DigClaw 创始团队意识到，快速变革的AI时代下，利用大模型捕捉并处理这些商业“弱信号”成为可能，而这将彻底重构 B2B 获客的基础设施。2025 年，DigClaw 正式起航，试图用 AI 重构信息基础设施，用商业“弱信号”识别“你在什么阶段、什么业务、什么场景之下需要什么产品”，并转化为 B2B 企业可落地的商业阿尔法。
我自己用 Coding Plan 也有一段时间了，最开始只是为了省点 API 钱，后来各家陆续推出固定月费套餐，我发现选起来比想象中复杂。Codex、Claude Code、Cline、OpenClaw 这些工具让开发者越来越习惯用自然语言驱动代码生成和任务执行，但高频调用带来的 API 成本也成了一笔固定开销。
腾讯已上市两款类龙虾产品，即将上市的至少还有4款；
过去数月，AI 领域很难绕开一个名字 ——OpenClaw。这个项目在极短时间内获得了爆发式关注：数十万星标、惊人的 Token 消耗，以及几乎所有大厂的快速跟进。从表面上看，它像是又一个现象级 AI 产品；但如果进一步审视，一个更值得思考的问题随之浮现 ——OpenClaw 的出现，究竟意味着什么？它真的是一次技术突破，还是某种更深层变化的信号？
第一篇论文来自字节SEED团队， 打了一些基础； 《Over-Tokenized Transformer》。 论文标题看上去在讨论“过度分词”。 而重点必然是在第二篇上—— DeepSeek公司的学术成果Engram。 《Conditional Memory via Scalable Lookup》 也就是Engram模块所出处的论文。
ICLR论文STEM架构率先提出「查表式记忆」架构，早于DeepSeek Engram三个月。它将Transformer的FFN从动态计算改为静态查表，用token索引的embedding表直接读取记忆，彻底解耦记忆容量与计算开销。
在生成式 AI 领域，视觉分词器（Visual Tokenizer）通常采用固定压缩率 —— 无论是单调的监控画面，还是复杂的动作大片，都被切分为等量的 Token。这种 "一刀切" 的做法不仅会造成巨大的计算冗余，也产生了 “信息量” 不同的 Token，不利于下游理解生成任务处理。
Anthropic 团队正以极高强度内部试用 Claude Code。
3月30日，界面新闻记者从知情人士处独家获悉，3月初，在Kimi K2.5模型发布一个月之后，月之暗面ARR（年度经常性收入）突破1亿美金。知情人士还表示，K2.5模型上线后，API供应的TPM（Tokens Per Minute，每分钟令牌数）配额迅速趋紧，有客户开出千万美元级别的消费承诺及预付担保，以期获得优先供应。
国产大模型阵营再添硬核选手，智谱开放平台GLM5.1正式上线，推理、代码、智能体能力拉满，还为新用户准备了2000万Tokens免费体验包，覆盖多模型使用额度，有效期3个月。不管是日常编程开发、智能体搭建，还是多模态内容创作，这个免费额度都能轻松拿捏，新手也能零门槛上手，这波福利可别错过。
