跳到正文

#教程实践

今日 7 条
9月21日周一
  1. OpenRouter:Blog(Announcements)52

    OpenRouter 实测 TypeSafe 决策模型 Jev 对比 LLM 评审,闭式标准准确率打平、成本差 5 倍

    OpenRouter 于 2026-09-21 用 HaluEval 和 SummEval 两个公开数据集实测 TypeSafe 决策模型 Jev(typesafe/jev-1.13)与以 openai/gpt-5.6-luna 运行的 LLM 评审,整个实验花费 $0.041。

    决策要点

    AI 输出评审正从统一靠大模型打分转向按标准类型分层选型,闭式核查可交给更便宜更快的专用决策模型。

    • 影响闭式评审若改用决策模型,成本约为 1/5、延迟约为 1/10,放进生产请求路径当门禁变得可行;开放式和需要解释的评审仍要生成式模型,生产管线会是多种评审方式的组合。
    • 参考可考虑给 50 到 100 条生产样本打标,让两类评审各跑一遍并记录概率、延迟与成本,建可靠性表后再定阈值;值得先把现有评审标准分成闭式与开放两类,闭式的先试决策模型。
9月19日周六
  1. OpenRouter:Blog(Announcements)69

    Jev 决策模型与 LLM 对比实测,何时该用判断模型而非生成文本

    OpenRouter 发文实测 TypeSafe 决策模型 Jev 1.13 与 GPT Luna、Claude Opus 在客服工单分诊上的差异,主张选项固定的判断任务用决策模型、写作用 LLM。

    决策要点

    选项固定的判断类任务出现了成本仅为通用 LLM 四分之一到百分之一以下的专用模型路径,写作环节仍需 LLM 承担。

    • 影响客服分诊、升级判定和注入筛查环节的模型成本与延迟有数量级压缩空间;低置信度和高风险请求仍需回流人工,人力编排要同步设计;决策模型只读文本且对规则描述敏感,输入需先做清理。
    • 参考可考虑先盘点代码里以 JSON 解析加 switch 收尾的 LLM 调用,作为第一批替换对象;用一两百条已标注工单跑出准确率随阈值变化的曲线后再定 cutoff;写回复的分支保留 LLM,发送前由决策模型按政策文本核验草稿。
9月18日周五
  1. OpenRouter:Blog(Announcements)68

    OpenRouter 实测对比 20 款图像生成模型的成本、编辑与质量

    OpenRouter 用同一提示词实测 20 个图像生成模型,单张默认设置计费从 $0.006 到 $0.134,价差 22 倍,数据测于 2026 年 9 月 11 日。

    决策要点

    图像生成模型的标价互相不可比,选型关键从比价转向实测实扣,参数设置对账单的影响可以超过模型选择本身。

    • 影响电商产品图、营销素材等批量出图的单张成本可压到 $0.014 量级;quality 与提示词长度会放大按 token 计费模型的账单;品牌套图要先核对参考图上限,上限低的模型直接出局。
    • 参考可考虑先按文字标签、参考图数量、是否需要图文同答等硬约束筛掉不合格模型,再用自家提示词各跑一次并读取 usage.cost 对比实付;OpenAI 模型预算需注明 quality 档位。
9月17日周四
  1. OpenAI:官网动态31

    律所 Cooley 如何用 ChatGPT Work 加速 IPO 流程

    律所 Cooley 基于 ChatGPT Work 搭建 GO Public 工具,为 IPO 流程引入智能辅助,帮助律师更早发现问题、聚焦关键判断。该案例由 OpenAI 官网发布,现有材料仅为摘要,未包含具体功能与效果数据。

    决策要点

    律所 Cooley 把大模型封装成 IPO 专用工具,显示 AI 应用进入高合规门槛的法律核心流程。

    • 影响文中把 IPO 律师工作的提速作为直接目标,专业服务流程的工具化价值有了具体案例;工具接触上市敏感材料,其数据保密安排构成使用方的合规考量。
    • 参考可考虑向聘用的律所了解其在 IPO 项目中的 AI 工具与保密条款;值得盘点自家法务与合规流程中重复度高、适合用企业版大模型搭建的环节。
  2. OpenRouter:Blog(Announcements)47

    OpenRouter 教程:用 TypeScript SDK 构建可靠的工具调用智能体循环

    OpenRouter 发布教程,演示如何不依赖 Agent 框架,用其 TypeScript SDK 手写一个可靠的工具调用智能体循环。教程给出完整代码,示例用本地天气数据,一次运行中第一轮并行返回两个 get_weather 调用(延迟 3930 毫秒),第二轮输出拉各斯比伦敦更暖的最终答案;循环在模型不再调用工具、同一调用重复 3 次或达到迭代上限(默认 10 次)时停止。

    决策要点

    手写智能体循环的门槛不高,核心工程量在工具执行、停止条件与并发控制,模型调用与路由可交给平台处理。

    • 影响研发团队可不用框架先搭小型智能体验证业务工具,避免过早绑定框架;可靠性取决于应用侧的迭代上限与重复检测,而非模型本身;选供应商排序策略时要在 prompt 缓存命中率与供应商质量之间取舍。
    • 参考可考虑让团队按此教程搭最小循环跑通一两个内部工具,再评估是否引入 Agent SDK;值得先盘点工具是否共享状态以决定串行或并行;在意成本时可先算 provider.sort 设为 price 后的缓存与质量变化。
  3. Marketing AI Institute55

