跳到正文

#客服

今日 1 条
10月22日周四
  1. 量子位53

    蚂蚁数科发布决策模型LingDT-Decision-1.0,称准确率超过微软、Jev等决策模型

    蚂蚁数科10月22日发布决策模型LingDT-Decision-1.0,提供4B和27B两个版本,已在DTMaaS平台上线并限时免费开放。官方在客服、风控、金融等真实业务场景测试称,相比大语言模型Token消耗降低超90%、响应时效提升10倍,其中智能客服场景相比Qwen-3.7-flash风险识别准确率由76%提升至89%,金融场景幻觉召回率由44%提升至70%。

    决策要点

    蚂蚁数科把客服风控这类高频结构化判断从通用大模型中拆出,做成主打成本与时延的专用决策模型,数据均为官方自测口径。

    • 影响意图判断、工单分派这类高频任务可能多一个专用模型选型,Token成本和时延有了新参照;官方数字未经独立评测,选型前需用自有业务数据复测;一套模型覆盖多类判定任务或可降低接入维护成本。
    • 参考可考虑先盘点客服、风控中的高频判断任务清单,算出现有Token成本与响应时延作为基线;限时免费期值得用真实工单测试多选与按序决策是否匹配自身业务流程。
  2. 人人都是产品经理62

    中电信星辰实验室开源意图理解模型 Xing4.0-29B-Intent,实测毫秒级完成意图分类与参数提取

    中电信星辰实验室开源意图理解专用模型 Xing4.0-29B-Intent,能在意图分类的同时抽取订单号等参数,训练语料、模型权重、推理 SDK 和部署镜像全部公开(github.com/XingChen-AGI/Xing4.0-29B-Intent)。

    决策要点

    意图理解这类毫秒级快判断正从大模型里拆出来做成专用小模型,Xing 把意图分类和参数提取两步一起做完,快慢分工的落地路径更完整。

    • 影响客服辅助、语音指令、输入框预判这类高频快判环节有了可自部署的专用模型选项,时延和调用成本都低于通用大模型;训练语料和权重全开源,企业可自行部署微调;但参数提取准确率依赖意图说明质量,需要配套校验规则兜底。
    • 参考可考虑盘点客服后台和输入框里让用户等大模型秒级返回的环节,挑一个意图固定的流程试接 Xing 并记录耗时对比;值得先把意图边界和参数格式写成明确说明,再给参数提取加词表归一化等后置校验。
  3. 量子位48

    中国电信星辰发布并开源意图理解模型Xing4.0-29B-Intent

    中国电信星辰通用人工智能实验室发布并开源意图理解专用模型Xing4.0-29B-Intent,同步开放275.3万条训练语料、模型权重与推理镜像,模型将意图识别与参数抽取结合,把用户一句话转成业务系统可处理的JSON结构化信息。

    决策要点

    意图识别这类高频窄场景决策正被专用小模型从通用大模型方案中拆出来单独做,比拼的是时延、成本和结构化输出的确定性。

    • 影响客服工单路由、语音指令解析这类日均调用量大的场景,有机会用小模型压低单次调用成本和响应等待;权重与语料开源让企业能在自有字段规则上自建语义入口;但评测为官方自研口径,换成自有数据前效果不能直接照搬。
    • 参考可考虑把客服或语音助手里意图分类这一环节单独拆出,用该开源模型在自有标注样本上对比通用大模型的时延与调用成本;值得先盘点日均调用量最高的几个意图场景,算清替换前后的成本差。
  4. 人人都是产品经理37

    电商直播项目成功主要靠什么?运营是枢纽而非主播

    靠谱的阿星在人人都是产品经理发文,结合自身带队卖货经验拆解直播电商分工,认为项目枢纽是运营而非主播,团队格局为前端主播、中台运营与中控、后端客服。运营负责主播招聘培训、话术撰写与投流,主播培训按痛点塑品、品牌背书、逼单三层逻辑循环;客服承担售前中后咨询与稳单,并维护店铺好评率和信誉分,忽视客服可能被平台封链接甚至封店。

    决策要点

    直播电商的成败关键不在主播个人,而在以运营为枢纽、前后端相互制衡的团队组织能力,这套分工可迁移到不同平台。

    • 影响后端投流与客服能力可沿用货架电商的积累,新增投入主要在前端主播与中控;主播流动性大,兼职用工更灵活但运营需承担招聘培训职能;客服缺位会触发平台封链接、限流甚至封店,直接中断直播间销售。
    • 参考可考虑按主播、中控、运营、客服四岗核对现有团队职责是否有人兜底;值得把话术撰写收归运营,并用千川后台的成交退货数据考核主播时段销量;先评估自家供应链能否拿到有营销空间的低价货源。
10月21日周三
  1. The Decoder:AI News56

