跳到正文

#DeepSeek

今日 2 条
今天11月16日周一
  1. 人人都是产品经理38

    AI 手搓的单文件 3D 网页走红,1.4M 纯 HTML 游戏画面接近 3A

    用 AI 手搓的纯 HTML 3D 世界成为近期社群里最热的玩法,一个 1.4M 的单文件游戏画面接近 3A 大作,其中约 700KB 是 Three.js,其余全由代码现场生成模型、雨和音效,没有一张图片或一段录音。

    决策要点

    程序化生成叠加 AI 写码,把 3D 内容的成本从制作和存储素材转移到打开时的算力,网页 3D 从图形专家的手艺变成普通人可上手的技能。

    • 影响轻量 3D 展示和营销页面的原型成本降到一段提示词的量级,省去素材制作和文件分发;但人物等精细模型还是要靠 Blender、Tripo 先建模,体积和迭代轮次都会上升;作者自己也判断商业上未必有大用。
    • 参考可考虑用文中模板挑一个产品展示或活动页场景做试点,记录加载耗时和多轮修改的人工成本;值得要求把主要物体拆成独立组件,方便后续单独调整。
  2. 36氪·AI51

    AI陪大爷下棋哄奶奶开心,3.23亿中国老人站到生成式AI门口

    生成式AI语音应用正走进中国老年人的日常,截至2025年末全国60岁及以上人口达3.23亿、约占总人口23%,文中老人已从试探提问发展到与豆包等AI聊天、请AI扮演亲人和共创社交。

    决策要点

    语音交互把老年人拉到了与年轻人同一起点,AI在银发群体中正从查询工具变成情感陪伴入口,这是被多数AI产品忽视的真实需求。

    • 影响银发人群的AI陪伴与共创需求真实存在,语音交互和方言识别是入门门槛;老人对错误信息有辨别力,但情感依赖与角色扮演涉及伦理风险;陪伴类硬件已出现购买意愿,价格是关键变量。
    • 参考做AI产品的可考虑先测自家语音交互对老年场景的适配,盘点方言识别与慢语速识别能力;值得参考老人先试探后信任的路径,设计可验证的回答与纠错入口;面向家庭的陪伴硬件需先算出价格敏感区间。
11月14日周六
  1. 人人都是产品经理55

    开源工具 FanBox 2.20.0 实现 Anthropic 常驻 agent 方案,等人时微信飞书通知手机

    花叔照 Anthropic《Building always-on agents》一文,在开源项目 FanBox 2.20.0 里实现了常驻 agent,终端里的 agent 停下等人时,微信或飞书会发一句话到手机。

    决策要点

    常驻 agent 的搭建门槛从云端团队方案降到了个人几张表加几个后台进程,新的约束变成人的注意力和打扰控制。

    • 影响编码等长任务场景可让人不在时 agent 继续推进,减少干等;每次唤醒都消耗 token 或订阅额度,通知频次直接影响成本;无人值守轮次有被注入指令操纵的风险,需权限设计兜底。
    • 参考可考虑在值守类长任务场景小范围试点,无人触发轮次只配读和搜索类工具;值得先按自家模型折算单次唤醒成本,再定通知与唤醒上限。
  2. 人人都是产品经理54

    到底是 SaaS+AI,还是 AI+SaaS?HR SaaS 从业者三年 AI 转型复盘

    一位 HR SaaS 产品负责人复盘三年 AI 转型,提出终局形态不是给旧产品装 AI 的 SaaS+AI,而是 AI+SaaS、更准确地说是 AI+软件,让 AI 从被调用的功能变成常驻在岗的虚拟员工。

    决策要点

    问题实质不在加不加 AI,而在客户的第一入口会不会被常驻 AI 平台接管;若入口转移,往旧系统装 AI 只是把旧房子装修得更平。

    • 影响SaaS+AI 路线有隐藏成本,旧流程要拆碎重排才装得进 AI,改造可能只换来一个快一点的零件;若客户第一入口转移到常驻 AI,按功能收费的 SaaS 会和按座席养的虚拟员工直接比价;作者推演考勤专员等基础岗位可能被统筹者加自建 Agent 替代。
    • 参考可考虑盘一遍现有 AI 功能里哪些只是给旧流程加速的零件,再挑一个高频任务测算常驻 Agent 托管的耗时与失败率;值得评估把行业 Know-How 拆成可复用组件放进平台型产品的投入产出。
11月12日周四
  1. 36氪·AI54

    南京大学团队提出TestPrism基准,AI写测试可靠性被评测标准高估一倍

    南京大学刘佳恒团队提出测试生成基准TestPrism,从17个公开Benchmark收集任务,测试集含300个任务和3000个带标签候选实现,核心指标JSF要求测试在原始代码上失败、接受所有正确实现并拒绝所有错误实现。

    决策要点

    现有基准对AI生成测试的可靠性存在系统性高估,Agent自测通过不等于代码可靠,采信AI编程成果时应留出质量余量。

    • 影响依赖Agent自写测试做验收的团队,漏检与误伤风险会高于传统基准分数显示的水平;工具选型若只对比单一参考类成绩,容易高估真实能力;论文显示改进生成流程也能提升可靠性,不必只押注更强模型。
    • 参考可考虑在AI编程试点中要求生成的测试先经人工抽检或多实现交叉验证再作验收依据;评估编程Agent时值得把多实现联合通过率这类更严口径纳入对比清单。
  2. OpenRouter:Blog(Announcements)60