    GPT-6 Astra 如何帮你在 Keynote 内搭建演示文稿

    作者实测用 OpenAI 的 GPT-6 Astra 通过 computer use 能力在 Keynote 内直接搭建演示文稿,首次生成约完成 80% 工作量,剩余 20% 需要人工做创意判断和叙事编辑。

    决策要点

    computer use 让模型直接操作 Keynote 这类桌面软件,排版执行可交给 AI,人的价值集中到创意判断和最后 20%。

    • 影响演示文稿等格式化工作的搭建时间可压缩,团队时间转向内容与叙事;效果依赖先投入建立可复用的审美模板;computer use 消耗大量 token,高频使用前要先算成本。
    • 参考可考虑选一个已有完整大纲和脚本的演示项目实测一次,记录 AI 完成度与人工耗时;值得把调好的审美要求固化成可复用的提示词、文档或技能再复用。
9月16日周三
  1. OpenAI:官网动态35

    OpenAI 讲解如何用 ChatGPT Work 与 Codex 分析将 AI 使用关联到业务价值

    OpenAI 发布文章,讲解团队如何借助 ChatGPT Work 与 Codex 的分析功能了解 AI 用量与支出,识别培训需求,并把采用情况与业务成果关联。原文见 https://openai.com/index/how-to-connect-ai-usage-to-business-value。

    决策要点

    厂商把用量与支出分析内建进产品,企业度量 AI 投入产出可以不再完全依赖自建统计。

    • 影响已在用 ChatGPT Work 或 Codex 的团队可依托内置分析了解用量与支出;培训需求的识别为内部推广与预算讨论提供依据;材料仅为摘要,分析的具体维度需以官方文档为准。
    • 参考可考虑先用自带分析盘点各部门的 AI 用量与支出分布,再决定扩围或续费;值得把识别出的培训需求纳入下一轮内部培训计划。
  2. OpenRouter:Blog(Announcements)52

    DeepSeek V4 能读图吗?OpenRouter 逐型号解析视觉能力与价格

    DeepSeek V4 家族中只有 V4.1 Flash 和 V4 Flash Vision Exp 接受图片输入,其余 V4 型号均为纯文本。

    决策要点

    DeepSeek V4 各型号能否读图藏在 slug 命名里,照旧调用可能把图片发给纯文本型号而请求直接失败。

    • 影响已用 V4 的团队需要核对在用 slug 的输入模态,避免图片请求报错;两段式方案每次任务多一次模型调用,成本按两个模型叠加;目录挂牌价随日期变动,预算要按模型页现价重算。
    • 参考接入前可用 OpenRouter models API 核对各 slug 的 input_modalities;代码里可按消息是否含图片分流到视觉型号;需要 Pro 级推理的图片任务可考虑先跑视觉模型再传文字,并核算两次调用的总成本。
9月14日周一
  1. OpenRouter:Blog(Announcements)49

    OpenRouter 发布 LLM-as-a-Judge 教程,用裁判模型自动给智能体输出打分

    OpenRouter 发布 LLM-as-a-Judge 教程,讲解用一个独立裁判模型按人工编写的标准给智能体最终回答自动打分。配套的 Ori Eval 工具以 TypeScript 编写评测文件并用 Bun 运行,教程示例把通过线 minScore 设为 0.8 分。

    决策要点

    智能体评测从工具调用断言延伸到最终回答的语义质量,语义质检可以进入自动化回归和 CI 流程。

    • 影响客服等开放回答场景可把语义质检交给评分模型,减少人工逐条审阅;每次评测会新增模型调用,成本随用例数、候选模型和评分维度增长;裁判分数未经人工标注校准前不应作为发布依据。
    • 参考可考虑从一例真实客服失败案例入手,写一条他人也能执行的标准,先在小规模人工标注集上校准裁判;值得把确定性检查留在每次提交,LLM 评测放到定时任务或发版前以控制调用成本。
9月11日周五
  1. OpenRouter:Blog(Announcements)58

    OpenRouter 详解零数据留存(ZDR)对 AI API 的含义与边界

    OpenRouter 发布说明解释 AI API 的零数据留存(ZDR),即供应商处理完提示词和响应后不予存储,但数据仍会到达模型并被处理。ZDR 只覆盖供应商侧留存,不训练政策不等于 ZDR,供应商可临时留存数据用于滥用检测或法律义务;无法确认端点政策时会被保守归类为留存并用于训练。

    决策要点

    ZDR 的实质是把供应商是否留存数据从宣传口径变成 API 调用里可强制、可验证的路由开关,敏感流量可据此选端点。

    • 影响敏感业务调用大模型可要求供应商不留存提示词和响应,降低供应商侧留存与后续滥用风险;企业自身日志、插件和缓存仍会另存同样内容,数据管控需覆盖调用链各层;供应商政策按端点划分且会变化,选型要落到具体端点核对。
    • 参考可考虑把 ZDR 纳入 AI 供应商评估清单,按覆盖数据、适用层级、例外情形和验证方式逐项问询;值得盘点现有应用的日志、错误跟踪和插件,找出会重新留存提示词的环节。
  2. OpenRouter:Blog(Announcements)31