    ElevenLabs 发布 Eleven Realtime 两款语音到语音模型,面向实时 AI 对话

    ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型,面向实时 AI 对话。

    决策要点

    ElevenLabs 把语音到语音实时对话做成专门模型,实时语音智能体在延迟与准确率之间多了一个供应商选项。

    • 影响语音客服和实时语音智能体场景多了一个主打高准确低延迟的可选模型;OpenAI 兼容接口让替换现有方案的接入成本较低;按分钟加 token 计费与按次计费结构不同,需要重算单通对话成本。
    • 参考可考虑选一个客服通话场景做小规模试点,对比现有方案的延迟和应答准确率;值得按分钟加 token 的计费口径先算出单通电话成本,再决定是否切换。
  2. The Decoder:AI News59

    Mistral AI 发布 Voxtral 3 实时语音智能体方案,含转写、语音合成与 SDK

    Mistral AI 发布面向实时语音智能体的 Voxtral 3 模型系列,包含转写模型 Voxtral Small Transcribe 3、语音合成模型 Voxtral Mini TTS 3 和基于 LiveKit 的语音智能体 SDK,把听、思考、工具调用和说话整合进一条流式流水线。

    决策要点

    Mistral 把实时语音智能体所需的转写、推理与语音合成打包成一整套栈,并把欧洲数据驻留作为差异化卖点。

    • 影响搭建语音客服、预约或电话查询类服务可整体采用一套栈,不必分别拼装多家组件;对数据驻留有要求的欧洲业务多出自有部署和欧盟托管 API 两条路径;目前能力与成本数据均只有官方口径。
    • 参考可考虑用预约或发票查询这类高频场景测算每分钟 $0.0035 的转写成本与人工对比;值得先评估自有部署与欧盟托管两种方式在合规边界和运维投入上的差别。
10月20日周二
  1. TechCrunch · AI39

    Yelp 推出 Check for Me 功能,AI 语音智能体代用户致电餐厅查等位时间

    Yelp 推出 Check for Me 功能,用户在餐厅页面输入用餐人数和手机号后,由 AI 语音智能体代为致电查询等位时间,并以短信返回结果。Yelp AI 助手同时新增 OpenTable 集成支持应用内订位,可记住用户此前提到的偏好、设置自定义提醒、访问近 30 天聊天记录,并支持建立和分享个人清单,下月起将基于收藏内容推送每周个性化推荐。

    决策要点

    AI 代打电话正从初创产品试验进入大众消费应用,平台还把同类语音能力打包成面向商户的订阅服务。

    • 影响餐饮等服务商户会接到更多用户侧 AI 来电,需准备应对机器问询的接待口径;小商户可用 $30 月费把线索回复外包给 AI,客服自动化的使用门槛进一步降低。
    • 参考可考虑先核对店铺的营业与等位信息能否被语音应答清楚传达;客服人手紧张的商户值得测算 Smart Lead Reply 的 $30 月费与人工回复线索的成本对比。
  2. 人人都是产品经理63

    AI客服答非所问,先改提示词还是知识库?

    AI客服答非所问时,问题可能藏在路由、检索、知识版本或生成环节,直接改提示词多半白改,文中以用户在订单页问退款进度、助手却回通用退款政策的案例说明这一点。作者建议先按日志还原请求链路,从入口上下文、意图路由、检索候选与文档版本逐段缩小范围,再用边界相近的问题组连入口条件一起验证意图分类。修复时把知识、检索或提示词的改动按组记录,重跑核心回归样例,留下可复查的记录。

    决策要点

    客服答非所问的根因应沿调用链用日志证据定位,提示词是证据确凿后才动的环节而非首选修改项。

    • 影响排查方法决定客服问题的定位速度和维护成本;日志与配置不留档会让线上问题无法复盘根因;通用规则与订单实时数据来源不同,回答事实需区分出处。
    • 参考可考虑先核查客服系统是否留存检索候选和接口调用日志,再整理边界相近的意图样例连入口条件一起验证;改知识或提示词时应按组记录变更并重跑核心回归样例。
10月19日周一
  1. 人人都是产品经理41

    实测HuggingFace决策指数榜首模型StartLux-Decision-v1.1,领先Jev近八分

    上海StartLux团队发布决策模型StartLux-Decision-v1.1,分Instant与AutoThink两版共八款,AutoThink在把握不足时可自动追加最多4096个token的推理。

    决策要点

    决策模型把高频结构化判断从大模型生成里剥离,生成加裁决的分工模式开始有免费开源选项可试。

    • 影响工单分流、合规放行这类高频结构化判断可考虑用小模型替代大模型生成调用,压低时延和token成本;榜单与实测证据口径单一,进生产前需用自家业务数据检验;开源与免费API降低试用门槛,但商用需取得授权。
    • 参考可考虑选规则明确的场景如工单分流或回复合规检查,先接免费API跑小样本对照,记录判断准确率、时延和成本与纯LLM方案的差距;进入生产前值得先确认商用授权条款。
10月18日周日
  1. 人人都是产品经理60

    AI产品需求怎么写?从功能描述改成任务和结果

    AI产品需求可从功能描述改写成任务和结果,作者以自己拉客服一起写AI退款助手PRD为例,把支持退款咨询拆成查询、解释、转接三个动作,写明本期不做发起退款、修改退款金额和催办。

