编辑精选

模型路由：看似简单，实则复杂

模型路由不是给任务选最佳模型，而是优化整个系统。实际成本受缓存影响巨大，难度往往事后才知道，延迟看基础设施。一个轻量级优化算法能在成本、精度、延迟间做灵活权衡，比基于难度的路由好用得多。

语言模型能不能控制机器人？关键不在于模型本身，而在于你怎么把它连到机器人上。直接算扭矩基本全废，但用预训练策略当“监督者”，模型就能完成导航和抓取。新模型进步快，但视觉幻觉和空间记忆仍是致命短板，一个指南针工具比任何视觉增强都管用。

谈判智能体在保险、采购等场景中的隐私漏洞，不在加密协议里，而在让步速度和出价节奏中。作者设计了一个随机谈判策略，将对手推断用户底线的准确率降低近一半，同时保证90%以上的成交率。用动作模式混淆替代静态加密，是AI系统安全的新方向。

AI的真正影响不是取代人类，而是戏剧化地压缩了所有事情的时间尺度——公司成长、融资阶段、模型迭代、安全攻防，全都加速。看懂这个底层逻辑，才能理解为什么广告模式死而复生、本地模型开始逆袭、传统ERP终于能被破防。不聊宏大叙事，全是新市场与硬碰硬的计算。

别再问Agent“及格了吗”，要问“问题模糊到什么程度它会崩溃”。Google团队用信息论里的“惊异度”把评估从定性打分变成了定量测绘，能精准定位Agent能力的悬崖和最佳甜蜜点。更狠的是，他们发现很多公开基准的ground truth本身就是错的。

GPT-5.6不再单纯追求更强的模型，而是重新定义更强的含义——单位token的产出效率。旗舰Sol用四分之一成本击败Claude Fable 5，入门Luna用十六分之一成本达到相近效果。这才是让AI真正能从演示走向干活的关键一步。

Modal CTO Akshat Bubna 解释为什么 Kubernetes 不适合 AI，以及他们如何用 serverless 和 17 个云厂商的容量池支撑 10 万个 RL 沙箱、GPU 快照和自动伸缩的推理。Agent 时代的基础设施该长什么样？这期干货很密。

OpenAI 深度审计发现 SWE-Bench Pro 约 30% 的任务是 broken 的，测试设计缺陷导致模型能力被严重高估。他们用自动流水线 + 人工复核揪出四类典型问题，并建议不再盲信该基准。评估信号的真伪，比数字本身重要得多。

模型能力不再是瓶颈，部署才是。AI公司一年砸近百亿美元，把工程师直接塞进客户公司，模式分三种：微软自己扛、OpenAI拉PE单干、谷歌云养合作伙伴。切换成本是制度性的，不是技术性的，这笔钱正在重塑行业护城河。