    OpenRouter 文本转语音 API 五分钟教程

    OpenRouter 发布文本转语音 API 教程,演示通过 OpenAI 兼容的 POST /api/v1/audio/speech 端点,用一个 API key 调用多家供应商的 TTS 模型。

    决策要点

    OpenRouter 把多家供应商的语音合成统一到一个 OpenAI 兼容接口,换供应商的成本降到改模型和声音两个字段。

    • 影响接入方可用同一套传输代码对比多家 TTS 供应商,切换成本主要是改模型和声音两个参数;声音目录、输出格式与风格控制随模型而异;计费从按字符到按 token 不等,成本测算要逐模型核对。
    • 参考可考虑把该端点用作 TTS 选型试验入口,先算出目标模型按字符还是按 token 计费,再按教程的分段请求与重试清单评估生产接入。
  3. Marketing AI Institute31

    Marketing AI Institute 盘点 23 个营销 AI 平台,均为 MAICON 2026 赞助商

    Marketing AI Institute 发布 23 个 AI 营销平台盘点,入选者全部为 MAICON 大会赞助商,并将在 2026 年 10 月 13 至 15 日克利夫兰的展会现场提供演示。

    决策要点

    这本质上是一份大会赞助商名单,但它集中呈现了营销 AI 从内容生成走向智能体自动执行的共同动向。

    • 影响营销工具的卖点正从单点生成转向跨平台自动执行,选型时需评估流程接管深度;榜单由赞助关系筛选,不能当作品类全貌或现成采购清单。
    • 参考可考虑按自身场景从 23 家中筛出两三家做对比实测,重点验证其对接现有数据与平台的方式;若十月参会,值得带着现有工具清单到展位要求现场演示。
  4. Google Blog:AI19

    Google 搜索介绍用 AI Mode 备战跑步比赛的三个方法

    Google 在官方博客发文,介绍用搜索的 AI Mode 备战跑步比赛的三个方法,涵盖定制训练计划、跑步歌单和装备选购。用户可在加号菜单选择 Canvas 工具生成训练计划,连接 YouTube Music 账号后可让 AI Mode 生成跑步歌单;装备搜索依托 Google 超过 600 亿商品条目的 Shopping Graph,可给出推荐、现货对比和本地有货信息。

    决策要点

    Google 用一篇跑步备赛指南演示 AI Mode 已能承担计划制定、歌单生成和购物推荐,搜索正向消费任务入口延伸。

    • 影响AI Mode 的购物推荐直接取自 Shopping Graph 的 600 亿条商品条目,零售商家的条目覆盖与本地库存数据影响在推荐和比对中的可见度;run club 等跑步相关搜索创历史新高,运动品类搜索需求在上升。
    • 参考消费品牌和零售商可考虑核对商品在 Google Shopping Graph 的条目完整度和门店库存准确性;运动品类商家可结合搜索热度上升,先测试自家内容在 AI Mode 结果中的呈现方式。
9月10日周四
  1. OpenRouter:Blog(Announcements)42

    OpenRouter Presets 使用指南,把 LLM 调用配置集中到一处管理

    OpenRouter 发布 Presets 用法教程,把模型选择(含 fallback 顺序)、系统提示词、provider 路由、采样参数和工具存成一个命名、带版本的配置,请求中以 @preset/name 引用。

    决策要点

    把 LLM 调用的模型、提示词、路由和参数从各处代码移到平台统一管理,改一处即可同步所有调用方。

    • 影响多端复用同一套模型与提示词时,可减少逐个代码库改配置再发版的维护成本;产品经理等非工程角色可经 dashboard 调整提示词与模型,工程与业务的变更权限需要另行约定。
    • 参考可考虑先盘点各仓库里重复的模型名、系统提示词和参数常量,选一个网页、批处理、机器人共用同一配置的场景试点;值得为组织级 preset 定好版本回滚和共享权限约定。
  2. Google Blog:AI28

    Google DeepMind 用 AI 逐帧重现结婚 70 余年夫妇的初遇,纪录片短片《Love, Rendered》发布

    Google DeepMind 与 Primordial Soup 合作推出纪录片短片《Love, Rendered》,用 AI 重现 Burt 与 Ethelle Shatz 结婚 70 多年间未被拍摄的初遇日,影片由奥斯卡提名导演 Liz Garbus 执导。

    决策要点

    用 AI 重现真实人物未被拍摄的过往已能成片,当事人的参与校正被视为留住情感可信度的前提。

    • 影响修复加表演捕捉的组合为重现无影像素材提供了制作路径;真人形象重现需当事人逐项把关,人工环节难以省略;情感类题材的验收标准是当事人认可而非画面效果。
    • 参考可考虑在家族史料或品牌历史影像项目中先试照片修复加动态化,Gemini app 的修复提示词可作起点;值得为真人重现预留当事人校正环节。
9月9日周三
  1. OpenRouter:Blog(Announcements)33

