模型觀點 · 論文,2026-07-13
本篇出自 2026年7月16日 晨報
同一個生產程式庫、同樣的編碼代理工作各跑 28 天:提示快取(重複的程式庫上下文快取起來不重算)命中率 99.3% 時,雲端 API 有效成本壓到每百萬 token $0.57——反而低於本地共用 GPU 攤提的 $2.83;但本地開權重模型的「修復型提交」佔比 74.9%,雲端前沿模型只有 45.9%(arXiv 2607.13080)。翻譯:「本地一定便宜」不成立,真正的代價是品質與開發體驗。樣本只有一位開發者,數字必掛「單一案例」標籤——但這是深度報告那塊空板子(換模型品質掉幾分)目前最接近的公開量測,也示範了主線第 3 點的另一面:名目單價在漲,快取讓有效成本在崩,兩件事同時發生。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…
Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…
目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…
SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…