    决策要点

    AI需求的难点不在模型而在边界,把功能描述改成任务加结果,研发客服测试才能按同一份文档开发和验收。

    • 影响退款查询这类出错代价低的动作适合先做,涉及退钱改金额的出错要走财务流程;范围口径写进文档可减少各职能返工;转人工链路不实测,问题会在上线首日暴露。
    • 参考可考虑拉客服实走一遍真实订单操作,把需求写成任务加完成结果的格式;值得让客服和测试在同一份样例上出题,并单独实测转人工链路;先算出一整次多轮咨询里模型与接口的调用成本。
10月16日周五
  1. 钛媒体27

    山姆全国第70家门店落地无锡江阴,天猫双11定档10月20日晚8点开卖

    消研所周报盘点多条消费行业动态:山姆全国第70家门店无锡江阴店于10月13日开业,在无锡形成一城三店格局;2026天猫双11于10月15日晚8点启动首轮活动,10月20日晚8点全品类开卖并持续至11月13日24点,京东则于10月12日现货开卖并取消定金预售。

    决策要点

    线下门店加密、双11大促规则简化与AI客服工具落地三线并行,都是企业可直接比照的经营参照。

    • 影响天猫与京东大促节奏和规则不同,商家需分别安排备货与优惠预算;美Link的咨询转化数据为线下服务业引入AI客服提供参照;山姆等头部门店加密会加剧区域零售选址竞争。
    • 参考可考虑对照天猫与京东两套节奏重排双11备货和投放排期;值得参考美Link超3万咨询用户的数据,测算AI客服在自有接待场景的试点成本收益。
  2. 人人都是产品经理44

    三年前的差评正被 AI 无限放大,出海品牌面临售后口碑新危机

    作者实测发现 ChatGPT 把 Trustpilot 上一条三年前的旧差评当作当前事实,劝退正在比价的买家。文中引 Trustpilot 分析 ChatGPT、Gemini、Perplexity 和 Google AI Mode 共 80 多万条回答,无评论账号品牌出现在 AI 答案中的概率仅 1%,积极收集并回复评论的品牌达 75.3%。

    决策要点

    AI 搜索把历史差评当当前事实引用,售后口碑从客服问题变成决定品牌 AI 可见度与转化的经营变量。

    • 影响高客单价数码、智能家居等出海品类的转化下滑,可能来自 AI 反复引用的过时差评;缺乏第三方评论沉淀的品牌在 AI 答案中近乎隐形;文中案例显示差评集中在响应时效与退款周期两处。
    • 参考可考虑在 ChatGPT、Perplexity 等工具中检索自家品牌加售后、退款关键词,盘点 AI 正在引用的差评来源;值得统计客诉集中的环节和当前退款周期,评估入驻第三方评论平台并主动回复。
  3. 钛媒体60

    双十一的AI经济学,电商平台AI商业化的三条路径

    作者庄帅总结电商平台AI商业化的三条路径,广告投放、订阅付费与按次收费,认为大促期间的人手缺口会让商家不得不为AI付费。文中称阿里万相点睛7月底全量上线后相关推广场景成交额超20亿元、累计超15万商家使用,AI店小蜜标准版每通0.2元、约为人工客服十分之一,淘天内部AB测试显示自2026年3月起AI加人工转化率全时段超过纯人工。

    决策要点

    存量电商时代AI商业化的实质是帮商家降本增效,大促期间的人手缺口让商家从观望转为不得不为AI付费。

    • 影响大促客服人力缺口可改用AI承接,按次定价让人工与AI成本可以直接对比;订阅类工具存在大促后停用的风险,商家付费意愿和续费率仍是行业软肋;广告端AI与现有预算结构兼容,但难让商家额外多投钱。
    • 参考可考虑在大促前算清人工客服月薪与智能客服按次费用的对比账,优先在客服这类高频场景按次付费试点;值得记录转化率和转人工率等数据,作为大促后是否续费订阅类工具的依据。
  4. 人人都是产品经理61

    双十一的AI经济学:阿里、京东、抖音电商的三条商业化路径

    作者庄帅拆解电商AI商业化的三条路径,广告投放、订阅模式与按次收费,分别对应阿里万相点睛(7月底全量上线后相关推广成交额超20亿元、超15万商家使用,官方口径)。

    决策要点

    电商AI商业化的实质不是技术竞赛,而是平台借大促人力峰值让商家先形成付费习惯,再验证留存。

    • 影响客服等高频场景已有透明按次计价,企业可把人工与AI成本放在同一口径下比较;大促用工缺口会让AI客服类工具成为阶段性刚性支出;订阅类工具受国内商家续费率偏低的制约,付费习惯能否养成是关键变量。
    • 参考可考虑把人工客服月薪与AI按通计价放进同一张成本表,用日常和大促的咨询量分别算出平衡点;值得在客服场景小范围对比AI与人工的转化率、转人工率,再决定扩大范围。
10月15日周四
  1. IT之家·人工智能67