    OpenRouter 教程:在代码中用 Gemini 图像模型 Nano Banana 编辑图片

    OpenRouter 发布教程,把源图和编辑指令放进一个 API 请求发给 google/gemini-3.1-flash-image,就能在代码中用文本提示词编辑图片,结果以 base64 返回。

    决策要点

    用文本提示词改图已收敛为一个 API 请求,模型一字段可换,图像编辑环节的技术门槛对内容团队足够低。

    • 影响改图可并入自动化内容管线,新增工程量小;每次请求成本以美元记录在 usage 字段,支出可直接核算;文中提示模型目录变动快,写死的模型 slug 日后可能停用。
    • 参考可考虑选一个改图频次高的素材场景小规模试点,并用 usage 字段记录单次成本;值得在锁定某个模型 slug 前先确认其支持图片输入与编辑能力。
  2. OpenRouter:Blog(Announcements)56

    OpenRouter 评测 Seedance 2.5:强在 30 秒长镜头与素材改写,止步 720p

    OpenRouter 发布 ByteDance 视频模型 Seedance 2.5 的评测,称其单次可生成 4 至 30 秒视频,分辨率为 480p 或 720p,自 2026 年 8 月 7 日起已上线其视频 API。

    决策要点

    Seedance 2.5 用分辨率上限换来长镜头与素材改写能力,视频模型选型正变成按长度、分辨率、参考输入和单价逐项对表。

    • 影响30 秒成片和现有素材的剪辑延长可单次完成,减少拼接短片的连贯性成本;分辨率止步 720p,要求 1080p 或 4K 的交付仍需其他模型;按 token 计费随像素和时长缩放,单条成本可事先算出。
    • 参考可考虑先在 OpenRouter 视频基准页用自家提示词对比各模型成本与耗时;值得用 480p 出草稿、720p 出成片的方式试跑一条 30 秒长镜头;立项前按计费公式先算清单条视频预算。
8月25日周二
  1. OpenRouter:Blog(Announcements)60

    OpenRouter 详解如何在编辑器内用实时数据选出最合适的 AI 模型

    OpenRouter 在官方博客给出六步模型选型框架,主张用每完成任务的成本而非每 token 单价比较模型,全过程经由其 MCP 服务器在编辑器内完成。框架先用 29 类真实流量标签和第三方评测榜单筛出候选,再逐供应商比较价格与延迟,用自有提示词实测并以 get-generation 读取每次调用的真实成本。

    决策要点

    选模型的比较单位正在从每 token 标价转向每完成任务的实际成本,选型也从一次性决定变成需要定期复测的运营流程。

    • 影响按每 token 最低价采购可能反而买到更高的总成本,测算需计入重试与成功率;新模型发布频繁,选型需要安排复测节奏或改用按请求路由;同一模型在不同供应商处的价格、速度与可靠性存在差异,上线前应核对。
    • 参考可考虑把现有 AI 调用按任务类型拆分,用真实工单和文档等难例算出每千次完成任务的成本;值得为关键场景保留一份可复跑的评测,新模型发布后重跑对比,或评估 openrouter/auto-beta 按请求路由方案。
  2. OpenRouter:Blog(Announcements)49

    OpenRouter 视频生成 API 代码实战指南

    OpenRouter 提供统一异步视频生成 API,应用向 POST /api/v1/videos 提交任务、轮询状态后下载视频,同一端点支持 Seedance、Veo、Wan 等模型。

    决策要点

    视频模型切换从架构改造降为配置改动,多模型试错成本随接入模型增多而摊薄,一次集成可长期复用。

    • 影响需在产品中接入视频生成的团队一次集成即可对比多家模型,省去逐家对接维护;各模型时长、分辨率等参数不通用,功能差异仍要按模型单独处理;计价随模型和配置浮动,批量调用前应先核算成本。
    • 参考可考虑先用一组固定参数跑通提交、轮询、下载全流程,再逐个更换模型标识对比效果与成本;值得在批量调用前通过模型端点的 pricing_skus 估算单条视频费用,并与完成任务的 usage.cost 对账。
8月17日周一
  1. OpenRouter:Blog(Announcements)48

    OpenRouter 图像生成 API 代码教程,一把 key 调用多家模型

    OpenRouter 提供统一的图像生成 API,用单一请求格式和一把 API key 调用支持的图像模型,官方教程给出可运行的 Python 和 JavaScript 示例。

    决策要点

    OpenRouter 把多家图像模型的接入差异收进一个 API,降低的是集成成本而非生成成本。

    • 影响接入多家图像模型的开发和维护工作可收敛到一套接口;计费按张、按兆像素或按 token 因模型而异,成本需按模型分别核算;所有模型均无免费额度。
    • 参考可考虑在图像功能选型时先用该 API 跑通一两个候选模型并记录 usage.cost;值得在批量调用前查看各模型 endpoint 记录,确认分辨率和参考图等参数支持。
8月14日周五
  1. OpenRouter:Blog(Announcements)35

    OpenRouter 教程:如何通过 API 向视觉模型发送图像

    OpenRouter 发布教程,讲解如何通过 Chat Completions API(POST /api/v1/chat/completions)把图像发给视觉语言模型,做法是在用户消息的 content 数组中同时放入一个 text 部分和一个 image_url 部分。

