搜索
本周五，AI 社区热烈讨论的是一个端侧大模型部署技术，它能让笔记本 RTX 4060 跑 Qwen 3.6-35B，桌面 RTX 5090 跑得起 DeepSeek-V4-Flash 284B。而且都是单卡，模型都是满血的。Codex 生产 trace 的中位 decode 速度是 33 token/s
这期节目的嘉宾黄东旭，就是Token Maxing热潮的亲历者。他曾经只用最前沿的模型，每天账单三四百美元。让他转变的，是前沿模型的智力碾压和中国开源模型们的崛起——Fable 5可以一句话终结Agent群的讨论，同时大量的日常任务可以做到“只烧电费，不烧Token”。他的结论是：不是前沿模型用不起，而是本地开源模型底座+前沿模型的搭配，成本可控，更具性价比。
8 月 19 日，WRC 2026 期间，由跨维智能主办的「物理 AI 引领者论坛」在北京举行。
同一段文字，扔给两个模型，一个切成766个token，另一个切成1170个。
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
AI竞争的焦点，变了。
今年AI圈最贵的一笔中间商买卖，落槌了！
今日零时起，DeepSeek正式执行新版API价格，DeepSeek-V4-Flash和DeepSeek-V4-Pro两款主力模型首次采用峰谷定价，闲时价格统一为高峰时段的一半。此次调整同步抬高了两款模型的基础价格。DeepSeek-V4-Flash高峰时段每百万Tokens缓存命中输入、缓存未命中输入和输出价格分别为0.1元、3元和9元，闲时分别降至0.05元、1.5元和4.5元。
美国当地时间8月16日，Stripe以超过70亿美元的价格收购OpenRouter。
就在刚刚，Anthropic发了一篇博客。核心信息就是：各位，别再烧冤枉token了，我们都看不下去了！为此，官方详细列举了六条省钱心法，先贴为敬：1. 任务做完就/clear。修完一个bug就清掉当前对话，别让上一个任务读过的文件和命令输出拖进下一个任务里，白白占着上下文。