每日AI新鲜事·10月09日早间版：TokenOps成本危机与Haiku 5.5实测

今天AI圈动静挺多的, 从Agent成本爆炸到以太坊创始人喊话进入防御模式, 还有Claude Haiku 5.5的实测结果刷屏B站.

今天咱们主要聊这么几件. 一是TokenOps成本危机, 二是创作者禁止AI衍生声明, 三是Alexa Plus深度评测, 四是以太坊的加密防御模式, 五是Semwright桌面Agent运行时. 然后深度话题聊Claude Haiku 5.5的实战表现, 顺带说说Lovable这个vibe coding工具最近怎么火起来的.

嗯.

好, 咱们先进板块一, 快速过一遍今天的新闻.

第一条, 我在YouTube上看到一个视频, 标题特别直接: 轮次乘以4, 成本乘以16. 讲的是Agent在企业里规模化部署以后, 一个很隐蔽的成本陷阱.

核心逻辑是这样的: LLM每轮调用都要把完整的历史上下文带上. 所以交互轮次多一点点, token消耗是非线性暴涨的. 4倍的轮次可能带来16倍的成本.

这个问题我们内部讨论过很多次. 关键点不在于单次调用有多贵, 而在于context window的累积效应. 你每多一轮, 下一轮的输入就多了一整段对话历史, 这个增长是平方级的, 不是线性的.

这篇文章提了一个概念叫TokenOps, 对标DevOps和FinOps, 就是把token消耗当成一门数据科学来管. 不是说省着用, 而是搞清楚每一个token花出去换来了多少业务价值.

等等, 这个我有点疑惑. 企业真的有人在做这件事吗? 还是说大家现在还是花钱买个token包就开始跑?

你说得很准. 现在大多数公司还处于"先跑起来再说"的阶段. 等到账单来了发现超预算好几倍, 才开始认真算这笔账. TokenOps这个词出现得很及时, 就是在告诉大家, 这个问题迟早要正面处理.

好, 这条值得持续关注. 接下来说说第二条, 一位叫David Revoy的艺术家在个人网站更新了授权条款, 明确禁止对他所有作品做任何AI衍生操作. 这事被提到Hacker News之后引发了不少讨论.

HN上的反应挺有意思的. 程序员群体其实分成两派, 一派觉得这是合理的创作者自我保护, 另一派说这种声明根本没有法律约束力, 爬虫又不会读授权文本.

对, 文章里也承认了这个局限性. 数据一旦进了训练集就很难撤回. 但我觉得这种行为本身的意义不只是法律层面的, 更像是一种公开表态.

你说得对. 越来越多创作者集体做这个选择, 会形成一种舆论压力, 推着平台和企业去重视数据使用的合规问题. 配合robots.txt和数字水印一起用, 效果会好一点.

第三条, The Verge做了一个将近一年的Alexa Plus深度评测, 结论有点耐人寻味. 智能家居控制方面, 它是最强的. 但一旦任务跑出家庭生态圈, 就频繁出问题.

这就是亚马逊花园围墙策略的代价. 它把智能家居这条护城河挖得很深, 但也把自己的通用助手野心给框死了.

文章里还提到一个细节, 亚马逊出了一台500美元的Android平板, 目的是弥补个人场景数据的缺口. 然后Apple也在从另一个方向准备进入智能家居. 这个赛道快热起来了.

对. 技术成熟了, 但用户对大厂的信任在同步流失. 这个矛盾挺有意思的, 家居控制越来越好用, 但愿不愿意让它知道那么多你的家庭数据, 又是另一回事.

第四条, 以太坊联合创始人Vitalik Buterin公开支持加密行业进入所谓的"掩体模式". 触发点是AI在数学推理和定理证明上进展太快了.

这里有个关键点要说清楚. 这条风险路径跟量子计算不一样. 量子是暴力破解, AI走的是另一条路, 它可能通过加速密码分析, 甚至自动发现新的攻击算法来突破现有的安全假设.

也就是说, 整数分解这类问题之所以撑起了区块链安全, 是因为大家默认算起来太贵了. 但如果AI让这件事变得便宜了, 整个假设就垮了?

基本是这个逻辑. 所以"掩体模式"的核心是赶紧部署后量子密码学, 同时建立快速升级协议的能力. 别等危机来了再说. 我觉得这事本身未必明天就发生, 但值得现在就开始准备.

然后还有一条, 来自Reddit的aiagents板块, 有人开源了一个叫Semwright的项目, 用Rust写的, 专门让AI Agent操作桌面软件.