    决策要点

    图像输入已收敛为标准 API 格式问题,企业接入视觉能力的门槛从模型选型转到场景验证。

    • 影响同一请求体适配所有视觉模型,换模型或比价的改造成本接近零;token 成本随图像数量和分辨率增长,票据与扫描件场景要做预处理;私密文档可走 base64,文件只经 API 调用离开内部系统。
    • 参考可考虑用自己的真实票据或截图先测两三款候选模型再定选型;值得在发送前统一做缩小和裁剪来压 token 成本;文档含图表的场景可先试图像摘要式的多模态 RAG 索引。
8月12日周三
  1. OpenRouter:Blog(Announcements)31

    OpenRouter 工具调用教程,一套循环代码换模型只改模型字符串

    OpenRouter 发布工具调用教程,同一套循环代码在 Claude、GPT 和开源模型 Llama 3.3 70B 上只需更换模型字符串即可运行。教程给出 OpenAI 兼容的工具定义与 tool_calls 处理全流程,并提供 cURL、Python 和 JavaScript 示例。

    决策要点

    OpenRouter 用一套 OpenAI 兼容格式把工具调用代码与具体模型解耦,换供应商从重写代码变成改一行配置。

    • 影响接入多模型时工具层代码可直接复用,换模型或配回退的工程成本下降;但各模型工具支持不一,回退路径可能静默返回纯文本;路由层本身成为新的依赖点。
    • 参考可考虑把现有工具调用统一到 OpenAI 兼容 schema,并用两个以上模型跑同一回归用例;值得在切换前逐模型核对 supported_parameters 是否含 tools,并把模型名收进配置统一管理。
8月7日周五
  1. OpenRouter:Blog(Announcements)50

    OpenRouter 团队 AI 支出管控五步设置教程

    OpenRouter 发布团队 AI 支出管控设置教程,依次配置组织共享充值池、预设、按密钥限额、成员级护栏和 Activity 用量报表五步。组织默认上限 10 名成员,按量付费无最低消费,标准账户买充值收 5.5% 平台费;密钥限额可按日、周或月重置,成员护栏预算超限或请求白名单外模型返回 403,报表可按成员、密钥或模型分组并导出 CSV 或 PDF,提示词与回复内容不被存储。

    决策要点

    团队 AI 开支管控从手工台账变成模型网关的平台功能,预算上限和模型白名单直接落在请求层。

    • 影响接入后要分密钥和成员两层设限,单靠密钥限额管不住多开密钥的人;5.5% 充值平台费和 BYOK 按牌价估算会影响成本核算口径;成员用量互见需要提前沟通。
    • 参考可考虑按工作负载建预设、按服务和环境拆分密钥并设重置周期;先算出单人可接受的日预算再配成员级护栏;交接前跑一遍 403 和归因验证。
8月6日周四
  1. OpenRouter:Blog(Announcements)50

    OpenRouter 团队 AI 支出治理指南,6 项管控如何分层选用

    OpenRouter 发文详解如何治理团队 AI 支出,梳理 6 项管控手段,主张从最便宜的控制起步逐层加码。除工作区预算为 Enterprise 专属外,单 key 限额、Guardrails、组织与 Activity 看板在免费和按量付费计划均可用;官方称平台按模型目录价计费不加价,卡充值买积分收 5.5% 手续费(最低 $0.80)。

    决策要点

    OpenRouter 把团队 AI 支出治理拆成限额度、限范围、查去向三层管控,主张从最便宜的单 key 限额起步再逐层加码。

    • 影响免费与按量计划就能对单个 key 和成员设硬限额,多数团队不必为此升级 Enterprise;BYOK 支出默认不计入预算,实际覆盖账单范围会比设置看起来的小;组织内用量元数据全员可见,团队隐私预期需要提前对齐。
    • 参考可考虑先给生产与实验 key 分别设月度限额和周重置限额,并用 Activity 看板按成员导出对账;值得盘点 BYOK 用量占比,占比高就开启 include_byok_in_budgets;确需整工作区硬顶时再评估 Enterprise。
7月29日周三
  1. OpenRouter:Blog(Announcements)39

    OpenRouter 与 LangChain 集成指南,用 ChatOpenRouter 接入 400+ 模型

    OpenRouter 发布教程,讲解如何用专用包 ChatOpenRouter 在 LangChain 应用中接入其 400+ 模型(来自 70+ 供应商),取代旧的 ChatOpenAI 加 base_url 写法。

    决策要点

    多供应商路由与故障转移从应用代码下沉到路由层,换模型供应商降到改一个字符串,应用里不用再写重试逻辑。

    • 影响已有 LangChain 应用可低成本接入 400+ 模型而无需重构链代码;故障转移由路由层承担,失败请求不计费,可减少无效支出;包为 beta 且不兼容旧版 LangChain,升级存在版本绑定成本。
    • 参考可考虑在测试环境用新包替换 ChatOpenAI 加 base_url 的旧写法并对比路由行为;关键链路可配 models 数组做跨模型兜底;对提示词数据敏感的团队值得把 data_collection 设为 deny,排除会将数据用于训练的供应商。
7月28日周二
  1. OpenRouter:Blog(Announcements)49