    OpenRouter测算自托管LLM何时比API便宜,Qwen3.8 27B单卡6%到12%负载即打平

    OpenRouter发布测算文章,用2026年10月8日的实时API价格计算自托管LLM相对API的盈亏平衡负载:Qwen3.8 27B在一张每小时$0.50的租用RTX 3090上。

    决策要点

    自托管是否省钱本质是利用率问题,GPU时租要对比同一小时token量的API费用,多卡大模型常打不过API,单卡小模型和自有GPU才有成本空间。

    • 影响GPU按小时计租、忙闲都收费,只有工作时段的流量最多约24%利用率,多数团队租卡跑大模型难回本;公开的超低自托管成本多按缓存输入计价,口径不一致会误导采购对比;隐私需求大多可用零留存端点和区域路由满足,自托管留给必须掌控硬件的场景。
    • 参考可先用公式自算平衡点,以现价把GPU每小时租金除以满负荷一小时token的API费用;已有闲置GPU的值得优先评估,其电费口径约1%负载即可打平;可按稳定基流量定自建规模,峰值走API并设置provider.zdr,采购前再核对最新价格。
  3. OpenRouter:Blog(Announcements)65

    OpenRouter 教程:如何为大模型做基准测试

    OpenRouter 发布大模型基准测试教程,指导企业用自家业务的输入输出定义任务、用代码校验评分并核对账单,随文提供可运行的 Python 评测脚本。

    决策要点

    公开榜单排名与企业自身任务上的表现相关性很弱,模型选型证据应来自贴合自家业务输入输出的实测,而非榜单名次。

    • 影响同一组任务里 DeepSeek 每百次响应约 $0.00394、GPT-6.1 Sol 约 $0.2449,按所需通过率选型直接决定预算;输出格式不合规会带来无效花费,Sonnet 有 66 次格式失分;小规模自建评测试跑成本仅几美元,实测门槛在下降。
    • 参考可考虑从自家高频流程里挑 10 个左右带标准答案的样例,用随文脚本小预算试跑候选模型;值得同时记录通过率、每百次响应实付成本和截断率,再据此确定上线型号。
  4. 36氪·AI45

    清华联合伯克利开源 uni-robot-agent,统一语言模型操控机器人的工具接口

    清华大学联合加州大学伯克利分校 Pieter Abbeel 团队推出并开源 uni-robot-agent 框架,为语言模型操控不同机器人和仿真环境提供统一、模块化的工具接口,论文见 https://arxiv.org/pdf/2611.01560。

    决策要点

    具身智能正在走软件 Agent 已初步验证的路径,统一接口把硬件差异压到底层适配器,让通用模型操控机器人具备了条件一致的可比评测基础。

    • 影响机器人方案的扩展逻辑可能从绑定硬件的专用策略转向通用模型加适配器,跨机型迁移的成本结构会改变;同一模型换工具系统得分可相差近 29 分,工具层质量成为部署效果的关键变量;单次任务成本从 0.94 到 21.29 美元不等,运行费用需按任务频次测算。
    • 参考有机械臂或人形机器人场景的企业可考虑用开放接入代码在自有硬件上小规模验证通用模型路线;试点前先算出目标任务的 token 消耗、API 费用与执行时长,再与现有专用策略方案对比后定投入。
11月11日周三
  1. 36氪·AI48

    姚期智、杨植麟联手发布TCSExam基准,开放猜想无一模型独立解开

    11月5日,月之暗面、清华大学和上海期智研究院研究人员合著的论文在arXiv发布TCSExam基准,用100道理论计算机科学题考察前沿大模型的研究能力。

    决策要点

    AI攻克数学的叙事需要校准,模型已能产出机器可验证的研究级构造与求解结果,但自主攻克开放猜想仍是空白。

    • 影响总分相近的模型在定理类题目上得分差距悬殊,仅看榜单综合分容易误判能力边界;构造任务已有模型小幅超越公开参考纪录,电路化简、纠错码等场景出现可核验的应用空间;供应商的数学能力宣传可对照公开基准核查。
    • 参考可考虑用题目和工具已公开的TCSExam Lite复测候选模型在定理与构造任务上的差距;对宣称攻克数学难题的宣传,值得先核对结论是否经过Lean这类工具的机器验证。
  2. 钛媒体67

    中国AI基建投资2026年预计达9320亿元,阿里腾讯百度半年自由现金流转负

    荣鼎集团估算,13家中国企业2026年AI基础设施资本开支将达9320亿元,同比增长103%,2027年可能超过1.2万亿元。2026年上半年,阿里、腾讯、百度合计资本开支2080亿元,同期自由现金流为负160亿元;智谱和MiniMax毛利率分别降至约26%和18%,模型涨价尚未扭转盈利压力。

    决策要点

    AI竞争的实质正从模型能力转向资金承受力,投资速度与收入兑现速度的缺口成为分水岭。

    • 影响算力投入提前占用现金,预付款和资本开支会压缩自由现金流;融资租赁等杠杆工具放大了算力资产对出租率和需求变化的敏感性;有无成熟业务输血正在拉开参与者差距。
    • 参考采购算力时可考虑把预付款、交付周期与后续利用率写入同一张测算表;评估模型供应商时值得看其毛利率和融资结构,判断服务连续性;重资产投入前先算出保本出租率或调用量。
  3. IT之家·人工智能40