    SpaceXAI 发布 Grok Voice 3.0 语音模型,官方称全球最智能、延迟低于 1 秒

    SpaceXAI 发布语音转语音模型 Grok Voice 3.0,官方称其为全球智能水平最高的语音模型,延迟低于 1 秒。模型已通过应用程序接口上线,每分钟定价 0.08 美元,与 Grok Voice 2.0 相同,使用 grok-voice-latest 版本的智能体已自动升级。

    决策要点

    语音模型的比拼重点正从单一智能转向智能、延迟与成本的平衡,企业语音智能体选型开始有可对标的第三方基准。

    • 影响客服与电销场景可按独立基准和实际通话成本重算语音方案预算;每分钟 0.08 美元与上代持平,试点的成本可测算;星链案例中单个智能体覆盖核验、退款、补发设备,客服岗位的分工边界值得重新审视。
    • 参考可考虑选一两个高频客服话务场景做小规模对比试点,并按自身话务量和每分钟 0.08 美元的定价先算出成本账;值得盘点现有语音供应商和人工坐席解决率数据,作为替换或组合使用的依据。
  2. The Verge · AI53

    Square 发布 Square Kiosk 点餐终端,支持 AI 语音对话下单

    Square 发布可对话 AI 的 Square Kiosk 点餐终端,今日起以 1,999 美元开售,限 Square Plus 或 Premium 订阅商家,另收每台每月 99 美元软件费。设备配 21.5 英寸触摸屏,官方称其智能体语音层能理解商家菜单并实时应答,顾客可像对店员一样提问、要求修改或替换菜品,还支持感知顾客靠近主动问候以及非接触支付和插卡。

    决策要点

    Square 把 AI 语音对话装进线下点餐硬件,并用高档订阅加月费把它做成持续性收费的门店设备。

    • 影响餐饮零售门店多了一个用语音 AI 分流人工点餐的硬件选项;硬件买断加按台月费的定价会改变投入结构,持续软件成本需按设备数核算;设备绑定 Square 高档订阅,档位要求会筛掉部分商户。
    • 参考可考虑先算单店点餐人力成本与设备加月费支出的对比再定试点;已在用 Square 的商户值得核对现有订阅档位与升级费用;非 Square 商户可先评估换平台的整体迁移成本。
10月14日周三
  1. Adweek47

    Square 推出首款自助点餐终端,内置可对话 AI 点餐助手

    Square 推出首款专用自助点餐硬件 Square Kiosk,配备 21.5 英寸触屏和可与顾客对话的 AI 点餐助手。助手能回答“有哪些素食选项”“10 美元以下有哪些菜品”这类问题,每台终端基于餐厅自己的菜单训练,包括热门菜品和搭配关系。Square 食品饮料业务负责人 James Schonzeit 对 Adweek 表示,这让顾客点餐方式更自然,也能体现餐厅特色。

    决策要点

    自助点餐从触屏翻菜单转向自然语言对话,Square 把 AI 点餐能力做进了标准化商用硬件。

    • 影响对话式点餐降低顾客自助下单的门槛,单店和连锁可用同一套硬件;菜单数据是 AI 回答与推荐的基础,菜单维护质量会直接影响点餐体验。
    • 参考可考虑先盘点门店菜单数据的完整度,热门项和搭配关系是否齐备决定 AI 回答质量;值得在试点门店对比 AI 点餐与人工点餐的下单差异。
10月13日周二
  1. 36氪·AI53

    vLLM社区开源Decision 3.0多模态决策模型,d3登顶Jev Decision Index榜单

    10月11日,vLLM社区孵化的vLLM Semantic Router开源Decision 3.0系列多模态决策模型,六款参数0.6B至27B,权重已在Hugging Face开放。

    决策要点

    只做判断的小模型从Jev一家独大走向开源可自部署,判断与生成开始分层,多模型系统的推理成本有了新的压缩点。

    • 影响客服分流、内容审核、模型路由等高频判断任务可交给小模型承接,官方称文本延迟中位数55毫秒;权重开源支持本地部署,判断环节可不依赖云端API;该品类刚因Jev走红,选型格局变化快。
    • 参考可先盘点现有系统用通用大模型做意图识别和分类的调用量与费用,再对照d3公布的延迟数据;值得选客服分流或工单路由一个场景做小模型试点,比较准确率和成本。
  2. 人人都是产品经理53

    家政养老业这样用WorkBuddy,排班、回访、对账4个场景提示词可套用

    作者整理出家政养老公司用WorkBuddy加提示词落地AI办公的4个场景,覆盖排班派单、服务SOP与新阿姨培训、客户回访、工时对账与工资明细。文中引述2026年行业规模预计突破1.3万亿、春节后一线城市需求环比涨87%,并给出62人家政公司日排单2小时、月撞单18次等从业案例。

