微软发布7款MAI模型，Codex上线Sites功能

1️⃣ Microsoft Build 2026：发布7款MAI模型，推出Project Solara agent-first平台#

• 核心发布：Mustafa Suleyman在Build 2026上宣布微软发布7款全新MAI（Microsoft AI）模型，覆盖推理、代码、图像、语音、转录等模态，并推出与高通合作的Project Solara——面向agent-first设备的全新计算平台。CEO Satya Nadella称这是构建“前沿智能生态系统”的一步。

• 模型明细与关键指标：

  • MAI-Thinking-1（35B MoE，256K上下文）：在盲测中偏好度超过Sonnet 4.6，AIME 2025达97%，SWE-Bench Pro 53%——与Opus 4.6持平。在微软自研MAIA 200芯片上，性能/美元比GB200高30%。
  • MAI-Image-2.5（含Flash变体）：在Image Edit Arena排名第2（评分1401），超越Nano Banana 2等竞品。
  • MAI-Code-1-Flash（5B参数）：专为GitHub Copilot和VS Code设计，SWE-Bench Pro达51%，成本极低。
  • 同期发布MAI-Transcribe-1.5、MAI-Voice-2（15语种、情感控制）等。

• Project Solara：微软与高通联合打造，从操作系统到芯片层面重新设计，让设备原生支持AI Agent而非传统APP模式。Cristiano Amon演示了agent-first的终端体验，承诺Windows将深度集成Agent运行能力。

• 企业级定制：Microsoft Frontier Tuning：允许企业用自己的数据微调MAI模型，实现“你的数据、你的Agent、你的护城河”。McKinsey测试中，MAI模型以10倍成本优势击败GPT-5.5。

• Mayo Clinic合作：微软与Mayo Clinic共同训练前沿医疗AI模型，探索AI在临床决策中的应用。

🔗 Mustafa Suleyman推文 | Project Solara | 微软官方博客 | OpenRouter上线MAI模型

2️⃣ OpenAI Codex推出Sites与角色插件：走向知识工作平台#

• 核心发布：OpenAI宣布Codex新增Sites功能，可将用户的想法、工作文档或计划一键转化为可分享的交互式网站或应用，对Business和Enterprise计划用户开放。同时发布6个角色特定插件：数据分析、创意制作、产品设计、销售、投资银行、公共股权投资。

• 关键数据与用户变化：Codex现已有500万周活跃用户，知识工作者（非开发者）占比达20%，且其采用速度是开发者的3倍以上。增长最快的任务类型：数据分析（周环比110%）、研究（+37%）、知识产物制作（+36%）。

• Codex Python SDK：同日发布的pip install openai-codex SDK允许在Python代码中启动线程、流式处理、恢复会话，将Codex从“浏览器里的AI IDE”转变为可编程基础设施。

• 行业影响：这标志着AI编码工具正从程序员专属向知识工作者通用生产力平台跃迁。OpenAI称知识工作者正将Codex用于文档起草、合同审查、运营协调等非编程工作，重塑了“AI首先吃掉编程工作”的预期。

🔗 OpenAI推文 | 插件扩展推文 | Codex for Knowledge Work博客 | Python SDK

3️⃣ Google DeepMind开源Science Skills与Co-Scientist：面向科学发现的AI工具包#

• 核心发布：Google DeepMind宣布开源Science Skills——一个专为科学发现场景优化的Agent工具包，支持自主运行计算化学、生物信息学等工作流，已在GitHub发布。同时，Co-Scientist（基于Gemini的多智能体系统）以Hypothesis Generation形式向个人研究者开放，属于Gemini for Science系列。

• 实际成果：Co-Scientist在过去一年中协助科学家发现新的肝纤维化治疗靶点、提出肌萎缩侧索硬化症（ALS）的新疗法、从数十年文献中挖掘抗衰老的遗传线索。系统可生成、辩论、进化科学假设。

• 技术架构：Science Skills包含预构建的科学工具链，与Google的ADK（Agent开发工具包）兼容，可对接AlphaFold、蛋白质数据库等外部资源。Co-Scientist采用多Agent辩论机制，不同Agent分别扮演“生成者”“批评者”“验证者”角色。

• 行业意义：这是谷歌将前沿AI能力系统性地投向科学研究的关键举措。开源Science Skills意味着全球研究机构可基于此构建自己的科学Agent，大幅降低AI辅助科研的门槛。