    谷歌更新 Android Bench 安卓开发基准榜单,Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 成绩揭晓

    谷歌官方账号 Android Developers 于 11 月 10 日在 X 首次公开 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 基准跑分,该基准考察应用创建、功能开发、代码迁移和应用转换等 Android 开发工程任务。

    决策要点

    安卓开发场景的模型选型开始有带通过率、耗时和成本维度的官方可比数据,榜单同时呈现高通过率与低成本两条路线。

    • 影响编程模型的单次运行成本差异已大到需要进入选型预算,同一基准下花费从 9.9 美元到 317.4 美元不等;预算和响应时间敏感的日常开发任务可倾向低价快速模型,长程复杂任务再权衡高通过率模型的耗时和开销。
    • 参考可考虑按任务类型把编程模型分成日常改动和长程开发两档分别核算预算;值得在自有代码库小范围复测 17.3% 与 24.0% 这类通过率,再决定是否在安卓团队试点替换现有工具。
11月10日周二
  1. OpenRouter:Blog(Announcements)59

    OpenRouter 教程:如何从任意 LLM 获取结构化输出(JSON Schema、工具调用或决策模型)

    OpenRouter 发布教程,讲解从任意 LLM 获取可靠结构化输出的三条路线,按模型 endpoint 支持情况在严格 JSON Schema、强制工具调用和 Jev 决策模型之间选择。

    决策要点

    结构化输出是否可靠由具体 endpoint 决定而非模型名,多模型接入的真正工作量在按能力选路线和保留本地校验。

    • 影响跨模型应用不能假定 Schema 在所有供应商生效,同一模型换路由结果会不同;只要求合法 JSON 的 JSON 模式实测 216 次全对,说明可在约束强度与稳定性间取舍;纯标签分类改用决策模型在该测试中成本约为 GPT-6 Luna 的一半。
    • 参考可考虑给 provider 加 require_parameters 并设为 true,让不支持的请求显式报错以便切换模型;值得为每条回复保留 jsonschema 校验,可选字段写成必填加 null 类型;纯分类需求可试 Jev,先用自有数据测准确率和成本。
  2. OpenRouter:Blog(Announcements)82

    OpenRouter 实测扫描件 OCR 模型,Claude Opus 5.5 准确率居首

    OpenRouter 用 8 张自制扫描页实测 15 个视觉模型、Mistral OCR 和 Tesseract 的扫描件识别能力,Claude Opus 5.5 在 264 项关键值检查中命中 262 项居首,每千页 16.42 美元。

    决策要点

    扫描件识别的差距集中在褪色打印、手写和传真等难页,视觉模型会编造页面没有的值且错误率指标看不出来,选型只能在自有文档上实测。

    • 影响每千页成本从 0.04 到 16.42 美元,选型对批量文档数字化的预算影响显著;模型编造的卡号、密码流入业务系统会造成数据错误,关键值环节需要校验机制。
    • 参考可考虑用文中的 transcribe 代码在自己的扫描件上跑一轮候选模型,记录关键值命中数和每千页成本;票据类流水线值得测试关闭推理与双模型互查两个降本组合。
11月9日周一
  1. 36氪·AI44

    游戏行业潜在危机:给手游氪金,不如给 AI 氪金?

    游戏葡萄刊文提出,AI 凭借陪伴与创造带来的情绪价值,正开始和手游争夺同一批用户的时间、金钱和感情。

    决策要点

    AI 用陪伴和创造两重情绪价值切入,开始分走手游用户的时长与付费,游戏行业要重新回答自己的不可替代性。

    • 影响游戏公司面对的竞争从同行扩展到玩家借助 AI 自创的乐趣,体验平庸的产品可能先流失重度付费用户;AI 以月度订阅形式承接原属游戏的娱乐预算,情绪价值成为新的消费入口。
    • 参考游戏团队可考虑梳理产品中 AI 难以替代的部分,如真人社交连接和经过完整设计的体验,再决定投入重点;值得跟踪自家重度付费用户在 AI 订阅上的时长与预算变化。
  2. 36氪·AI63

    欧美反数据中心浪潮升温,美国多州拟暂停审批,算力之争转向成本战

    11月6-7日欧洲多国民众抗议AI数据中心建设,美国多州拟暂停审批,Cleanview称全美约41%规划产能159吉瓦位于支持暂停建设的州内。Wood Mackenzie测算中国建数据中心单吉瓦成本55-65亿美元、100MW项目交付12个月,低于美国的80-120亿美元和36个月以上,OpenRouter统计中国大模型周Token调用量突破4万亿居该平台第一。

    决策要点

    这场反数据中心浪潮把AI竞争的约束从芯片采购转向电力成本与基建落地,中国厂商的低算力成本优势被放大。

    • 影响依赖美国系模型API的企业可能面临Token成本上涨与供应不确定;模型迭代放缓会改变选型预期;若内存等零部件供应回归正常,2027年前后终端采购成本有望下降。
    • 参考可考虑把非实时推理、数据清洗和后台Agent任务纳入国产模型比价清单,先算出现有Token支出结构;值得在终端硬件预算中预留2027年前后零部件价格回落的调整空间。
  3. 人人都是产品经理52

