动态

不用英语问 AI，同样的内容要花更多 token。常用的 20 种语言之间，最多差 5 倍。

日语语法本来就复杂，用敬语还会更多。一句客气的请求要 29 个 token，「要約して。」只要 10 个（用 GPT 的分词器量的）。

对 AI 不用说敬语。省钱，回答也更简洁。

花大价钱请咨询公司，结果咨询公司也是去问 AI😅🤣 而且埃森哲给员工的 Claude 费用，公司只出每人每月 29 美元（约 4,600 日元），超出的部分要记到项目上。据说之前有员工一个月用掉 1,000 美元（404 Media 报道）。 用 AI 也要算成本的时代来了。那我们付的咨询费，到底是在给谁的 AI 买单？

816B 的模型，两台 Mac Studio 就能跑。 Meta 发布了「Muse Spark Open」：总参数 816B、每次只用 42B 的 MoE 模型，支持 100 万 token 上下文。 agent 和大模型越来越开源，个人在本地跑 AI 正在变成现实。 ……不过设备涨价之后，两台 M5 Ultra Mac Studio 还是太贵了哈哈

日本掏出约 3 万亿日元，工厂建在美国，运营的也是美国公司。日本，这样真的好吗？

日本出资最多 210 亿美元，美国政府拿到 GlobalFoundries 约 4% 的股份。而且造的不是 AI 芯片，是用在汽车和数据中心上的通用芯片。 说实话，日本到底能得到什么，我还没看明白。

Google 的 Gemini 4 Argon 从 10/13 起正式开放。

只有付费方案（AI Pro/Ultra）和付费 API 能用，免费版还不行。 在衡量金融、编程、法律等实际工作的 Vals Index 上排第一。 API 价格到 11/30 是每 100 万 token 输入 2 美元、输出 10 美元，12 月起翻倍。

Anthropic 的新模型 Haiku 5.5 宣布「平均便宜了 75%」。我去查了一下具体是怎么回事。

用 AI 的成本 =「每个 token 的单价」×「完成一件事用的 token 数」。这次降的主要是单价。输入从每 100 万 token 1 美元降到 0.1 美元，降了 90%。

---

那为什么是 75%，不是 90%？新的分词器（把文字切成 token 的方法）会让同样一段文字切出来的 token 稍微多一些。把这部分扣掉，平均下来就是 75%。

只看单价的话，会觉得比实际更便宜。

---

并不是「模型变聪明了、不上网搜索了，token 少了所以便宜」。搜索是模型用的一种工具，和这次降价是两回事。基准测试里，用工具的分数反而更高（57.4% 对 45.9%）。

不过它是小模型，难的任务还是上一级的模型更强。