🔗 Google DeepMind推文1 | 推文2 | GitHub仓库 | Google AI Devs推文

4️⃣ GitHub Copilot推出Agent-Native桌面应用与云沙箱#

• 核心发布：GitHub在Microsoft Build上发布GitHub Copilot app——一个“agent-native”的桌面体验，提供统一的“My Work”视图管理多个并行Agent会话、Pull Request和后台任务。每个会话在独立的git worktree中运行，互不干扰。同时推出云沙箱（Cloud Sandboxes）和本地沙箱，让Agent在安全隔离环境中执行代码。

• 关键新功能：

  • Canvas：双向工作面板，Agent和工作流可视化，开发者可直接编辑、重排、审批。
  • Agent Merge：监控CI、跟踪评审状态，自动推进PR合并。
  • Copilot Code Review：新增medium tier（更高推理模型），支持自定义Agent技能和MCP服务器集成。
  • Copilot SDK GA：支持Node/TypeScript、Python、Go、.NET、Rust、Java，同一运行时驱动所有Copilot体验。

• 数据背景：GitHub表示，代理生成的代码量在2026年增长1400%，每月提交超14亿（同比翻倍），Actions每周消耗20亿分钟。GitHub正在重塑基础设施以承载Agent时代。

• 行业影响：GitHub将Copilot从代码补全工具升级为完整的Agent运行平台，支持第三方Agent通过ACP协议接入，成为“Agent的操作系统”。

🔗 GitHub Blog | GitHub沙箱推文 | Copilot SDK

5️⃣ [持续跟踪] Anthropic扩大Project Glasswing：Claude Mythos Preview覆盖150+组织#

• 前情提要：Anthropic于此前推出Claude Mythos Preview（封闭系统），仅限少量合作伙伴。其安全优先的模型沙箱策略引发关注。
• 最新突破：Anthropic宣布将Project Glasswing（Claude Mythos Preview的代号）扩展至约150个新增组织，覆盖15个国家以上。这意味着经过数月的内测，企业级安全可控的Claude版本正在规模化落地。
• 行业意义：这表明企业客户对“可审计、可隔离”的AI工作负载需求正在推动模型部署模式从公有API走向私有化托管。Anthropic提前为IPO构建企业信任基础。

🔗 Anthropic官方推文 | 官方博客

6️⃣ OpenClaw与微软合作：企业级安全运行，Windows原生支持#

• 核心发布：在Microsoft Build上，OpenClaw宣布与微软合作，将OpenClaw引入Microsoft和Windows生态系统。OpenClaw现在可在Windows上安全运行，并获得企业级安全隔离能力（如OS级沙箱、集中策略管理）。微软已设立CVP级别负责人专职推进OpenClaw集成。

• 技术细节：通过微软的Windows Sandbox和Azure Compute集成，Agent可本地运行而不会泄露企业凭证。Mustafa Suleyman在主题演讲中专门介绍OpenClaw，称其为“Agent开源生态的关键组件”。

• 生态意义：OpenClaw作为开源Agent框架（Peter Steinberger主导），与微软的深度合作意味着Agent运行基础设施正在标准化。Windows用户无需额外配置即可安全使用高阶Agent，这大幅降低了Agent工具在企业IT中的部署门槛。

🔗 OpenClaw推文 | Mustafa Suleyman推文 | Peter Steinberger推文

7️⃣ Perplexity Computer推出混合推理与Apple Health集成#

• 核心发布：Perplexity宣布其“Computer”功能将支持混合Agent推理——在本地设备上运行小型模型处理隐私敏感任务，同时必要时调用云端前沿模型。可自动在Windows笔记本上部署本地模型，实现token效率/瓦的最佳平衡。

• 健康数据接入：Perplexity Health现可连接Apple Health（iOS），用户可将睡眠、活动、HRV数据导入Computer进行分析；同时新增Function功能，允许用户上传实验室报告并询问生物标志物相关问题。

• 行业影响：这是首个主流AI助手同时实现“本地+云端混合推理”和“个人健康数据隐私闭环”的案例。Perplexity在健康垂直领域的布局，直指医学信息检索这一刚需场景。

🔗 Perplexity推文 | Aravind Srinivas推文 | 健康数据推文

8️⃣ 扣子3.0上线：Agent Team协作与本地Agent接入#

• 核心发布：字节跳动旗下扣子（Coze）正式升级至3.0版本。核心更新包括：Agent Team多智能体协作（支持主Agent统筹子Agent）、本地Agent接入（一行命令对接Claude Code/Codex/OpenClaw）、界面重构为项目式工作流。