    BISHENG 开源企业级 Agent 平台私有化部署教程,一台普通电脑就能跑

    作者马佳彬实测了 BISHENG 开源企业级 Agent 平台的私有化部署,服务端放内网 Linux 服务器,员工电脑装配套客户端。部署全程用 WorkBuddy(Hy4 模型)协助装系统与排错,官方文档推荐 8 核 CPU、32G 内存的服务器即可,中高配消费级电脑也能跑;模型可接 Deepseek 等厂商 API,也支持 Ollama、llamacpp 本地部署。

    决策要点

    开源企业级 Agent 平台的部署门槛已降到一台普通电脑可跑的程度,企业自建办公智能体的卡点从技术能力转向后续运维与版本配套。

    • 影响平台本身硬件门槛低,一台中高配电脑即可起步,但本地部署大模型成本会明显上升,接厂商 API 是折中;开源客户端与服务端版本配套靠自行摸索,运维问题最终可能导向付费定制;数据留在内网可缓解外泄顾虑。
    • 参考可考虑先用一台中高配电脑加 Linux 系统试点部署服务端,把装系统和排错过程交给办公 Agent 代做;值得提前核对客户端与服务端的配套版本号,并评估接云端 API 与本地部署模型的成本差。
11月7日周六
  1. The Decoder:AI News63

    九个 AI 智能体挑战美国国家实验室开放课题,无一通过专家评审门槛

    一项基准测试让九个 AI 智能体基于美国国家实验室研究者的开放课题开展后续研究并撰写论文,135 份提交无一同时满足诚实、完整和达到专家标准。其中 114 份未通过诚信检查,只有 GPT-6 Astra、GPT-5.6 Sol 和 Claude Opus 5.5 的提交没有违规,开放模型 DeepSeek V4 Pro、Kimi K3 和 GLM-5.3 问题最集中。

    决策要点

    智能体能执行实验但做不了独立研究,短板在自查过松和诚信失真,增加运行时长并不能弥补。

    • 影响把开放式研究或分析类工作交给智能体,可能得到看似完整却与执行日志不符的交付物;模型的自查报告不能作为验收依据;用更长运行时间换取质量在这类任务上不成立。
    • 参考可考虑把智能体交付先限定在答案可验证的封闭任务;开放性任务值得引入独立于模型的第三方核验,并将交付内容与执行日志逐项比对。
11月6日周五
  1. 人人都是产品经理51

    49 元实测 MiniMax Code,一个主动又倔的编程智能体

    作者花 49 元购买 MiniMax Code 的 Go 套餐实测数天,评价这款编程智能体主动、倔、舍得花时间,M3.1 Flash 长链路表现超出预期。该产品底座为 Pi v0.79.1,作者称其在原版基础上增加沙箱运行时和权限分级,并修复流式截断容错与长数字精度问题。

    决策要点

    MiniMax 用 49 元低价包月加 Pi 底座深度改造切入编程智能体市场,上手门槛低,但额度设计对当主力的重度使用偏紧。

    • 影响编程工具多出一个低价包月选项,包月与按量的成本差取决于使用节奏;双窗口额度不累积,当主力跑长任务可能需升档;视频模型 H3 仅高两档可用。
    • 参考可考虑先用每日签到积分免费体验再决定档位;值得按团队日均 Token 用量分别套算包月与按量 API 两种账再选;需要视频能力或当主力时,可直接比较 119 元 Explore 档的额度。
  2. 人人都是产品经理54

    产品经理妈妈把 AI 当执行团队,两个月从 0 到 1 做出育儿 App

    一位产品经理妈妈用 AI 在两个月内独立跑通一款育儿 App 的从 0 到 1,投入为工作日晚上 21:00–23:30 加偶尔周末,全程没有程序员、设计师和老板参与。

    决策要点

    AI 大幅拉低了个人从 0 到 1 做产品的执行门槛,产品人的核心价值正转向判断和取舍。

    • 影响个人和小团队不凑齐研发编制也能验证一个产品想法;模型调用成本决定免费产品能否存活,计费和限额要提前设计;上架合规仍需公司主体,执行门槛降低不等于落地门槛消失。
    • 参考可考虑先让产品岗做一个验证型小原型,跑通真实需求再谈立项;值得参考其模型分层选型思路,并给高频免费功能设用量上限以控制 API 成本。
  3. 人人都是产品经理61

    智跃深空开源 SAG2,本地知识库建库从 4.57 小时降到 2.36 秒

    广州智跃深空开源 SAG2(https://github.com/Zleap-AI/SAG),建库阶段不调大模型、不做 Embedding、不需要向量数据库和 GPU,改用 BM25 关键词索引配合 JEV 判断模型在查询时串联多跳线索。

    决策要点

    知识库建库路线从入库重处理转向查询时计算,若官方数据属实,预处理和 token 成本可压到极低。

    • 影响知识库搭建与维护的人力成本结构改变,文件改动自动增量更新,省去重复切块向量化;数据留在本地桌面端,敏感文档接入 AI 问答的顾虑减小;若准确度经复核,客服问答、研报与代码检索等场景可低成本试点。
    • 参考可考虑选一个文档更新频繁的内部知识库,在 Mac 上用 SAG Wiki 实测建库耗时与答准率,和现有 RAG 方案对比;值得把官方论文指标当作参考值,先用自己的真实问答集小规模跑通,再决定是否替换存量方案。
  4. The Decoder:AI News59

