜索 AI Mode 和 Gemini API。
OpenClaw 项目组把 AI 用量拉满,常驻约 100 个 Codex 实例,把代码审查、安全扫描、issue 去重归类、测试环境复现并录屏验证、从会议里自动建任务、垃圾评论过滤和性能回退监控全交给它们跑。他们用 clawpatch.ai 把项目拆成功能单元做审查,还接了 Vercel DeepSec 做安全分析。
推荐理由:OpenClaw 团队常驻约 100 个 Codex 实例,把代码审查、安全扫描、issue 归类、测试复现和性能回退监控交给 AI 批量执行,展示了高 token 消耗下多实例分工的一种落地方式。
OpenAI 周五宣布 Greg Brockman 正式接管产品团队。他在内部备忘录里说,公司要把 ChatGPT 和 Codex 合并成一个统一的代理平台——你可以理解成让模型直接进业务流程干活,而不是只聊天或写代码。这已经是 OpenAI 近期又一次高管洗牌,目标很明确:在 AI 代理的竞争里抢到先手。
推荐理由:OpenAI 将 ChatGPT 与 Codex 合并为统一代理平台,由 Greg Brockman 接管产品团队,这是其近期高管调整中直接指向 AI 代理竞争的一步。
阿里推出了 Qoder 1.0,支持 Windows、macOS 和 Linux。这次最大的变化是它不再只是一个帮你补全代码的编辑器,而是加了一个叫 Quest 的独立工作区,能让多个智能体同时跨项目跑任务。团队知识引擎可以把项目文档、代码库变成可检索的上下文,省得你反复解释。
推荐理由:阿里发布 Qoder 1.0,新增 Quest 独立工作区,可让多个智能体跨项目并行跑任务,团队知识引擎把项目文档与代码库转为可检索上下文,减少重复解释。
一位 Reddit 用户分三次跑了超过一百万 token 来测 Qwen3.6-35B-A3B 的多 token 预测(MTP)版本,上下文拉到 300k,量化用 KV Q8_0。他给出的结论是生成速度大概比之前测过的版本快了 1.5 倍。
推荐理由:一位 Reddit 用户分三次跑了超百万 token,在 300k 上下文和 KV Q8_0 量化下实测 Qwen3.6-35B-A3B 的 MTP 版本,生成速度约为此前版本的 1.5 倍。
OpenAI 把 Codex 塞进了 ChatGPT 的手机应用里,现在能直接在手机上写和跑代码。正文没说是 iOS 还是安卓都能用,也没提功能砍了多少、要不要付费、什么时候全量推。我会先打个折:目前只是预览版,稳定性和完整度都别抱太高期待。
推荐理由:OpenAI 将 Codex 接入 ChatGPT 手机应用,用户能直接在手机上编写和运行代码,移动场景下的编程方式多了一种选择。
一个叫keon/jepa的开源教学库把LeCun提出的JEPA世界模型拆成了5个独立变体,每个都用单个PyTorch文件实现,最短160行,最长278行,只依赖PyTorch和torchvision。其中iJEPA在CIFAR-10上跑了100轮,线性探测准确率52.7%,不算高,但胜在代码够短、能跑通。
推荐理由:开源教学库keon/jepa把LeCun的JEPA世界模型拆成5个单文件PyTorch实现,最短160行,其中iJEPA在CIFAR-10上跑完100轮线性探测准确率52.7%。