• 实测案例：第三方评测（十字路口团队）展示了搭建Shopify电商选品Agent Team的全流程：用Codex做编程Agent、用技能包Agent做小红书调研、最终由主Agent合成报告并驱动Codex搭建独立站原型。

• 行业意义：扣子3.0将“本地Agent”和“云端Agent”无缝整合在一个UI中，用户可保留自己偏好的Agent CLI（如Codex）作为后端，解决了“不同工具偏好差异”与“统一工作流管理”之间的矛盾。

🔗 十字路口实测文章

9️⃣ Devin Desktop发布：从Windsurf升级为多Agent统一指挥中心#

• 核心发布：Cognition（原Windsurf）正式推出Devin Desktop，取代原有Windsurf品牌。新应用提供一个统一界面管理本地和云端Agent，支持通过ACP协议接入任意Agent（包括Codex CLI、Claude Agent等），内置完整IDE用于代码修改。

• 核心功能：本地规划后可将任务无缝转移至云端继续执行（用户合上电脑也不中断）。支持快照和分支，允许Agent试错恢复。Codex CLI和Claude Agent均可直接集成。

• 品牌整合：Windsurf CEO Jeff Wang表示，在AI产品每一年就需要大幅迭代的背景下，将所有产品统一到“Devin”品牌下可以聚焦资源，并保持作为“Agent瑞士”的中立地位，支持其他平台Agent。

• 行业意义：这标志着AI编码工具从“IDE插件”向“Agent操作系统”进化的又一步。统一命令中心让开发者在单个界面上协调多厂商Agent，Agent间竞争从工具层面上升至平台生态层面。

🔗 Cognition推文 | Jeff Wang品牌阐述 | Windsurf推文

⭐ GitHub 趋势#

• 今日无显著 AI 相关趋势

🟧 Hacker News 热议#

MAI-Code-1-Flash#

358 pts · 163 comments · microsoft.ai

📌 内容总结

• 微软发布一款轻量编码模型 MAI-Code-1-Flash，面向 GitHub Copilot/VS Code 日常开发，号称训练数据“干净且经适当许可”，不使用合成数据。
• 核心卖点：自适应思考（简单请求简洁，复杂请求增加推理预算）、与 Copilot 生产环境对齐训练、在 SWE-Bench 系列基准上对比 Claude Haiku 4.5 有 16 个点的领先（Pro 51.2% vs 35.2%），且节省最多 60% 的 token。
• 实际参数量为 137B（激活 5B），并非此前流传的 5B 模型；暂时不开放权重，仅通过 Copilot 模型选择器提供。

💬 讨论总结

• 模型大小与对比基准：多数评论指出标题易误解，实际是 137B 模型，对比对象 Haiku 4.5 是 Anthropic 最小、最旧的模型，有人认为这不是一个有意义的对标。部分人认为 Haiku 本身不适合严肃编码，因此该模型的定位模糊。
• 工程效果与实用性：SWE-Bench 51% 的通过率被质疑是否足够可靠——多数开发者无法接受 49% 的失败率。支持者指出 Claude Opus 4.6 也只有 51.9%，且小模型可用于可预测的低风险子任务，或采用“大模型规划 + 小模型执行”策略。
• 训练数据纯净性：有观点认为“干净数据”在当今污染严重的语料环境中几乎不可能，但另一些评论认可微软不依赖合成数据的做法是值得关注的差异点。
• 商业与生态：大量用户抱怨 Copilot 最新的按 token 计价大幅涨价，转向 DeepSeek 或 Qwen 等更便宜的开源模型。微软停止开放权重的趋势让人失望——与之前 Phi 系列的做法形成了对比。
• 网站体验：多个用户抱怨该博客页面滚轮劫持，在 Safari/Firefox 上体验极差；有人提供了修复脚本。

