404 Media 追踪珍本图书流向,亚马逊批量购书扫描用于 AI 训练后销毁
训练数据的成本,终于被一个追踪器拍到了桌面上。
Google 的公开实验把模型、Skill、样本和轮次拆成矩阵。真正有用的不是漂亮总分,而是沿轨迹找到能力提升、成本膨胀和 Skill 失效的原因。
读全文 →它没有只靠一段系统提示词劝青少年正确使用 AI,而是把学习、节制和安全塞进默认路径。做 Agent 产品的人,很该抄这份作业。
仓库、PR、审查状态和执行环境一旦被放进同一个控制面,代码 agent 会少掉一堆胶水,也会多出一套新的权限与迁移账。
Google 用一笔 149 美元退款演示了 agent 怎样被一句注入劫持。签名、gVisor 沙箱和确定性网关,才是能经受模型升级的三层硬边界。
OpenRouter 把支出、缓存、延迟和单条请求接成了一条链。真正省钱的不是换最便宜模型,而是看清哪个工作流阶段、哪次重试和哪条缓存边界在烧钱。
训练数据的成本,终于被一个追踪器拍到了桌面上。
模型竞赛往下挖,最后拼的是电、地和交付能力。
市值先上岸,交付和毛利才是下一场硬仗。
收购不是终点,算力和托管层的拼图刚开始合上。
推理预算开太满,聪明也会变成一种延迟。
仓库进了编辑器,agent 才算摸到工作流的骨头。
agent 成本不按请求拆开看,月底账单只剩玄学。
图像编辑数据贵,贵在指令、生成和验收要一起跑。
边界一旦靠用户自觉,产品其实还没做完。
多 agent 的上限在协作,故障也会一起放大。
供给能暴涨,读者的时间可不会跟着扩容。
Prompt 能劝,边界得用硬规则把坏动作卡死。
别急着自治,先从只读扫描和人工决策开始。
好 Prompt 不替你站队,它先把两边都补强。
关掉 AI 也该是一项产品能力,不该靠用户考古。
总分会骗人,轨迹和成本才会告诉你哪里坏了。