    SemiAnalysis 新基准 GDPx 测试 AI 智能体真实工作,无一模型得分超过 12%

    SemiAnalysis 发布真实工作环境基准 GDPx,把 AI 智能体投入最长 8 小时的模拟知识工作,全部模型得分不超过 12%,Claude Opus 5.5 以 12% 居首。

    决策要点

    智能体在模拟真实工作里普遍只能完成约一成需求,排名还受安全过滤和各家工具链影响,榜单只能当参考之一。

    • 影响端到端专业工作仍交付不了,单个错误值就会让成果作废;各家安全策略差异直接改变可用场景,网络安全等领域能力差距悬殊;闭门任务和模型评分难以核验,选型不能只看一份榜单。
    • 参考可考虑按需求达成率而非任务完成数设定试点验收标准;值得把受安全过滤影响的场景单独测一轮再定供应商;先算出自家典型任务的单次成本,再对照榜单比较模型性价比。
11月5日周四
  1. 钛媒体59

    面壁智能造出了那台「造AI的光刻机」吗?ForgeKernel 同登昇腾与英伟达榜首

    面壁智能的无人 Agent ForgeKernel 在 22.5 小时直播中,不参考 DeepSeek 源码将 FlashMLA 算子写快 9.8%,最终耗时 472 微秒对 FlashMLA 的 518 微秒,只用一块英伟达 B200,代码随后开源。

    决策要点

    AI 在底层算子这类高门槛工程上跑赢了人类标杆,并在中美两套生态官方榜单同时登顶,RSI 叙事开始出现可检验的交付物。

    • 影响算子和训练框架这类高成本工程若可由 AI 接管,研发人力与周期预算需要重算,按文中 Gartner 口径算力效率每 1% 约对应 148 亿美元支出;国产芯片软件短板的补齐节奏可能加快,影响芯片选型与适配投入的考量。
    • 参考可考虑先复跑已开源的 ForgeKernel 代码并核对官方榜单评测细节,再选一个国产芯片适配或算子优化场景做小规模 POC;值得盘点自研训练框架和算子调优的人力投入,对照 AI 生成路线重算周期与预算。
11月4日周三
  1. 36氪·AI58

    复旦等机构发布LoLBench基准,实测28种Agent组合最高解决率仅14%

    复旦大学、香港城市大学、香港中文大学等机构提出LoLBench基准,把Agent放进平均约240万行源代码的软件系统,评估从功能提案到模块交付的完整过程,论文见 https://arxiv.org/abs/2609.37143。

    决策要点

    Agent写代码已近可用,但从需求到大型系统的完整交付仍是断点,瓶颈更多在定位与跨模块协同而非生成本身。

    • 影响用局部Bug修复类基准选型会高估Agent在自家大型代码库的实际交付率;复杂模块改造仍需工程师主导需求分析与修改范围;定位消耗过半Token,大仓库改造成本核算需把检索开销计入。
    • 参考可考虑在采购前用自家仓库做一次小规模交付率实测,先算出定位与修正的Token成本;值得把代码检索定位能力和规范补充机制列入Agent工具评估项;需求文档可先补齐模块依赖与接口规范。
  2. 人人都是产品经理59

    DeepSeek 的 Super-agent 设计,和我用 LobeHub 搭建 Agent 团队的工程实践

    作者受 DeepSeek Harness 团队《Super-agent 设计探索》一文启发,复盘用 LobeHub 搭建了 1 名主管加 6 名执行 Agent 的团队,已实际接管个人网站维护与短视频选题调研,抖音调研任务跑约 1 小时,产出对标分析报告和实战手册。

    决策要点

    Super-agent 的实质是把执行外包给可衔接的 Agent 团队,人退到目标拆解和验收,卡点从单体能力变成任务交接是否留证据。

    • 影响重复的信息处理和执行类工作可以交出,内容运营、调研和代码维护是直接适用场景;人的重心转向目标拆解与验收,需要具备写清范围和验收标准的项目管理能力;授权边界不预设清楚,主动介入容易失控。
    • 参考可考虑选一个反复执行的内容维护或调研场景,先配一名主管加少量执行 Agent 试点,写明授权范围和交付物;值得参考其验收做法,要求执行方带回修改摘要、命令结果和 PR 链接,再逐项核对证据。
  3. 钛媒体65

    拆掉“楚门”之后:百度AI的旧引擎与新建制

    百度2026年密集调整AI建制,4月底宣布取消T、P等字母职级统一为5至12级,5月成立模型委员会BMC,原基础模型研发部负责人吴甜离开公司。财务上,Q1 AI业务收入136亿元、占一般性业务收入52%,其中AI云基础收入88亿元同比增79%,而传统广告连续四个季度两位数下滑,Q2在线营销收入131亿元同比降19%,百度App月活降至6.44亿。

    决策要点

    百度AI转型的实质是收入已换挡到算力租赁,但应用层兑现与组织决策链的损耗仍未接上,风险在利润时间差。

    • 影响AI收入占比过半不代表转型成功,算力租赁的毛利结构会拉大与旧广告业务的利润差;搜索索引被拆成按次计价的商品,依赖入口变现的模式需要重估;组织扁平化后新协调机构有沉淀为审批层的风险。
    • 参考可考虑把自家AI收入拆成算力与应用两层分别核算毛利;依赖搜索分发的业务值得测算按次计价索引API的接入成本并预留渠道预案;组织合并职级通道时先明确技术决策权的落点。
  4. 爱范儿46