反对意见（少数）：有人认为这只是 Haiku 替代品，不值得关注；也有人认为微软的“超智能团队”应优先改进 Windows 质量。

🔗 原文 · HN 讨论页

Bringing Up DeepSeek-V4-Flash on AMD MI300X#

72 pts · 6 comments · fergusfinn.com

📌 内容总结

• Doubleword 公司工程团队记录在 AMD MI300X 上部署 DeepSeek-V4-Flash 的工程过程。MI300X 拥有 192GB HBM3、FP8 算力与 H100 相近，成本约为一半，但软件支持存在严重断档。
• 主要难点包括：MI300X 使用 AMD/Graphcore 提出的 fnuz FP8 标准（非 OCP 标准），导致 vLLM 中的 FP8 路径全部偏差一个因子 2；AITER 缺少稀疏 MLA 注意力等关键路径的 gfx942 优化，需回退到 Triton；HIP 图捕获要求避免动态内存分配。
• 经过修复后，单卡达到 2699 tokens/s（+8.6% 优化）；补丁已开源。作者认为 MI300X 的软件差距正在缩小，但投入的工程成本仍然很高。

💬 讨论总结

• 评论极少，均为技术性讨论。一条询问补丁是否支持 DeepSeek V4 Pro；一条指向上游 vLLM 补丁仓库。
• 一条评论提到在 MI250X 上跑 Gemma 4 31B 需要大量软件工作量，作者表示有兴趣写文章分享经验。
• 没有明显反对或质疑。

🔗 原文 · HN 讨论页

Expanding Project Glasswing#

151 pts · 194 comments · anthropic.com

📌 内容总结

• Anthropic 将 Project Glasswing 的合作范围从约 50 个组织扩展到约 150 个，涵盖 15 个国家的水、电、医疗、通信等关键基础设施。合作方使用 Claude Mythos Preview 扫描代码库，已发现超过 10,000 个高/严重级别漏洞。
• 官方强调 Mythos 的能力代表着 AI 网络安全能力的重大跨越，警告 6-12 个月内其他公司将推出类似模型且可能缺乏安全防护，届时攻击频率和形式将不可预测。
• 当前瓶颈已从“发现漏洞”转向“验证、披露和修补”——Anthropic 计划利用 Mythos 本身辅助编写补丁，并推动行业建立新的标准和基础设施。

💬 讨论总结

• 营销与稀缺性策略质疑：大量评论认为这是在 IPO 前制造稀缺感和品牌效应。指出 Mythos 的实际能力可能被夸大——多位一线安全工程师反馈模型产生大量噪声和误报，管理层却过度反应。
• 技术真实能力：部分引用第一手经验称“检测质量与常规审计公司无异”，且其他模型（如 GPT-5.5-Cyber）也具有类似能力。Mythos 的“10,000 漏洞”数字被质疑缺乏可验证性（仅一枚具体案例在 curl 项目中公开）。
• 工程与商业现实：批评者认为 Anthropic 限制访问的真正原因是计算资源不足（无法大规模服务 Mythos），而非纯粹的安全考虑。支持者认为这是负责任的做法，但多数评论倾向于认为这是“安全牌”营销。
• 对政府合作的担忧：一些评论质疑将关键基础设施源码交予一家对外国政府（如美国政府）有合作倾向的美国公司，可能带来监控和国家安全风险。Anthropic 声明“不对美国国内进行大规模监控”被解读为默认可对他国执行监控。
• 少数支持观点：部分评论认为这是类似 AlphaFold 开源蛋白质数据库那样的全局性贡献，值得认真对待。

反对意见（多数）：主流情绪是怀疑与讽刺，认为 Project Glasswing 是“先制造恐慌，再出售解决方案”的标准套路。

🔗 原文 · HN 讨论页

今日洞察#

MAI-Code-1-Flash 的模型定位与 HN 讨论的割裂，暴露了开发者的核心焦虑正在转移。 微软自称 137B（激活 5B）参数、SWE-Bench Pro 51% 的模型是“轻量级”，但 HN 上普遍质疑这是与最弱的 Haiku 对标，且 49% 的失败率对日常开发而言意义有限。更值得关注的信号是讨论中反复出现的“成本转向”——大量用户抱怨 Copilot 涨价后已转向 DeepSeek 或 Qwen 等开源替代。模型“足够好”的价值正从基准分数转向 token 成本与 API 定价的可承受性。 微软停止开放模型权重的做法，与之前 Phi 系列形成反差，也进一步压缩了其生态吸引力。

Codex 向知识工作者扩展的数据是一个被 PR 包装掩盖的真实信号。 OpenAI 公布 500 万周活跃用户中 20% 是非开发者，他们的采用速度是开发者的 3 倍，且数据分析任务周环比增长 110%。这比任何模型发布都更能说明“AI 首先吃掉编程”的叙事正在失效。真正的增长飞轮可能不在 IDE 内部，而在 Word、邮件、电子表格等办公场景。 Codex Python SDK 的发布进一步将“浏览器里的 AI IDE”转变为可编程基础设施，这比任何模型发布都更具结构性影响——它让知识工作的 AI 化不再依赖特定平台。