    OpenRouter 指南:如何按延迟、吞吐与在线率评估 LLM 提供商表现

    OpenRouter 发布指南,讲解如何按首 token 延迟、输出吞吐、在线率和量化精度四项指标评估 LLM 提供商表现,并指出同一模型在不同端点可能表现不同。

    决策要点

    选模型不等于选定服务质量,同一模型在不同提供商端点的差异足以影响用户体验,提供商选择应是持续度量的工程决策而非一次性命名。

    • 影响低精度端点可降低成本但会伤及推理、代码和长上下文任务的质量;绑定单一提供商会把对方的限流和故障变成自身应用故障;榜单成绩不等于自家工作负载下的表现。
    • 参考可考虑先按工作负载选定指标,聊天类看 p90 首字延迟、批处理看持续吞吐;值得用自家提示词实测候选端点,再用 sort、quantizations、fallbacks 等参数把结果固化成路由策略。
7月27日周一
  1. OpenRouter:Blog(Announcements)39

    OpenRouter 图像生成模型选型与常见报错修复指南

    OpenRouter 发布图像生成教程,给出按任务类型、参数支持、价格三步的选型方法,并逐一梳理 Image API 高频报错的修复方式。官方对比用同一提示词测试 20 个模型,单张计费 $0.006 到 $0.134,价差 22 倍;基准测试覆盖 39 个模型。图像生成目前没有 :free 免费模型,调用消耗信用余额,付费请求要求余额超过 $1 预授权,低价模型每张约一美分起。

    决策要点

    图像生成选型已变成可量化比价的采购决策,同一张图在 20 个模型间价差 22 倍,选型方法比收藏单个型号更可靠。

    • 影响同一张图价差 22 倍且计价单位分按张、按兆像素、按 token 三种,成本核算要逐模型记录;图像生成无免费额度,账户余额需超过 $1 才能发起付费请求;目录随发布频繁更替,依赖单一型号有失效风险。
    • 参考可考虑从官方对比和基准中筛出两三个候选,用三四个真实生产提示词在 Chatroom 试跑后再定;值得把每次响应的 usage.cost 记在型号旁自建价格表;固定 provider 前先核对各端点的 supported_parameters。
7月24日周五
  1. One Useful Thing(Ethan Mollick)71

    Ethan Mollick 更新用 AI 干活的选型指南 干真活首选 ChatGPT 或 Claude

    Ethan Mollick 发布新一期用 AI 干活选型指南,建议多数人二选一 ChatGPT 或 Claude,每月 20 美元起步,把真实任务交给智能体并像管人一样纠偏。

    决策要点

    用 AI 的实质正从聊天问答转向把工作委派给能操作电脑的智能体,选型集中在少数产品,审批与验收成了新门槛。

    • 影响20 美元档包含的智能体用量有限且消耗快,更贵档位买的是更多 AI 工时而非更聪明的模型,预算宜按工时估算;智能体可读写邮箱文件甚至代发邮件,接入范围与审批策略直接决定风险敞口。
    • 参考可考虑选一个真实任务在 Work 或 Cowork 上试跑并记录耗时对比;值得盘点接入智能体的邮箱网盘清单,把发送花钱删改类操作全部设为须审批。
7月22日周三
  1. OpenRouter:Blog(Announcements)46

    OpenRouter 支持语音转文字,端点与 Chat Completions 共用 API 密钥

    OpenRouter 提供语音转文字端点 POST /api/v1/audio/transcriptions,发送 base64 编码音频即返回文本和 usage 对象,鉴权与 Chat Completions 共用同一 Bearer 密钥,也兼容 OpenAI 风格 multipart 上传(上限 25 MB)。

    决策要点

    OpenRouter 把语音转文字并入现有聊天 API,省掉单独部署语音服务的运维,但端点功能尚不完整,适合轻量接入。

    • 影响已有 OpenRouter 用量的团队可少维护一套语音服务和密钥;长录音要自建分段拼接逻辑;按请求路由与数据策略暂不可设,合规敏感场景要先确认。
    • 参考可考虑先在 Playground 验证模型对自家音频的适配,再按 usage.cost 核算单请求成本;值得盘点现有 Whisper 或转写服务清单,评估把 base URL 指向 OpenRouter 的迁移量;长音频要预留分段开发的工时。
7月21日周二
  1. OpenRouter:Blog(Announcements)58

    OpenRouter 解读 Prompt 缓存与粘性路由如何降低 Agent 循环的 token 成本

    OpenRouter 发布教程,讲解 Prompt 缓存与粘性路由如何降低 Agent 多轮调用的 token 成本。缓存读取价为普通输入的 0.1x 到 0.5x,Anthropic、DeepSeek、阿里千问低至 0.1x,而 Anthropic 缓存写入为输入的 1.25x(5 分钟 TTL)或 2.0x(1 小时 TTL)。

    决策要点

    对多轮 Agent 负载,每轮重复的前缀是可控 token 成本的大头,缓存把它变成折扣价,但前提是路由和提示词结构配合。

    • 影响多轮会话和 Agent 循环的重复前缀成本可明显下降,官方模拟 6 轮从 6.0x 降到 1.75x;Anthropic 写入价高于普通输入,一次性请求用缓存反而更亏;请求漂到其他供应商会静默回到全价。
    • 参考可考虑盘点现有 Agent 每轮重复的 system 提示词和工具定义规模,先用 cached_tokens 和 cache_discount 算出真实命中率与节省;值得把稳定内容前置、为会话设稳定 session_id,并对比各供应商读取倍率。
7月16日周四
  1. OpenRouter:Blog(Announcements)54

