每日AI新鲜事·07月13日早间播报：开源模型告急与Claude Code耗费天量Token

今天AI圈又有不少新消息，而且有几条看完真的让我有点坐不住。

我也刚刷完，有一条我觉得值得认真聊聊，就是关于开源模型的那篇文章。

对！我在Hacker News上看到有人转了一篇文章，标题叫"6 months to live for open models"，翻过来就是——开源模型还剩六个月可活。

光这个标题就够吓人的了。但你先别急，这种标题党文章我见多了，核心逻辑得拆开看。

你说说，它大概是什么论点？

基本方向是：闭源模型的能力正在以越来越快的速度拉开差距，开源社区的跟进窗口越来越窄。现在大家还在用Llama、Mistral这些，但如果差距到了某个临界点，开源模型就会失去实用价值。

六个月这个数字不一定是精确预测，更像是一个警告——留给开源阵营的时间不多了。

但是我有点存疑。开源模型的价值不完全在于跟顶尖闭源模型比能力吧？隐私、成本、可控性这些需求还是实实在在的。

你这个角度有意思，这也是很多人反驳的点。开源模型的价值不是单纯靠benchmark分数，而是"能不能在你的服务器上跑、数据能不能不出门"。

但问题是，如果闭源模型能力强到某个程度，用户开始觉得"隐私我可以妥协"，那开源的护城河就真的在缩小了。这是个需求侧的问题，不只是技术侧。

说得有点扎心。不过这篇文章在HN上点赞才4分，评论也是零，说明大家不是特别买账？

得了吧，HN的点数跟内容质量关系不大，更多是时机和话题热度。这篇讨论的问题本身是真实存在的，值得认真对待。

好，那开源模型的事我们先打个问号，继续关注。说完这个宏观话题，来一条更具体的——同样在Hacker News上，有人发现Claude Code在真正读取你的prompt之前，居然先发了3.3万个token出去。

这个我看到了，来自一篇对比文章，把Claude Code和一个叫OpenCode的工具做了对比。OpenCode同样的操作只用了7000 token的overhead，差了将近五倍。

3.3万token……那就是说你还没开始干活，光是"启动"就已经烧掉一大笔钱了？

对，这叫system prompt overhead，就是工具在给模型发你的问题之前，先塞了一大堆系统指令、上下文、工具定义之类的东西。Claude Code这部分内容显然非常重。

从产品角度看，这其实挺能理解的——加越多系统指令，行为越可控、越稳定。但代价是token消耗暴增。

就是这个trade-off。你要让AI编程工具在复杂项目里表现稳，就得喂它更多上下文。但对用户来说，这意味着每次调用成本都在默默变高，而且大多数人根本不知道这件事在发生。

这个透明度问题是真的值得吐槽。业内很多人其实对AI工具的token消耗完全没有感知，账单来了才发现。

HN上这条有52个点赞、20条评论，说明关心token成本的开发者还是挺多的。OpenCode能做到7k，说明这事不是没有优化空间。

顺带一提，前两天Claude Code那边Fable 5访问权限又延长了，Reddit的ClaudeAI板块有条热帖专门讨论这事。

对，而且帖子里用户的反应挺有意思——不是高兴，而是"又延长了，随便吧"那种疲倦感。一而再地临时通知，社区早就被折腾烦了。

行吧，算是个好消息但没人兴奋。再往下，Hacker News还有一篇叫"Against Usefulness"的文章，反对有用性，这标题有点哲学。

这个我扫了一眼，核心是在反思AI工具是不是太追求"有用"了，反而压缩了其他价值空间——比如探索、玩耍、无目的思考。

听起来是在给效率主义泼冷水。

差不多就这个方向，适合下班后慢慢读，今天先放这儿。

还有一条，Reddit的deeplearning板块有人发帖说自己刚出版了一本书，叫《Distributed AI Systems》，作者把过去十年从研究、训练到推理、云部署的经验都写进去了。

这种书我觉得挺有价值的，分布式AI系统这个方向门槛高、资料散，有人愿意系统整理出来是好事。对从业者来说是个不错的参考。

最后还有条来自Reddit的，有个新手团队在learnmachinelearning板块问怎么fine-tune模型，说打算用Llama或者Mistral或者Gemma做项目。

你刚才提到开源模型还有六个月可活，然后下一条新闻就是有人在问怎么用开源模型做fine-tune，这个反差挺讽刺的。

所以开源模型肯定还没死，至少需求还在。好，今天就聊到这儿，内容挺多的，Token烧钱和开源前途这两条我觉得值得持续跟一跟。

对，尤其Claude Code那个3.3万token的事，后续看看Anthropic会不会有什么回应。

好，我们晚上见。