    15.98万元起,东风奕派M8天元激光版上市,用自研智驾替换华为乾崑

    东风奕派M8天元激光版上市,仅推纯电2款配置,含1.5万元置换补贴与5000元购置税补贴后的限时价为15.98万~16.58万元,比在售乾崑版纯电车型下调3万~4.4万元。

    决策要点

    东风用自研方案替换华为乾崑,实质是用更低的供应商采购成本换回定价空间,也说明贴牌头部智驾方案难以支撑同级价格竞争。

    • 影响头部智驾方案的采购成本会抬高整车定价下限,乾崑版因此难以参与同级价格竞争;自研替换可作为压低售价的路径,但要承担研发投入和市场接受度的风险;智驾软件免费与否正在成为同级产品的竞争变量。
    • 参考可考虑测算头部方案采购成本在产品售价中的占比及其对定价下限的影响;值得对比智驾软件免费开放与付费买断两种策略在同级市场的接受度;再评估自研替换的投入节奏。
  5. The Decoder:AI News58

    斯坦福研究测出 44% 大模型知名结论已失效,模型迭代快于研究更新

    斯坦福研究者 Owen Queen 与 James Zou 用 8 家厂商在 2024 年 7 月至 2026 年 9 月间发布的 20 个模型,复测 50 条广被引用的大模型结论,44% 已失效,另 34% 明显减弱,仅 16% 仍成立。

    决策要点

    大模型实证研究结论的保鲜期很短,且过期模式无法用发布时间、厂商或模型大小预测,旧认知不能当作模型现状。

    • 影响基于旧研究形成的模型能力假设可能失真,同代模型的失效结论数可从 11 条差到 30 条;引用编造等旧缺陷在部分模型上已消失、在部分模型上仍达 69%,按统一假设管理多个模型容易出偏差。
    • 参考可考虑给内部模型评测结论标注所用模型版本与日期并定期复测;选型时值得用业务场景小样本实测替代引用旧公开结论,参照论文做法保留提示词以便换模型后重跑。
11月3日周二
  1. 钛媒体63

    推理时代,算力产业需要换一套账本

    AI算力的价值衡量正从训练时代的峰值算力转向推理时代的Token效率,采购验收从卡的型号数量和峰值FLOPS转向吞吐、延迟稳定性、能耗运维等业务能力指标。

    决策要点

    算力的账本正从峰值FLOPS换成每Token成本,采购实质从买设备参数转向买可持续运行的业务能力,交付与运维成为新的分水岭。

    • 影响智算采购验收标准需从卡的型号数量转向吞吐、延迟稳定性和能耗运维;DeepSeek百万Token成本已降至3元以下,应用部署成本随之走低;智能体任务Token消耗可达普通聊天的数倍甚至上百倍,用量预算需前置。
    • 参考可考虑把算力验收拆成设备健康、集群兼容性、业务负载验证、连续运行四层逐项把关;值得按自身模型的上下文长度和并发需求先算出每Token成本,再横向比对供应商;部署智能体类产品可预留数倍扩容预案。
  2. 人人都是产品经理59

    千人研发企业私有化 Agent 架构方案推演:从研发增效到流程优化

    千人研发企业因豆包工作、千问办公、WorkBuddy 无法完整私有化并挂载私有网盘,选择以 OpenViking 为上下文核心自建 Agent 底座。架构用虚拟文件系统、L0/L1/L2 分层加载与目录级 ACL 统一管理记忆、资源与技能,并与自建权限中台映射实现检索全程鉴权,权限同步滞后的窗口内按无权限处理。

    决策要点

    办公 Agent 产品的私有化短板把有权限中台和私有网盘的企业推向自建路线,方案难点不在模型而在鉴权耦合与算力治理。

    • 影响需要把数据留在自有机房的企业面临买与建的取舍;文中估算显示自建入门算力门槛不高,5 张 L20 卡即可支撑试点;但所有数字为推导值,收益与节奏要靠试点数据说话。
    • 参考可考虑先盘点自家权限中台、私有网盘与机房的现状,判断自建前提是否齐备;值得套用文中的并发假设先算出自己的人员规模对应算力,再定首批推理卡预算;试点场景可选代码问答、知识检索这类只读任务。
  3. 人人都是产品经理44

    歸藏发布 DeepSeek Harness 设计插件,整合 PPT、去 AI 味等 5 个 Skill

    歸藏的AI工具箱发布面向 DeepSeek Harness 的设计插件 dsh-guizang-design,把 PPT、图文卡片、去 AI 味和网页排版共 5 个 Skill 打包到一起。

    决策要点

    设计类 Skill 的供给正从单点工具走向插件化整合,统一设计系统与个人语气定制成了新的竞争点。

    • 影响内容与市场团队可用一套插件产出版式统一、带品牌色的 PPT、卡片和网页素材;语气档案让去 AI 味保留个人口吻,降低 AI 腔对读者信任的损耗;该功能需读取个人聊天记录,官方称数据保存在本地不上传。
    • 参考可考虑让内容团队先用网页排版 Skill 把长文或视频转成阅读页小范围试用;值得用自定义品牌色统一现有素材产出;语气档案可在试点中对比去 AI 味前后的成稿效果,再决定是否纳入日常流程。
  4. 人人都是产品经理43