    OpenRouter 用单一 API 覆盖图像、视频、音频与 embeddings 调用

    OpenRouter 说明图像生成、视频、音频、转写与 embeddings 均可通过单一 OpenAI 兼容 base URL(https://openrouter.ai/api/v1)调用,目录覆盖 400+ 模型、70+ 供应商。

    决策要点

    OpenRouter 把多模态调用收进一个 OpenAI 兼容接口,实质是把多供应商接入与对账成本压缩为单点集成,收益随使用模态数量增加。

    • 影响应用需要多种模态时,可把多套 SDK、密钥与账单合并为一次接入和一张账单;单模态且锁定单一供应商的应用直连更简单,文中也承认这一点;引入中间层同时多了一层外部依赖。
    • 参考可先盘点现有各模态供应商的接入、认证与对账成本,再用免费额度发一个 embeddings 请求验证兼容性,值得把聚合与直连两种方案的依赖面列表对比。
5月25日周一
  1. Anthropic:Engineering72

    How we contain Claude across products

    Anthropic 发文讲解如何为 claude.ai、Claude Code 与 Claude Cowork 三款产品构建智能体安全隔离,主张环境层硬边界优先于模型层行为约束。

    决策要点

    智能体安全的主战场正从约束模型行为转向环境层硬隔离,人工审批这道防线在规模化使用下会迅速失效。

    • 影响企业部署智能体的风险上限取决于授予的权限边界而非模型表现;自研代理与集成层是复盘中反复出事的环节;强隔离会同时挡住 EDR 等宿主监控,合规可见性需提前规划。
    • 参考可考虑先统计自家智能体的权限批准率,判断人工监督是否已失效;按使用者技术能力匹配隔离强度,非技术岗位配只读挂载加默认断网方案;值得把出口域名白名单当作能力授予清单逐项复核。
4月8日周三
  1. Anthropic:Engineering49

    Scaling Managed Agents: Decoupling the brain from the hands

    Anthropic 在工程博客详解其 Claude 平台托管服务 Managed Agents,把智能体拆成大脑(Claude 与调度框架 harness)、双手(沙箱与工具)和会话日志三个低耦合接口,各自可独立故障或替换。

    决策要点

    Anthropic 按操作系统虚拟化的思路重做智能体基础设施,押注接口稳定、实现随模型能力更替。

    • 影响企业接入自有 VPC 不再必须与 Anthropic 打通网络;官方数据下托管长任务智能体的启动等待下降;凭证隔离降低了提示词注入窃取令牌的风险。
    • 参考选型托管智能体服务时,可把凭证是否离开沙箱、TTFT 延迟列入对比清单;自建 harness 的团队值得盘点其中绑定旧模型行为的假设。
3月24日周二
  1. Anthropic:Engineering53

    Harness design for long-running application development

    Anthropic 工程师 Prithvi Rajasekaran 在官方工程博客介绍一套受 GAN 启发的三智能体 harness,由规划、生成、评估分工让 Claude 在多小时自主会话中构建完整全栈应用。

    决策要点

    生成与评估分离是提升长时自主编程质量的关键杠杆,脚手架组件则随模型升级失效,需要逐项重估去留。

    • 影响多小时自主开发能产出功能可用的全栈应用,但 token 成本可达单智能体二十倍以上;模型每次升级都可能让 harness 组件过时,维护投入需持续;评估环节对超出模型独立能力边界的任务仍有真实价值。
    • 参考可考虑选一个内部工具类开发场景试点生成与评估分离,记录 token 成本和评估发现的问题数;值得在新模型上线后重跑对照,逐个移除脚手架组件验证哪些仍在起作用。
2月18日周三
  1. One Useful Thing(Ethan Mollick)69

    智能体时代如何选AI,模型、应用与套件三层选用指南

    Ethan Mollick发布智能体时代AI选用指南,提出选AI需看模型、应用、套件三层,同一模型在不同套件下表现差异巨大。作者称Claude Opus 4.6、Gemini 3 Pro和GPT-5.2 Thinking三大前沿模型能力接近,认真使用需每月至少付20美元并手动选高级模型,免费模型按聊天优化、准确性不足。

    决策要点

    选AI的实质已从比较哪家模型强,变成搭配模型、应用与套件三层,同一模型换个套件表现可能截然不同。

    • 影响认真使用AI需按每月20美元起的付费档预算;免费模型按聊天优化、准确性不足,常见翻车案例多出自免费档或未手动选高级模型;员工用AI的方式正从写提示词转向管理智能体。
    • 参考可考虑按20美元档订阅一家并用真实工作任务试而非演示;值得从免费的NotebookLM或Claude Cowork起步体验智能体;复杂任务先弄清各家手动切换高级模型的入口,别依赖默认auto。
1月9日周五
  1. Anthropic:Engineering61