    决策要点

    在家政养老这类缺人行业,AI的价值不在替人上门,而在把排单、对账、回访这些办公室流程用提示词和现成技能接住。

    • 影响缺人背景下把后台事务交给AI可省下排单对账的人力;SOP标准化让服务质量不随阿姨离职流失,直接关系留人成本;自制小工具和名单流转会放大客户与阿姨个人信息外传风险。
    • 参考可考虑从最耗时的排单或月底对账环节先试点,套用文中提示词模板改一版跑一周对比耗时;值得先盘点阿姨档案、打卡签收记录是否齐全,并约定名单和台账只在公司内部流转。
10月11日周日
  1. TechCrunch · AI41

    PolyAI 与 Otter 高管认为语音 AI 尚未迎来 ChatGPT 时刻

    PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 在上月 HumanX 会议上表示,语音 AI 尽管模型频出,仍未迎来自己的 ChatGPT 时刻。

    决策要点

    两位从业者口径一致,语音自然度已过门槛,真正的瓶颈在推理速度与识别准确性,而非能不能像人说话。

    • 影响客服语音智能体的可用性取决于推理延迟与关键词识别,评估应盯这两项;转写驱动的自动化会因识别错误在下游累积;两位高管均把向用户披露录音与 AI 身份当作建立信任的前提。
    • 参考可考虑在客服试点中实测转人工率与响应延迟;用内部会议核对转写准确率后再接自动化动作;值得提前拟定录音与 AI 身份的披露话术。
10月8日周四
  1. 数英 DIGITALING47

    Tiffany月饼门事件背后的10个品牌危机知识点

    成都一消费者在Tiffany消费超20万元,承诺赠送的中秋月饼礼盒寄错他人,投诉后账号被限制登录、帖子被删,直至Tiffany中国区零售负责人出面道歉,事件冲上热搜。作者据此复盘10个知识点,核心包括品牌资产积累是线性的而损耗是非线性的、高净值用户私域靠关系质量而非触达频次、删帖捂嘴是危机公关中性价比最低的操作。文中提到副店长曾用AI写的道歉文案被网友识破,作者提醒公关领域慎用AI。

    决策要点

    高客单价品牌的危机中,真正放大损失的是删帖捂嘴和标准话术道歉,初始失误只是导火索,信任一旦透支难以靠补救回填。

    • 影响高净值客户经营依赖关系质量而非触达频次,加人发券的流量打法在这群人身上失效;危机中压制负面信息会升级事态,被删内容会以截图形式回流;AI代笔的情感类文案一旦被识破,会被解读为连道歉都不愿花心思。
    • 参考可考虑盘点高客单价客户的触达频率与会员权益清单,把资源从折扣转向定制化专属权益;值得预先约定危机回应第一句先说清对问题的理解而非处理动作,并把道歉信、客诉回复列为不使用AI代笔的场景。
10月2日周五
  1. OpenRouter:Blog(Announcements)62

    OpenRouter 发布客服机器人便宜优先路由教程,用便宜模型先答常见问题

    OpenRouter 发布教程,讲解客服机器人如何用便宜优先路由省钱,让便宜模型先答常见问题,把难答或不确定的请求升级到更强模型。文章对比静态规则、分类器分诊和带置信阈值的答案检查三种模式,并说明 Auto Router 负责初始选模、models 数组只在报错时重试,答案是否合格需应用侧自行检查。文中提供可复制的请求示例、预期成本公式和升级率等度量指标,建议先在留出的客服问题上对比后再开启升级。

    决策要点

    便宜优先路由的实质是把质量把关从模型平台转移到应用侧,省钱是否成立取决于检查和度量做得如何。

    • 影响客服 FAQ 占比高的场景有降低模型支出的空间;平台只在报错时切换模型,格式正确但内容错误的回答不会触发重试,质检与升级逻辑需自建;分类器调用、二次请求和被丢弃的草稿都会增加成本与延迟。
    • 参考可考虑先用留出的客服问题对比便宜优先、只用便宜模型和只用强模型三种方案;值得先算出升级率、每工单成本和全轮延迟,再决定在哪些问题类型上开启升级。
10月1日周四
  1. Anthropic:Newsroom64

    Barclays scales Claude to upgrade operations and improve client experience

    巴克莱银行(Barclays)宣布扩大与 Anthropic 的战略合作,在全行部署 Claude 用于加速软件开发、改造遗留系统并提升运营效率。官方预计 Claude Code 采用率到 2026 年底达到其开发者的 50%,2027 年扩展至多数软件工程师。

    决策要点

    大型金融机构的 AI 应用正从单点试点转向全行规模部署,开发工具渗透率成为可量化的落地指标。

    • 影响软件开发和客服知识检索是该行率先规模化的场景,可作为同业选型的对照;开发工具渗透率目标给出了行业推进速度的参考;强监管环境下治理与人工监督被双方视为规模化部署的前提条件。
    • 参考可考虑对照本机构开发团队的 AI 编码工具渗透率,评估与 Barclays 50% 目标的差距;值得盘点客服知识检索和邮件分拣场景的现行人工耗时,测算同类部署的收益空间。
9月25日周五
  1. OpenAI:官网动态42

