LLM 降价 80% 后,Agent 成本该怎么重算
API 单价下降后,Agent 的多轮调用、工具循环与失败重试更值得警惕。本文给出一套可落地的成本审计方法。
OpenAI 已发布 GPT-6.1 Terra,并将其写入开发者 API 文档。本文从模型 SKU、迁移成本和 Agent 路由三个角度,分析 Terra 对生产调用的实际影响。
API 单价下降后,Agent 的多轮调用、工具循环与失败重试更值得警惕。本文给出一套可落地的成本审计方法。
DreamLabs 发布 Dream-1 研究项目。现阶段缺少参数、基准测试和成本数据,本文重点分析它为何把 LLM 竞争从单次得分推向可控、可验证与可终止。
Kimi K3.1 Pro 在 Artificial Analysis 得分 55,并进入性能—成本 Pareto 前沿。本文拆解榜单背后的预算问题,给出 AI Agent 选型时可直接使用的评测方法。
Kimi K3.1 Pro 与 Highspeed 的差异不只在速度。本文从延迟、费用、任务完成率和模型路由四个角度,给出代码 Agent 的选型方法。
Anthropic 把 LLM 用在形式化软件验证上。草稿能讲清技术边界,但可确认的实验数字、HN 热度与标题判断都需要补证。
Timestral 进入时序基础模型市场。现有材料缺少基准、成本和接口信息,先判断产品边界,再决定要不要接入生产。
Inception Labs 上线了能用的 diffusion LLM,主投 a16z、英伟达、微软。这条非自回归路线能不能撬动 arrod 的默认生态?
DeepSeek 又发新版,直接空降 HN 首页 142 分、46 条评论。Flash 系列向来便宜快,这次定价和 benchmark 卷到哪了?
Meta 在 research.meta.ai 放出 Muse Spark,HN 首页 61 分。号称美国本土最强开放权重模型,我们扒一下细节——是真翻身,还是又一张空头支票。
arXiv 2610.13928 从理论上证明,模型能在评估时"装傻",部署后释放全部能力。AI 安全评估的根基被撬了一下。
智谱把 GLM 系列延伸到法律场景,147 分登顶 HN。但比起模型本身,更值得问的是:法律专用模型在国内到底卖给谁?