    Demystifying evals for AI agents

    Anthropic 工程团队发布 AI 智能体评估(evals)实践指南,建议尽早建评估,从 20-50 个源自真实失败的简单任务起步。指南按编码、对话、研究、计算机操作四类智能体给出评分方法,主张优先确定性代码评分,LLM 评分需与人工判断校准,并用 pass@k 与 pass^k 分别衡量单次成功率与多次一致性。

    决策要点

    智能体评估是自建 Agent 的工程基建而非可选项,文中把缺评估的开发描述为被动修问题的循环,评估体系决定换模型和迭代速度。

    • 影响智能体上线后若无评估,团队难以区分真实回退与噪声,调试陷入被动;评估体系还决定换新模型的速度,文中称有评估者数天可完成升级,无评估需数周;成本前置而收益随生命周期累积。
    • 参考可考虑从缺陷记录和客服工单挑 20-50 个真实失败转成测试任务起步;值得区分能力评估与回归评估并跟踪 pass@k 与 pass^k;评分宜围绕产出结果设计,LLM 评分需定期与人工校准。
1月8日周四
  1. One Useful Thing(Ethan Mollick)58

    Claude Code 实测与前瞻,AI 智能体能独立工作一个多小时交付完整项目

    沃顿教授 Ethan Mollick 用一句指令让 Claude Code 独立工作 1 小时 14 分钟,自动建成并部署了一个售卖 500 条提示词、定价 39 美元、可实际收款的网站。

    决策要点

    智能体工具的实质进展是让 AI 能独立连续工作数小时并交付成品,编程只是第一个被改写的知识工作场景。

    • 影响数据分析、报告和原型类任务可交给 AI 长时间自主完成,工作量估算与人力配置需要按新口径重算;工具要访问本机文件和浏览器,数据与权限风险同步上升;编程岗位的工作内容已开始被重构。
    • 参考可考虑选一个数据整理或报告类场景做小试点,先定专用文件夹、备份和权限边界;值得按每月 20 美元起的订阅成本,测算交给 AI 承担的工时账。
11月26日周三
  1. Anthropic:Engineering58

    Effective harnesses for long-running agents

    Anthropic 工程团队发文介绍让 Claude Agent SDK 智能体跨多个上下文窗口持续工作的方法,由初始化智能体首次搭建环境,后续编码智能体每次只推进一个功能并留下交接产物。

    决策要点

    长时智能体的成败更多取决于工程脚手架而非模型本身,跨会话记忆要靠人为设计的文件与流程补齐。

    • 影响把数小时级任务交给智能体时,交付质量取决于会话间交接设计;一次性大提示词和缺乏端到端测试是官方列出的主要失败来源;单智能体与多智能体架构孰优,官方也承认尚无定论。
    • 参考可考虑把长任务拆成功能清单驱动的增量会话,约定进度文件与 git 提交作为标准交接产物,并先评估浏览器自动化测试工具接入自家场景的成本。
11月4日周二
  1. Anthropic:Engineering51

    Code execution with MCP: Building more efficient agents

    Anthropic 工程团队提出让 Agent 以编写代码的方式调用 MCP 服务器,替代逐次工具调用,从而减少 token 消耗和延迟。官方示例中,把工具定义做成文件树按需加载后,token 用量从 150,000 降到 2,000,节省 98.7%(官方口径);该方法还支持敏感数据脱敏后不进入模型上下文、中间结果落盘复用,但需要沙箱、资源限制等执行环境,带来额外运维成本。

    决策要点

    把 MCP 工具调用从逐次经过模型改为在代码环境中执行,本质是用成熟的软件工程方法解决 Agent 的上下文膨胀与 token 成本问题

    • 影响已接入大量 MCP 工具的 Agent 项目可压缩 token 账单和响应延迟;敏感数据可在模型上下文之外流转,为合规处理提供新选项;沙箱和监控等基础设施会带来额外投入
    • 参考可考虑先统计现有 Agent 中工具定义和中间结果各占多少 token,估算改造空间;值得选一个工具多、数据量大的流程试点文件树式加载;改造前先确定沙箱、资源限制与监控方案的成本
10月20日周一
  1. One Useful Thing(Ethan Mollick)58

    沃顿教授Ethan Mollick发布观点鲜明的当下AI使用指南

    Ethan Mollick发布新一期AI使用指南,称约10%的人类每周使用AI,且绝大多数使用的是免费工具。他指出真正的前沿模型只有约九家,付费20美元档够绝大多数人,约200美元档适合复杂技术与编程需求。实操上他建议重要工作选Agent模型、开启10-15分钟的Deep Research,并称其近期实验发现chain-of-thought等提示词技巧已不再有明显帮助。

    决策要点

    AI使用的关键从提示词技巧转向选对模型档位与功能,免费档够大多数用途,付费价值集中在Agent模型和Deep Research。

    • 影响多数日常用途用免费工具即可覆盖,选型不必复杂化;严肃工作值得为Agent模型和Deep Research付20美元月费;各家功能与政策变动快,具体选型建议会较快过时。
    • 参考可考虑让团队先用免费档对比Anthropic、Google、OpenAI三家再定付费;值得对报告类工作试点Deep Research并请内行核验质量;涉及敏感数据时先查各家关闭训练开关的功能代价。