    家装零售商 Lowe's 用 OpenAI 模型回答超 2500 万个家装问题

    Lowe's 使用 OpenAI 模型驱动 Mylow 与 Mylow Companion 两款 AI 助手,服务顾客和门店店员,已累计回答超过 2500 万个家装相关问题(官方口径 25M+)。助手用于帮助双方解答疑问、推进家装项目。案例发布在 OpenAI 官网(https://openai.com/index/lowes)。

    决策要点

    Lowe's 案例显示家装零售的 AI 问答助手已跑到 25M+ 用量,顾客端与店员端共用一套 OpenAI 模型底座。

    • 影响零售企业的顾客侧与员工侧助手可由同一套大模型底座支撑,客服和导购场景的规模化有了公开参照;该问答量来自 OpenAI 单方口径,对外对标时需留意统计口径差异。
    • 参考可考虑盘点自家客服与门店的高频问题清单,测算大模型承接的问答量与成本;值得把厂商客户案例数字当作口径参照,先在小场景跑出内部对照数据再议扩面。
  2. OpenAI:官网动态41

    Wayfair 用 OpenAI 模型提升商品目录准确性与客服响应速度

    Wayfair 使用 OpenAI 模型改进电商客服与商品目录准确性,客服侧实现工单分诊自动化,商品目录侧由模型规模化完善数百万条商品属性。该案例发布于 OpenAI 官网,未提供具体提效数字。

    决策要点

    电商头部平台把大模型用在工单分诊和商品属性完善这类运营环节,案例由厂商发布,看点在场景选择而非模型性能数字。

    • 影响工单分诊和商品数据治理属流程明确的运营环节,头部电商已规模化使用;目录准确性直接关系商品信息质量,可作为低风险试点方向;同类企业可对照自身工单量和属性缺口估算空间。
    • 参考可考虑先盘点客服工单分类规则和商品属性缺口两份清单,估算两类场景各自的模型处理量与人工成本;值得从工单分诊这类结果容易核验的环节开始小范围试点。
  3. Google DeepMind:Blog51

    Google 推出 Gemini 3.8 Live with Live Avatar,为对话模型加上实时视频形象

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,为 Gemini 的对话式 AI 加入近实时视频形象,即日起在 Gemini Enterprise 开放,该功能建立在上周发布的 Gemini 3.8 Live 之上。

    决策要点

    Google 把企业对话 AI 从能听会说推进到有形象出镜,实时视频形象成为客服类智能体的产品化卖点。

    • 影响客服、导览等需要形象出镜的场景多了一个官方托管选项;异步工具调用让形象类智能体能边说边处理复杂任务;SynthID 水印为对外音视频内容留下可检测的溯源痕迹。
    • 参考可考虑在有出镜需求的客服或导览场景里先小范围试用并记录口型与延迟表现;值得评估定制头像的白名单申请门槛和 SynthID 水印对品牌素材的影响。
9月23日周三
  1. OpenAI:官网动态32

    Ringg 基于 GPT-5.6 的 AI 客服智能体可解决最高 65% 客户来电

    Ringg 用 GPT-5.6 构建覆盖语音、聊天、WhatsApp 和网页渠道的多语言客服智能体,OpenAI 官网案例称其可解决最高 65% 的客户来电。案例还称,相比 GPT-4.1,采用 GPT-5.6 的方案成本降低 90%。

    决策要点

    这是 OpenAI 侧的客户案例宣传,把 GPT-5.6 定位为客服语音与多渠道场景里替代上一代模型的降本选项。

    • 影响客服语音自动化若在自有话务中达到类似解决率,将影响客服人力与外包预算;新旧模型的成本差会改变语音智能体项目的选型与定价;数字出自厂商案例,不宜直接套用到自身场景。
    • 参考可考虑先整理自身来电类型与人工解决率作基线,选重复度高的场景小流量对比新旧模型的解决率和单通成本;多渠道企业可把语音与聊天分开试点。
9月22日周二
  1. OpenRouter:Blog(Announcements)64

    OpenRouter 实测 Jev 1.13 对比 Claude Opus 5,分类准确率差 3.3 点、成本仅 1/22

    OpenRouter 用 Banking77 数据集全部 3,080 条银行客服语料实测 Jev 1.13 与 Claude Opus 5,准确率 81.0% 对 84.4%,差距 3.3 个百分点,95% bootstrap 区间为 2.3 到 4.4 点。

    决策要点

    在小数据分类任务上,小型判断模型加置信度级联已能以不到三成成本逼近前沿模型,差距可压到 0.4 点内。

    • 影响意图识别、工单打标这类高频低延迟场景有了量化的成本参照;Opus 开 prompt caching 后每千次从约 $19 降到 $2.42,缓存策略直接影响账单;级联阈值需用自有流量重定,文中数字是该次测试的上界。
    • 参考可考虑挑一条量大、时延敏感的分类链路,先算出自家每千次成本与准确率曲线,再定 Jev 置信度阈值;值得复核现有用前沿模型做分类的调用是否已开 prompt caching。
  2. xAI:News62