这个思路我挺欣赏的. 现有的桌面自动化基本都是截图加坐标定位, 超级脆弱, 界面稍微动一下就失效. Semwright改用应用程序原生API, 相当于让Agent直接调接口而不是模拟点击.

它还有个Effect Conformance系统, 主动验证操作实际效果, 不是收到成功响应就算完事. 这个设计挺务实的.

对, 而且支持MCP协议接入各种Agent框架. 项目还早期, 但方向很清晰. 总结就是: 用API代替截图, 是桌面Agent可靠性的关键一步.

好了新闻先聊到这儿, 接下来我们深入聊聊最近B站上特别火的话题, Claude Haiku 5.5的实战表现.

B站上有个视频标题写的是: 它比肥鲸鱼强, 然后有人问比肥鲸鱼便宜多少, 回复是: 什么?! 这条互动分去到了一万七千多, 在AI测评类视频里算是相当高了.

这个标题说的"肥鲸鱼"就是GPT-4o. 这个梗已经在圈子里传开了. 核心结论很简单: Haiku 5.5的能力跑赢了GPT-4o, 但价格便宜到不是一个数量级.

对, 之前我们提到Haiku 5.5在Bedrock上定价比上一代Haiku 4.5便宜了大概75%. 这个降幅本来就很夸张了, 再加上能力还反向碾压了GPT-4o, 难怪大家激动.

B站上另一个视频做了五个场景测试, 代码辅助, 文本总结, 分类打标, 客服对话, 还有browser use场景. 结果很一致: 基础任务上稳, 速度很快, 成本极低.

不过我想追问一个问题, 这些测评场景都是"基础任务", 那它的边界在哪? 什么情况下你用Haiku 5.5会翻车?

这是个好问题. 从测评来看, 长链推理任务是它的短板. 比如需要多步跳跃, 或者要求很强逻辑严密性的任务, 它比Sonnet或者Opus差距就拉开了.

但你想想, Agent系统里的大多数子任务根本不需要那个级别的推理. 分类一条数据, 总结一段文字, 调一个API, 这些活Haiku 5.5完全够用. 而且它速度快, 高并发场景特别合适.

所以就像之前说的TokenOps问题, 把对的任务分给对的模型, 成本控制就从根本上解决了一大半.

你把这两条新闻串起来了, 没错就是这样. 以前大家不分场景全部扔给旗舰模型, 贵死了. 现在有了Haiku 5.5这种性价比怪物, 做任务路由就有实际意义了.

然后还有一个最近很火的产品叫Lovable, YouTube上CEO亲自出来说vibe coding. 你怎么看这个东西?

Lovable的定位是让不会写代码的人也能通过自然语言构建App. Vibe coding这个词就是描述这种感觉, 你不需要懂技术细节, 跟着感觉走就能把产品做出来.

不对吧, 这件事我有点存疑. 真的能做出"产品"来, 还是说只是一个可以截图展示的demo?

这是一个真实的分歧. 早期用户反馈显示, 做个人项目, 做MVP验证, Lovable很够用. 但要做到生产级, 复杂业务逻辑的产品, 现在确实还有差距.

但你换个角度想, 以前很多人有想法, 卡在"不会写代码"这一步就放弃了. 现在Lovable这类工具把这道门槛大幅降低了. 光是这件事, 价值就很大.

而且现在Haiku 5.5这类小模型又便宜又快, 给Lovable这类工具做驱动, 成本结构会更好看. 这两件事加在一起, 我感觉vibe coding赛道今年要真的爆发了.

我基本同意. 但我保留一个观察点: CEO亲自下场做营销视频, 说明他们现在最大的挑战是用户认知, 而不是技术. 要让大家相信"你真的能用它做出东西来".

这也是一个产品信任问题. 跟前面Alexa Plus那条其实有点像, 技术到位了, 但要说服用户去真的依赖它, 还需要时间.

对. 所以总结一下今天这两个深度话题: 一方面Haiku 5.5把小模型的性价比推到了一个新高度, 给任务路由和高并发Agent提供了实际可用的基础设施. 另一方面Lovable代表的vibe coding正在从概念变成真实产品, 但用户教育还是最大的挑战.

说得很到位. 今天这几条新闻串起来有个主线: 从成本结构, 到工具易用性, 到创作者权益, 再到加密安全, Agent时代的各种配套问题都在同时浮出水面.

没错. 光有好模型不够, 还有一堆工程, 法律, 经济学问题要一起解决. 这才是这个行业现在真实的状态.

好, 今天就聊到这里, 下午还有一期, 中午见.