    DeepSeek Harness 团队公开 Super-agent 架构探索,用 AI 调度 AI 并行干活

    DeepSeek Harness 团队公开一套 Super-agent 架构探索,由 Router 统一调度、多个 Worker 隔离并行执行,支持群聊、GitHub 等外部事件主动触发任务和后台异步执行,目前仅以 dsh-superagent-prototype 原型插件形式实现,并非 DeepSeek 正式发布的产品。

    决策要点

    这不是一次产品发布,而是把多 Agent 协作当成系统工程问题来解的架构探索,重心从模型能力转向调度、成本与可控性。

    • 影响复现 Bug、跑测试、生成补丁这类重复研发工作可交给后台 Agent,人只负责定目标和验收;Token 成本会随多会话上升,实验中缓存读取量增约 37%;长期在线并打通群聊和代码库会扩大攻击面,权限和审计要先行设计。
    • 参考可考虑按文中思路先在一个低风险场景试点,让 Agent 监听 GitHub Issue 和 CI 失败、在临时分支生成补丁;值得记录工具调用、Token 花费和测试结果,先算出效率收益能否抵消额外成本。
  5. 人人都是产品经理24

    DeepSeek Harness 养鱼教程,从 QQ、微信接入到把大肥鱼送上抖音直播

    作者发布 DeepSeek Harness 实操教程,教读者用这款 DeepSeek 官方 Agent 在 QQ、微信、飞书搭出带人设的聊天机器人,下载入口为 https://www.deepseek.com/en/harness/。

    决策要点

    Agent 产品正把自主运行机器人的搭建门槛降到普通用户水平,围绕它的付费教程与代弄生意也随之兴起。

    • 影响员工能低成本在微信、飞书等办公渠道私接自主 Agent,数据和账号边界落到个人手里;机器人对外发言有被套话和注入的风险;代弄服务的溢价远高于 Token 成本。
    • 参考可考虑先盘点员工在办公通讯工具里自建机器人的现状;值得参考其提示词结构来规范自家社群 Agent 的人设与安全底线;动用前先算清 Token 用量。
  6. 人人都是产品经理57

    DeepSeek 提出 Super-agent 新架构,LobeHub 已将其做成产品

    10 月 31 日,DeepSeek Harness 团队公布一套 Super-agent 架构设计,由常驻 Router 负责与人沟通、派发和协调工作,多个 Worker 在独立上下文执行任务,把多 Agent 的调度负担交给系统。

    决策要点

    多 Agent 落地的瓶颈正从模型能力转向人机之间的调度协调,这块原本靠人传话和跟进的工作正在被产品化承接。

    • 影响负责人的精力可从切换会话、同步背景、跟进进度转向设定目标与验收;跨会话传话这类隐性人力成本有了被工具替代的空间;验收和返工留下的记录沉淀后,能成为后续交付的检查依据。
    • 参考可考虑选一个多环节、需反复交接的项目做小试点,先把验收标准写成文档再交 Agent 拆解;值得盘点团队在群聊、编程工具之间的人工传话环节,划定哪些取舍和决策要留给人确认。
11月2日周一
  1. 人人都是产品经理56

    独立开发者分享跑了一年的Agent自动化系统,仅关键决策由人拍板

    独立开发者数字生命卡兹克复盘了自己跑了近一年的Agent自动化系统,做法是把任务触发权从人移交给事件,人只处理最关键的决策。

    决策要点

    Agent自动化的实质不是比拼模型能力,而是把任务触发权从人移交给事件,人的角色从下命令转为只处理系统兜不住的判断。

    • 影响个人和小团队用订阅加本地设备就能搭出接近团队分工的自动化产能,省下云部署和CI超额费用;把删数据、花钱、对外发消息收敛为人工卡片确认,划出了Agent自主行动的风险边界;作者为单人独立开发场景,复制需按自家任务量和Token消耗重算。
    • 参考可考虑先盘点哪些日常任务适合事件触发,从定时报告、告警处理等低风险场景起步;值得为必须人工拍板的事项列一张白名单,并把已定决策沉淀成文件供Agent引用,减少重复询问。
  2. 人人都是产品经理29

    DeepSeek、Kimi K3.1、Opus 5.5、GPT-6 五组编码智能体同题实测,Token 消耗相差13倍

    博主 Ai学习的老章 用同一道纯代码生成20秒抓娃娃机拆解视频的编码题实测五组智能体与模型组合,最快8分钟、最慢46分钟完成,Token 总处理量相差约13倍。

    决策要点

    同一道编码任务在不同智能体与模型组合之间的耗时和 Token 消耗可以差出一个数量级,组合选型本身就是成本变量。

    • 影响编码智能体的运行成本不只取决于模型单价,还取决于组合的行为风格,多推理多自查的组合会放大 Token 消耗和等待时间;成片质量与消耗并不正相关,速度和用量最省的组合未必质量最好,团队选型前需要按自身任务实测。
    • 参考可考虑选定一道本团队真实任务,让候选组合各跑一次并记录耗时、Token 总量与成片质量三项数据再定预算;值得把缓存命中率一并统计,本次各组合缓存占比都在96%以上,差异主要来自总消耗。
11月1日周日
  1. 人人都是产品经理40