    SpaceXSI 如何用 Grok Bot 扩展客服支持,工单量增175%而未新增招聘

    xAI 官网发文介绍,Cursor 并入 SpaceXSI 后,合并的客服团队用 AI 队友 Grok Bot 承接工单全流程,工单量增长175%而未新增人手,文中估算否则需多招约200人。

    决策要点

    客服的产能约束正从招聘规模转向人机协作设计,这份厂商自述给出了 Agent 承接工单全流程的落地样本。

    • 影响工单量增长175%而无需等比增员,客服人力预算的规划基准需要重算;单均解决成本$0.20至$0.30量级会改变与外包和传统AI工具的比价;数字全部为厂商自述口径,引入前需先自建评估。
    • 参考可考虑先给工单分类,把最简单一类作为试点,逐日人工复核后再扩大范围;值得算清自家单均解决成本,与文中$0.20至$0.30对比;可参照先限内部备注、后放开直接回复客户的分步上线节奏。
9月21日周一
  1. OpenRouter:Blog(Announcements)51

    TypeSafe 决策模型 Jev 详解,经 OpenRouter 调用定价 $0.042 每百万 token

    TypeSafe 的决策模型 Jev 已可在 OpenRouter 调用,输入文本加类型化问题,返回预设选项和校准概率,不生成文本。Jev 1.13 提供 Choice、Score、Noul 三种原语,分别输出选项、有序评分与是非概率,可在一次调用中合并提问;模型于 2026 年 9 月 15 日以 early access 发布,闭源且未公开权重。

    决策要点

    Jev 把枚举、布尔和评分类决策从 LLM 生成加正则解析,改为接口直接返回预设选项和概率。

    • 影响工单路由和逐行分类的调用成本降到原文测算约百万条 19 美元;自动执行与人工复核的阈值分档要靠自有标注数据校准;模型闭源托管,输入文本会发往第三方 API。
    • 参考可考虑标注几百条自有样本,观察 Jev 概率分布后再划自动执行、复核、转人工三档阈值;值得先用一条真实工单跑通 API 并估算单条成本。
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. xAI:News60

    xAI 发布语音转写模型 Grok Voice Transcribe 2.0,同价下准确率为上代两倍

    xAI 于 9 月 18 日发布语音转文字模型 Grok Voice Transcribe 2.0,官方称其实际场景准确率达到上一代的两倍且价格不变。该模型在 Artificial Analysis 公开榜单 32 个流式模型中准确率排名第一,官方内部评测显示其在电话客服音频上词错率领先所有被测模型,多语言短句词错率从 20.6% 降至 6.8%。

    决策要点

    同等价格下把准确率翻倍,转写的成本与质量基线同步下移,xAI 借生产流量把语音转写做成企业基础设施生意。

    • 影响转写按小时计价的门槛继续降低,说话人分离、词级时间戳不再额外收费,语音环节成本可重新核算;转写文本已接入 Cursor 等编码流程,录音内容开始直接变成待办动作;1.0 版数周内弃用,存量集成需预留迁移窗口。
    • 参考可考虑用客服电话、会议录音等自家最难的音频做小样本测试,对比现有方案的词错率与总成本;已在用旧版接口的团队可先固定 grok-voice-transcribe-1.0 争取过渡时间,再评估切换节奏。
9月16日周三
  1. Google DeepMind:Blog66

    Google 发布语音对话模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google 9 月 15 日发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,面向语音智能体和企业生产环境。

    决策要点

    语音智能体从演示走向生产是这轮发布的实质,Google 用双档模型分别覆盖成本与复杂度两端。

    • 影响语音客服等高频对话场景获得面向生产的模型选项;按复杂度分双档便于把预算投向高价值任务;官方为 AI 生成音频内置 SynthID 水印,语音真伪可检测。
    • 参考可考虑选一个客服或内部咨询流程用 Gemini API 试点语音智能体,并记录耗时与任务完成率;值得先算出高频对话的单次成本,再决定是否需要 Extended Thinking 档。
9月15日周二
  1. Tomasz Tunguz 博客68

    When Inbound Sells Itself

    Tomasz Tunguz 转述 Vercel 首席运营官 Jeanne DeWitt Grosser 在 The Information 访谈中的数据,其 inbound 销售开发实现 90% 自动化,团队从 10 人缩至 1.25 人。

    决策要点

    Vercel 的数字说明 AI 销售与客服已进入可量化回报阶段,瓶颈在固化工作流程而非模型本身。

    • 影响inbound 销售与客服这类流程固定场景面临编制重估,人力预算结构随之改变;投入重点从模型采购转向流程文档化与固化;按该 ROI 口径模型开支不构成门槛。
    • 参考可考虑先算出自家 inbound 销售开发团队的人均产能与人力成本,对照 10 缩至 1.25 的幅度重估编制;值得盘点哪些线索与工单流程已能写成明确规则,作为 Agent 试点场景。
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。
7月29日周三
  1. xAI:News66

    xAI 发布 Grok Voice Think Fast 2.0 语音模型,定价 $0.08/分钟

    xAI 发布语音到语音模型 Grok Voice Think Fast 2.0,定价 $0.08/分钟音频,8 月 5 日起 grok-voice-latest 将默认切换到新版,现有提示词无需改动。

