每日AI新鲜事·11月06日午间版：纳指暴跌与评测定价

今天AI圈又是一堆事,有资本市场的,有榜单的,还有开发者社区的。 今天咱们主要聊这么几件,一是Vercel的Token Pass统一计费,二是评测榜单的岗位邀约,三是纳指暴跌的AI忧虑,四是Codex教程,五是Anthropic的issue积压,再加上深度聊deepseek优化和agent教程与多agent找bug。 嗯 好,那咱们先从新闻开始吧。 刚看到Vercel这边有条更新,Token Pass的额度现在不用专用密钥了,直接自动套在AI Gateway的调用上。 对,这个改动其实挺实在的。以前额度绑在专用key上,用哪个key就得惦记着,现在标准key和OIDC都能吃上额度了。 那额度用完了会断吗?这才是我关心的。 标准key和OIDC的请求会自动回退到团队的AI Gateway额度,服务不断。但你要是还拿着Token Pass专用key,那额度空了就直接停到下个周期。 等于说还在用专用key的人得赶紧换凭据,不然享受不到这个回退。 就是这个意思。隐私这块也没放松,Token Pass的请求还是零数据保留,回退的按团队ZDR设置走。 第二条,Twitter上一个挺好玩的事。OpenAI有人夸某个评测基准方法做得好,顺手就当众给Dwarkesh Patel发了个设计evals的邀约。 这个信号我觉得很有意思。模型通用能力差距在缩小,评测的设计质量反而直接决定大家怎么判断模型、训练往哪走。 所以粗糙的基准等于是在奖励刷分,不是在奖励真本事。 没错。任务怎么构造,评分标准怎么定,数据污染怎么控,对抗样本怎么设计,这一套都需要专门判断力。 而且他们看中的是Dwarkesh访谈谈出来的那种对好问题的敏感度,这个能迁移到评测岗位上。 接下来说个大的。Hacker News上在转路透的报道,纳斯达克综指这轮抛售市值合计蒸发了大概两万五千亿美元,市场把导火索归到那个叫蓝潮的政治变局上。 两万五千亿,这个数字摆出来确实吓人。但你看它跌的是什么?是围绕AI建构的那套政策和资本假设。 你是说技术趋势本身没被否掉? 对,投资者担心的是新政策周期可能收紧AI监管,动税收和反垄断,这会改变大厂的商业化节奏和回报预期。 难怪恐慌会放大,纳斯达克权重全集中在AI叙事的主要受益者身上,一跌就联动。 所以后面监管和税收的细节落地,才决定这是短期情绪还是长期估值重构。 然后还有一条B站的,Codex实战教程,从安装登录一路讲到Skills和MCP挂外部工具。 这种教程现在需求量很大,大家不是想听概念,是想知道怎么真的把它挂到自己的工作流里。 对,尤其是MCP那一段,怎么接外部工具,这是很多人卡住的地方。 最后一条新闻,Reddit上有人直接问Anthropic:你们一天三十万次代码合并,可Claude Code公开仓库里一万六千多个open issue,超过百分之九十八是没人认领的,包括一些严重的安全bug。 这个对比确实扎眼。但得承认,内部合并和开源issue处理不是一回事。 可是作者的意思是,这个比例反映的是流程设计上的选择性忽视,不只是人手不够。 他还举了个User-Agent隐私问题挂了好几个月,说能做像素爱心彩蛋,却不用Claude去做issue分流。技术上门槛很低,卡的是治理和优先级。 好,新闻先聊到这儿。接下来咱们深入聊两个,一个是那个说deepseek还能优化二十七倍token的,一个是多agent找bug那组对比。 行,先说优化这个,我挺好奇它怎么算出来的。 B站上有个视频标题很抓人,说你的deepseek其实还能优化二十七倍token,少吃白饭。互动分三十八万多,热度不低。 二十七倍这个数字先摆一边,我觉得它想说的是token利用率的问题。很多调用里,提示词和上下文有大量重复和冗余。 那不就跟减肥一样嘛,吃进去的东西没转化成能量,全变成白饭了。 你这个比喻还挺准。你想,同样一个任务,上下文塞得越杂,模型越容易跑偏,还多花钱。 可是优化二十七倍,这听着有点夸张吧,真能做到吗? 得看基准。如果是重复性很高的批量调用,比如模板化任务,压缩上下文和缓存复用确实能省很多。但通用场景下很难有这么大的倍数。 所以这个数字更像是一个极端案例的上限,不是所有人的日常收益。 对,重点不在这儿,重点是它提醒大家,别把token当免费的水用。上下文管理本身就是产品能力。 那反过来问,如果为了省token把上下文砍太狠,会不会把必要信息也砍掉了? 会,这就是平衡点。你砍的是冗余,不是意图。判断哪些是冗余,靠的是对任务的理解,而不是一刀切。 所以结论是,二十七倍是个吸引眼球的说法,真正能落地的是有策略的上下文压缩和缓存,这才是省token的正路。 同意。而且这种优化对agent类产品尤其重要,因为agent的调用次数本来就多。 那说到agent,正好B站还有个零基础全套教程,MCP加Agent Skills,多智能体,工作流自动化,项目实战一条龙。 这类教程火是有原因的,大家已经从问agent是什么,进入到问怎么搭一个能干活的agent了。 可是零基础全套这种,我有点怀疑,真能靠一套教程从0到能干活的agent吗? 教程能给你骨架,但能干活的agent,难点在工具定义和错误处理,这些得在自己的场景里磨。 那这跟前面那个省token的话题其实是一回事,agent调用多了,上下文和成本就全压上来了。 对,你把这两个连起来看就明白了。agent能不能规模化,一半看模型能力,一半看工程上怎么控成本和控上下文。 最后聊个我特别感兴趣的。YouTube上有个视频,一个AI找到二百六十九个bug,而两个coding agent分别找到八十六个和五十九个。 这个对比有意思。单个AI找到二百六十九个,两个agent加起来才一百四十五个,差得不是一点。 那不就跟多agent协作的宣传反过来了吗?不是说多agent更强吗? 你别急,先看它怎么定义bug。如果单个AI是广撒网地扫,那数量当然多。agent可能更聚焦,但未必覆盖得全。 所以这组数字不一定说明agent弱,而是说明评价口径不一样。 对。而且coding agent有工具调用和执行环境,它找的bug可能更偏可复现的那类,单个AI更偏静态扫描。 那这不又回到前面评测那个话题了,基准怎么设计,直接决定了谁看起来更强。 完全正确。所以我把这三个串起来看:评测设计,成本优化,agent协作,其实都在说同一件事,能力之外,工程和评价体系才是决定胜负的地方。 总结一下就是,别被单个数字带跑,看清口径和场景,比追倍数重要得多。 对,这期信息量不小,但核心就这一句。 行,今天就聊到这儿,信息挺密的,大家慢慢消化。晚上见!