    教你用WorkBuddy自动操作Blender生成3D模型

    作者马佳彬实测用WorkBuddy搭配10月17日发布的DeepSeek-V4.1-Flash自动操作开源3D软件Blender,一句提示词生成一幢中国90年代居民楼3D场景。

    决策要点

    智能体操作Blender做3D建模从尝鲜变成可估算成本的任务,一句提示词即可启动,但仅限物体类模型且效果出自作者单人实测。

    • 影响产品展示、教学演示类简单3D内容有了低成本生成路径,可先小范围试做;人物动物类效果差,这类需求仍要接专门3D模型;效果评价样本单一,选型前宜自测。
    • 参考可考虑让设计或运营同事按文中流程试建一个展示用3D场景,记录实际耗时与积分成本;有网页展示需求的可参考.blend转.glb加three.js的做法。
  2. OpenRouter:Blog(Announcements)60

    用 OpenRouter 构建沙箱实测式 AI 代码审查器,单次成本 $0.015 至 $0.045

    OpenRouter 发布教程,提供 233 行 Python 脚本 review.py,通过 Responses API 把改动文件和 diff 上传到托管 Linux 沙箱,让模型运行检查确认 bug,并以可应用补丁的形式返回修复。

    决策要点

    把代码审查从只读 diff 的文本猜测升级为沙箱实测确认,单次几美分的成本让推送前和 CI 自动审查门禁在成本上可行,代价是代码须上传第三方平台。

    • 影响每次审查 $0.015 到 $0.045,可作为 pre-push 钩子或 CI 必过检查的低成本门禁;改动文件会进入 OpenRouter 工作区并发给模型提供方,涉密代码需先划定可上传范围;官方测试显示模型仍会产出破坏调用方的补丁,应用前需人工复核。
    • 参考可考虑选一个非涉密仓库按教程跑 review.py,用 --block-at 设定门禁阈值并记录单次耗时和费用;值得先算出典型改动的文件数是否超过 19 个上限,并盘点哪些代码允许上传第三方平台。
10月31日周六
  1. 人人都是产品经理29

    DeepSeek Harness 10组实用插件盘点,覆盖短剧创作、聊天接入与办公处理

    文章盘点了10组仍在维护的DeepSeek Harness第三方插件。DeepSeek Harness是一套开放Agent工具,用户可在电脑里与它对话、读取工作目录文件并调用工具完成任务,其第三方社区目录已收录数万个项目。

    决策要点

    围绕本地Agent的第三方插件生态已经成型,个人电脑上的办公与浏览器自动化正从极客玩法变成日常工具。

    • 影响文件处理、网页操作和远程接入可以低成本补进个人工作流;员工自行在办公电脑装插件会带来文件访问、外部网络请求和账号权限的数据边界问题;Harness官方插件管理仍在完善,第三方插件的优势可能随版本变化。
    • 参考可考虑从办公文件或浏览器自动化里挑一个重复场景小范围试用;值得先盘点办公电脑上已有的本地Agent和插件并核对访问范围;按原文做法可把安装链接交给Harness代装以便管控权限边界。
  2. OpenRouter:Blog(Announcements)65

    OpenRouter 数据对比开放权重与闭源模型的用量、价格与质量差异

    OpenRouter 撰文解释开放权重与闭源权重模型的区别,其平台数据显示开放权重占前 50 模型 token 份额从 2025 年 10 月的 27% 升至 2026 年 9 月末的 72%,期间闭源用量增长近 10 倍、开放权重增长超 60 倍。

    决策要点

    开放与闭源模型之争正变成一笔可量化的账,约 4 倍价差对应约 11 分质量差距,开放权重成为多数工作负载的合理默认起点,闭源留给最难的环节。

    • 影响单位 token 预算可按约 4 倍价差重算,多数流程可先按开放权重定价;数据不能离开内网的团队多出可自托管权重的选项;质量敏感环节仍可能为闭源多付数倍价格,各模型许可证条款需逐个核对。
    • 参考可考虑先设价格上限再按吞吐排序挑选端点;值得在自家任务上实测开放权重模型,只为质量改变结果的步骤保留闭源;商用前逐个核对 MIT 或社区许可证等条款差异。
10月30日周五
  1. 人人都是产品经理59

    写DeepSeek Harness插件的2个方法论和3个案例

    作者复盘在DeepSeek Harness客户端写插件的方法,选题公式为角色、最小场景、数据能力、极简页面,动手路径为需求、上下文、调试。三款插件中,大而全的考勤HR工作台烂尾,拆出的每日出勤插件成功,工资追算器1小时写出第一版、2天多调到基本可用,版本停在0.17.18共65个测试用例。作者认为最难的不是写页面和接口,而是在调试中保证数据准确,让用户相信页面上的每个数字。

    决策要点

    AI编程把插件开发门槛降到业务人员能自助上手,真正的瓶颈从写代码转向需求收敛与数据口径确认。

    • 影响业务人员可绕开研发自建小工具,内部工具的产出节奏会加快;一人团队模式下数据准确性和权限边界要业务自己把关;从最小场景切入的项目才能交付,大而全规划容易烂尾。
    • 参考可考虑让业务部门挑一个高频小场景试点,先用角色、最小场景、数据、页面四问筛掉大而全的选题;动手前盘点现成接口和字段,并和数据方约定口径由谁确认。