    决策要点

    语音模型竞争从对话质量转向智能体落地,xAI 以自家电话业务数据和固定分钟计价,把卖点对准销售与客服通话场景。

    • 影响语音客服与电话销售场景可按 $0.08/分钟直接折算单通成本,试点预算更好算;grok-voice-latest 8 月 5 日自动切换,沿用别名的现有集成会被动升级;转写提升与 Starlink 转化数据均为官方口径,选型对比时需留出独立复测空间。
    • 参考可考虑选一通典型客服或外呼电话,按 $0.08/分钟先算出单通成本再定试点;8 月 5 日前盘点使用 grok-voice-latest 的集成,决定跟随升级或固定版本号;官方转写倍数可用自家真实通话录音抽样复测。
7月6日周一
  1. xAI:News45

    xAI 为 Grok Voice 推出 21 个多语言旗舰声音,原有五声音同步升级

    xAI 发布 21 个新的 Grok Voice 旗舰声音,与原有 5 个声音并行提供,全部原生多语言,覆盖 Grok Voice 的 25+ 种语言。

    决策要点

    xAI 把语音能力从单一模型功能扩展成声音库、API 和搭建工具齐全的产品线,企业自建语音智能体的门槛在降低。

    • 影响多语言声音直接面向客服、广告、教育等场景,语音客服与语音内容可按语言统一选型;约一分钟音频即可克隆声音,自有品牌音色的获取成本下降;语音智能体搭建入口开放后,业务团队可自行尝试而无需先走开发。
    • 参考可考虑选一个多语言客服流程用 Voice Agent API 做小规模试点并记录话务成本对比;有品牌配音需求的团队值得用一分钟克隆音色测试相似度与稳定性,再决定是否调整现有配音预算。
7月1日周三
  1. xAI:News61

    xAI 发布 Voice Agent Builder 公测版,官方称两分钟无代码搭建 Grok Voice 语音智能体

    xAI 发布 Voice Agent Builder 公测版,一个在 Grok Voice 上配置生产级语音智能体的无代码平台,面向需要高话量语音智能体的运营与开发团队。

    决策要点

    语音智能体从拼接三段 API 的集成工程变成按分钟计费的开箱产品,搭建与采购门槛同时下探。

    • 影响话路成本可用单价乘话量直接算出,语音客服的采购与试错门槛下降;现有号码经 SIP 接入保留,试点不必换号;退款、改记录等动作型操作需配护栏和通话回听控风险。
    • 参考可考虑选订单查询、预约改期这类高话量固定流程先在浏览器试通话,再决定接不接生产号码;值得算清现有三段式语音方案每分钟总成本,与 $0.08 加 $0.01 的官方口径对比;退款类动作可先配护栏并回听录音再放开。
4月23日周四
  1. xAI:News62

    xAI 发布 grok-voice-think-fast-1.0 语音模型,经 API 开放

    xAI 发布 grok-voice-think-fast-1.0 旗舰语音智能体模型,现已可通过 API 调用,面向客服支持、电话销售和企业应用中的多步骤流程。

    决策要点

    语音智能体进入生产部署阶段,xAI 把客服和电销的电话渠道交给自主智能体,并给出了运营数据。

    • 影响客服和电销的电话渠道多出一个可选模型;官方口径 70% 自主解决率若成立,人工坐席与外包成本结构需要重算;硬件换新和服务补偿发放交给模型自主执行,会抬高权限与稽核要求。
    • 参考客服团队可考虑选话务量大的固定流程用 API 试点该模型,对比现有语音方案的解决率和单通成本;值得在上线前先划出服务补偿与换新发放的审核边界,保留高风险操作的人工复核。
4月17日周五
  1. xAI:News55

    xAI 发布 Grok 语音转文本与语音合成 API,批量转写定价每小时 0.10 美元

    xAI 于 2026 年 4 月 17 日发布 Grok Speech to Text(STT)和 Grok Text to Speech(TTS)两个独立音频 API,技术栈与 Grok Voice、Tesla 车辆和 Starlink 客服支持相同。

    决策要点

    xAI 将 Grok 的语音能力拆成独立 API 出售,用低价和自评基准直接切入 ElevenLabs、Deepgram 所在的转写与语音合成商用市场。

    • 影响客服录音、会议和电话转写可按每小时 0.10 至 0.20 美元重新测算成本;配音和语音交互内容按百万字符 15 美元计价,预算更可控;语音能力从绑定整体模型改为可单独采购,转写与合成服务的选型多了新选项。
    • 参考可考虑取一段真实客服录音,在 Grok STT 与现用转写服务间对比词错率,再按年用量算成本差;有配音或语音交互需求的团队,值得用语音标签生成小样试听效果。