全部 AI 动态 · AI 热点

6月26日

10:02

10:02

shao__meng@shao__meng

71°

Snowflake CEO使用103个dbt任务对GLM和Opus进行3轮测试。GLM原始token消耗860M，Opus 439M，差距约2倍。差距源于GLM平均轮次99次（Opus 80次）、工具调用为原子化（Opus批量化）、缓存命中率53%（Opus 96%）。尾部失败案例主导均值：少数任务中GLM陷入400+次调用。归一化到90%缓存率后，GLM成本$1.12/session，Opus $2.14/session，GLM便宜48%。

AI模型 GLM Opus Snowflake 推理模型成本对比

推荐理由：Snowflake CEO用103个真实任务实测GLM和Opus，发现调整缓存后GLM成本不到Opus一半，适合注重预算的团队。

6月18日

13:01

13:01

@atomic_chat_hq@atomic_chat_hq

Nemotron 3 Ultra 在三个物理模拟任务中与 GPT 5.5 表现相当，但成本仅为后者的十分之一。测试用例包括旋转桶中水体、高尔顿板钉球和极端质量碰撞。Nemotron 3 Ultra 输出 11.3k tokens 花费 $0.051，而 GPT 5.5 输出 11.0k tokens 花费 $0.57。质量差距远小于价格差距。

AI模型 Nemotron 3 Ultra GPT 5.5 推理模型成本对比

推荐理由：想用 GPT-5.5 级别能力但嫌贵？Nemotron 3 Ultra 几乎一样好，价格只有十分之一，值得试试。

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

10:38

10:38

rohanpaul_ai@rohanpaul_ai

SemiAnalysis指出，AI订阅服务相比API使用成本极低。对于重度编码和聊天用户，订阅费用仅为API费用的1/40到1/70。例如，每月200美元的ChatGPT Pro计划可提供相当于每月14000美元的API使用量，而同样价格的Claude Max 20x计划可提供约8000美元的API等效使用。这意味着订阅模式更适合个人高频使用，而API则更适合需要自动化或产品集成的场景。

行业订阅 API 成本对比 ChatGPT Claude

推荐理由：重度AI用户和开发者注意了：订阅比API便宜几十倍，每月200美元能换来上万美元的API价值，做高频编码或聊天的直接订阅更划算。

6月5日

09:02

09:02

rohanpaul_ai@rohanpaul_ai

精选

在本地运行LLM的桌面应用atomic[.]chat上，Nemotron 3 Ultra与GPT-5.5进行了对比测试。在构建带真实物理效果的HTML5 Canvas任务中，Nemotron 3 Ultra以11.3k tokens、0.051美元的成本，给出了与GPT-5.5（11.0k tokens、0.57美元）几乎相同的结果，成本仅为后者的十分之一。Nemotron 3 Ultra是一个混合专家模型，拥有5500亿总参数，但每个token仅激活55亿参数，因此效率极高。这一对比展示了Nemotron 3 Ultra在性价比上的显著优势，尤其适合需要高推理质量但预算有限的场景。

AI模型 Nemotron 3 Ultra GPT-5.5 混合专家模型成本对比本地推理

推荐理由：做AI应用或本地推理的开发者，这个测试直接告诉你Nemotron 3 Ultra能以十分之一成本达到GPT-5.5级别的效果，值得在项目里试试。

5月30日

10:44

10:44

宝玉@dotey

精选

有用户发现 GitHub Copilot 中 Gemini 3.5 Flash 的 Token 消耗按 14 倍计算，而 Claude Sonnet 4.6 为 1 倍，Claude Opus 4.8 为 15 倍，Gemini 3.1 Pro 为 1 倍，GPT-5.5 为 7.5 倍。这一差异意味着使用 Gemini 3.5 Flash 的实际成本远高于标称价格，对 Copilot 用户选择模型时的成本控制有直接影响。

AI产品 GitHub Copilot Gemini 3.5 Flash Token 消耗成本对比编程助手

推荐理由：GitHub Copilot 用户注意了——不同模型 Token 消耗倍数差异巨大，选错模型可能多花十几倍费用，做 AI 编程的团队建议收藏对比表。

5月22日

22:38

22:38

Paul Couvert@itsPaulAi

精选76°

Qwen-3.7-max 在真实智能体任务（编写自训练俄罗斯方块机器人）中，以 1.32 美元成本实现 56% 的改进，远超 Claude Opus 4.7（12.15 美元，28% 改进）和 GPT-5.5（2.85 美元，7% 改进）。该模型在长智能体循环中表现突出，成本仅为 Opus 4.7 的 1/9、GPT-5.5 的 1/2。这一结果出乎意料，展示了开源模型在复杂自主任务上的潜力。

AI模型 Qwen-3.7-max 智能体成本对比开源模型 GPT-5.5

推荐理由：做智能体开发或自动化任务的团队，可以拿 Qwen-3.7-max 替代高价闭源模型，成本直降 9 倍效果反而更好，值得立刻跑个 benchmark 验证。

22:26

22:26

阿里通义 Qwen@Alibaba_Qwen

83°

atomic.chat 团队测试了三个前沿模型在真实智能体任务中的表现：编写一个能自我训练并玩俄罗斯方块的机器人。每个模型可以读取自己的代码、运行基准测试并在10次迭代中自我重写。最终 Qwen 3.7-Max 以训练成本仅1.32美元、机器人性能提升56%的成绩全面领先，而 Claude Opus 4.7 成本12.15美元提升28%，GPT-5.5 成本2.85美元提升仅7%。Qwen 在成本效益和性能提升上均胜出，尤其在长智能体循环场景中表现出色。

AI模型 Qwen 3.7-Max 智能体 Claude Opus 4.7 GPT-5.5 成本对比

推荐理由：Qwen 3.7-Max 在智能体任务中成本仅为 Claude 的1/9、GPT 的1/2，性能提升却翻倍，做 AI 智能体开发的团队值得关注这个性价比之选。