微软 Build 的主题演讲呈现了一条明确的“模型优先、平台次之”的竞争策略，但其真正的赌注在 Project Solara。 7 款 MAI 模型覆盖从代码到医疗的多模态面，MAI-Thinking-1 甚至能在部分基准上与 Opus 4.6 平手。然而宏观叙事的主轴并非模型本身，而是“Agent-first”的计算平台：Project Solara 从 OS 到芯片重新设计，OpenClaw 原生集成，Copilot 桌面应用兼容第三方 Agent。微软正在把“模型”作为战场的必需品，把“Agent 运行环境”作为护城河。 这与 Anthropic 专注于安全可控的企业私有化部署（Project Glasswing）形成了不同的竞争路径选择——前者试图定义 Agent 操作系统，后者试图定义 Agent 审计标准。

1️⃣ [持续跟踪] Microsoft Build 2026：RTX Spark Dev Box、MAI模型新排名与OpenClaw Windows原生支持#

• 前情提要：昨日微软在Build 2026上发布7款自研MAI模型，覆盖推理、代码、图像、语音等方向，并推出Project Solara agent-first平台。
• 最新突破：今日微软推出Surface RTX Spark Dev Box，基于NVIDIA RTX Spark芯片，128GB统一内存、1 petaflop AI算力，可本地运行1200亿参数模型，售价预计3000-3500美元，定位AI开发者的“dream machine”。此外，微软宣布将OpenClaw引入Windows生态，MXC安全容器技术原生支持，并推出基于OpenClaw的始终在线个人AI Agent“Scout”，连接Teams、Outlook、OneDrive等企业应用，同时将企业安全栈（Defender、Entra、Intune）贡献回上游。同日，MAI-Code-1-Flash在SWE-Bench Pro达到51.2%，MAI-Image-2.5在Image Edit Arena排名第二（1401分）。
• 行业意义：这表明微软正从模型层到硬件层全面构建AI原生生态，OpenClaw的企业级安全补全是其从开发者工具走向企业部署的关键突破。 🔗 Surface RTX Spark Dev Box详情 | OpenClaw on Windows | MAI-Image-2.5排名 | MAI-Code-1-Flash指标

2️⃣ [持续跟踪] OpenAI Codex加速平台化：并入ChatGPT、AWS落地与角色插件#

• 前情提要：昨日OpenAI发布Codex Sites和六类角色插件，覆盖62款应用和110项技能。
• 最新突破：OpenAI宣布未来几周内将Codex的核心能力整合进ChatGPT，用户无需切换产品即可调用Agent执行任务。The Information披露OpenAI内部决定合并ChatGPT、Codex和浏览器Atlas为统一桌面应用。同时，OpenAI前沿模型（GPT-5.5、GPT-5.4）和Codex正式在Amazon Bedrock上线，企业客户可在AWS现有合规框架中使用OpenAI模型。OpenAI披露企业业务贡献约40%收入，Codex周活超500万，其中非开发者用户增长3倍。但Codex免费账号额度重置周期从7天改为30天，Plus/Pro用户保持每周。
• 行业意义：Codex从开发者工具跃升为企业Agent平台，整合ChatGPT将带来9亿消费者分发渠道。免费配额缩水暗示OpenAI正加速商业化，为IPO铺路。 🔗 Codex进入ChatGPT | AWS Bedrock上线 | 免费配额变化 | 企业收入数据

3️⃣ [持续跟踪] MiniMax M3生态加速：SiliconFlow上线、MSA详解与性能对比#

• 前情提要：MiniMax于6月2日发布开源模型M3，支持1M上下文、多模态和Agentic编码，SWE-Bench Pro达59.0%。
• 最新突破：M3今日上线SiliconFlow，首周50%折扣（缓存/输入/输出$0.06/$0.30/$1.20每百万token），同时登录GMI Cloud。MiniMax官方详解了其核心创新MSA（MiniMax Sparse Attention），通过保留未压缩KV的块级Top-K选择，将解码时注意力核耗时从30%降至5%。在碰撞物理和3D弹球生成测试中，M3击败DeepSeek V4、Qwen 3.7 Max等模型。此外，M3可自主操作桌面计算机、处理视频输入，并在金融任务中展现初级分析师级表现。
• 行业意义：稀疏注意力机制大幅降低长上下文推理成本，开源权重策略使M3成为第一个融合前沿编码、1M上下文和原生多模态的模型，可能重塑中小团队的模型选型。 🔗 SiliconFlow上线 | GMI Cloud对比 | MSA技术详解

4️⃣ 制糖工厂发布AI小电拼Mirror：全球首款AI Agent原生充电硬件#

• 核心发布：制糖工厂推出AI小电拼Mirror，基于SDC（软件定义充电）架构与MCP协议，支持通过OpenClaw、Claude Code、Codex等AI Agent用自然语言控制充电状态、策略切换、端口控制和功率分配。硬件规格：4C1A五口、160W持续输出、4×140W盲插，搭载0.5寸OLED琥珀屏，支持19种快充协议。
• 技术亮点：Mirror可被Agent查询端口电压、电流、快充协议、设备温度和连接设备名称，并执行“优先保证电脑”“晚上降温运行”等高层次指令。整机采用CanOS 2.0可升级系统，支持OTA和OTW云桥升级。
• 行业意义：这是充电硬件首次以MCP协议对接AI Agent，将物理设备转化为可被AI调用的“能源节点”，标志着Agent能力从软件向物理世界延伸的趋势。 🔗 爱范儿详细报道

5️⃣ Sam Altman承认AI影响就业判断过于乐观，指责企业拿AI当裁员借口#

• 核心观点：OpenAI CEO Sam Altman在CNBC采访中指出，AI采用程度最深的公司反而在大规模招聘，以AI为由裁员的企业往往AI落地最慢。他承认自己此前对AI影响就业的判断变乐观，原因是观察到使用Codex后岗位未萎缩，这归结于大模型在长期复杂任务监督上的局限性。他还对GPT-5.2声称“在44个职业中超越专业人士”的表述表示遗憾，承认措辞过于笼统。
• 行业意义：Altman的反思揭示当前AI能力边界：在细分任务上表现出色，但在端到端复杂工作流中仍需人类监督。这缓和了AI取代就业的短期恐慌，为企业制定AI落地战略提供了更务实的参考。 🔗 爱范儿报道

6️⃣ 斯坦福研究：大模型规模越大，未过滤的训练数据效果越好#

• 核心发现：斯坦福团队在论文中报告，将未过滤的Common Crawl数据直接喂给大模型。在15M小模型上过滤数据领先，但模型规模达到330M和1B时，未过滤数据在充分训练后全面超越所有过滤版本。原因是模型参数量大时，有足够能力将垃圾信息与有用信息隔离。
• 行业影响：该结果挑战了业界普遍遵循的严格数据清洗原则，暗示随着模型Scale增大，数据过滤可能不再是必要步骤，甚至可能损害性能。这对大模型训练的预处理流程有直接指导意义，可能降低训练成本。 🔗 Berryxia.AI转述 | 论文链接见评论区

7️⃣ IBM CEO称AI投资可能无法回收，6-8万亿数据中心建设缺乏对应收入#

• 核心观点：IBM CEO Arvind Krishna在采访中表示，AI行业需要6到8万亿美元总资本支出用于数据中心和芯片建设，但自己不相信存在对应规模的营收。他认为只有两到三家公司能在前沿模型竞争中成功，其余参与者只是“为了留在赛道上花钱”。Gary Marcus转发了该分析，认为数据难以自洽，印证了AI泡沫论。
• 行业意义：这是来自传统IT巨头CEO的罕见悲观表态，直接质疑当前AI巨量投资的合理性。对于理性评估AI商业前景是有价值的反方样本，尤其在企业决策层面值得关注。 🔗 Gary Marcus转述

8️⃣ 腾讯云DeepSeek-V4系列最高降价97.5%，Apache 2.0模型加速商业化#

• 核心发布：腾讯云宣布旗下智能体开发平台对DeepSeek-V4系列模型大幅降价，最高降幅97.5%。其中DeepSeek-V4-Pro缓存命中价格从0.001元降至0.000025元/千tokens，推理输入/输出均下调75%。Flash版仅调整缓存命中价格，降幅90%。
• 行业意义：这是继DeepSeek开源并采用Apache 2.0许可后，云厂商推动开源模型低成本化的重要动作。极低价格将刺激更多中小企业和个人开发者将DeepSeek用于生产级Agent和自动化任务。 🔗 爱范儿报道