{"source":{"id":"2079256614238814551","title":"AI写代码的胜负，开始变成模型编队的成本问题。 干完全一样的事，账单能差出15倍。 看看这个极端的测试。 任务是丢给AI…","url":"https://mubeitech.com/p/2079256614238814551"},"method":"semantic-similarity","count":3,"items":[{"rank":1,"id":"mb-20260830-6135b9","account":"mubei","brand":"","title":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块","summary":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块","body":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块。\n为什么还有公司愿意为人类多付四个数量级的溢价？\n退到更难的底层硬核工程，根本挡不住模型的追赶。\n如果模型连黎曼猜想的下界都能推演，写底层驱动和着色器只是时间问题。\n真正能把人和机器拉开距离的，从来不是代码难度。\n是模型在结构上永远绕不开的两个死穴。\n第一个死穴，叫偏执型代码膨胀。\n前沿模型现在很少犯低级语法错误，也不会写出离谱的越界漏洞。\n它犯的错，全部来自上下文无知和过度自保。\n无知，是不知道系统里早有现成组件，在错误的模块里重复造轮子。\n自保，是为一个只读一次的配置变量加三层冗余检查。\n为一个允许毫秒级延迟的后台任务，设计一套臃肿的强一致性系统。\n给一个原本崩溃就能自动重启的容器服务，塞满层层叠叠的降级逻辑。\n为什么会这样？\n因为模型没有真实系统的运行感知，它承担不起任何潜在风险。\n为了免责，它会本能地多写三千行防御性代码。\n如果引入另一个 AI 组成多智能体去互相审查，结果只会更糟糕。\n模型在强化学习训练下天然热衷于挑刺。\n两台机器在审查闭环里互相强化，最后留下的，是一万行偏执防御的代码废料。\n人类工程师在这里的真实价值，不是比它写得更快。\n是有底气当面否定模型的方案，敢动手删掉那三千行毫无必要的防御代码。\n第二个死穴，叫可验证性分化。\n为什么模型写代码的能力突飞猛进，用自然语言沟通却越来越生硬？\n因为代码和数学属于可验证领域。\n有编译器和测试套件当裁判，模型可以通过自我对弈无限进化。\n但好的表达和技术沟通无法被机器自动打分。\n为了追求解题能力，模型内部的推理思维链高度压缩变形，漏到外部就成了晦涩的机器黑话。\n彼得·沃茨在科幻小说《盲视》里设定过一个特殊岗位：综合者。\n当飞船上全是不说人话的认知增强天才，必须由普通人类出面充当翻译层。\n如果你只是把需求喂给模型，再把生成的代码原样贴进代码库，你就是一个碳基传话筒。\n哪怕自己搭了一套多智能体工作流，一旦平台原生支持，传话筒依然会被第一时间淘汰。\n当写代码的边际成本归零，把功能做出来就不再具有稀缺性。\n真正稀缺的，是在海量偏执代码面前按下删除键的决断力，以及把复杂系统讲给人听的翻译能力。\n代码本身早已不值钱。\n敢替那三千行被删掉的防御代码承担风险的判断力，才值三十万美元。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-30 11:06:05","created_at":"2026-08-30 11:06:05","url":"https://mubeitech.com/p/mb-20260830-6135b9","markdown_url":"https://mubeitech.com/p/mb-20260830-6135b9/markdown"},{"rank":2,"id":"17144890","account":"mubei","brand":"@mubei","title":"用 AI 写代码，最怕的不是写不对，而是烧钱太快。 动辄几千行代码喂进去，Token 账单能把团队吃垮。 Spotify…","summary":"用 AI 写代码，最怕的不是写不对，而是烧钱太快。 动辄几千行代码喂进去，Token 账单能把团队吃垮。 Spotify 却把 Claude Code 的 Token 消耗，直接砍掉了 90%。 怎么做到的？ 搞了一个内部智能路由器。 首席产品经理马兹马诺夫把这套机制拆得很明白。…","body":"用 AI 写代码，最怕的不是写不对，而是烧钱太快。\n动辄几千行代码喂进去，Token 账单能把团队吃垮。\nSpotify 却把 Claude Code 的 Token 消耗，直接砍掉了 90%。\n\n怎么做到的？\n搞了一个内部智能路由器。\n首席产品经理马兹马诺夫把这套机制拆得很明白。\n核心原则就一条：千万别让顶级大模型当流水线全包工。\n\n让最贵的 Claude 去读几千行的超大文件？\n让它去敲毫无技术含量的样板代码？\n这等于花顶级架构师的薪水请人来扫地。\n算力浪费了，钱也烧光了。\n\nSpotify 的方案是精准分流。\n扒大文件、生成样板代码这些体力活，全部分流给便宜的轻量模型。\n只有真正核心的业务逻辑和复杂排错，才放行给 Claude 出手。\n原本要烧 4 份主力 Token 的任务，分流后只要 1 份。\n\n粗活轻量模型扛，细活顶级模型办。\nToken 账单直接蒸发了九成，开发效率一点没打折。","category":"其它","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-07 21:18:24","created_at":"2026-09-07T22:50:23+02:00","url":"https://mubeitech.com/p/17144890","markdown_url":"https://mubeitech.com/p/17144890/markdown"},{"rank":3,"id":"mb-20260831-84108d","account":"mubei","brand":"","title":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨","summary":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨","body":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨。\n全公司超过 70% 的代码合并请求，已经全由本地或云端的智能体接管。\n每天自动运行 3600 个定制技能，执行超过 3 万次。\n多数技术团队落地 AI 编程，最先等来的是研发预算被调用账单直接击穿。\n为什么同样的指数级调用，在有些地方演变成财务灾难，在另一些地方却能把单次会话成本硬生生压下去 52%？\n答案不在更聪明的大模型里。\n它藏在一道由六个变量组成的乘法方程中。\nUber 杰出工程师 Uday Kiran Medisetty 拆解了一套运行在企业规模上的智能体软件工厂。\n多数人计算 AI 成本，习惯只看两个数字：买了多少算力，以及每个 Token 的标价是多少。\n但在真实的工业级流水线里，总开销是一串连续相乘的链条：\n用户数 × 人均会话数 × 单会话轮次 × 单轮请求数 × 单请求 Token 数 × 单 Token 价格。\n这六个因子只要各自膨胀一点，总成本就会以乘积级放大。\n多数系统之所以被账单拖垮，根源在于把智能体当成了打字聊天的客服。\n每调用一个外部工具，模型先发一条指令，等待返回，再发下一条指令，在网络两端来回拉扯。\n这种频繁往返不仅拖慢速度，每一次交互都在把整个历史上下文从头到尾重发一遍。\n九成的算力，被白白耗费在工具之间的漫长等待与重复传输上。\nUber 在软件工厂里动了三把关键的手术刀。\n第一把刀叫代码模式批处理。\n系统禁止模型进行琐碎的单步工具调用。\n遇到复杂任务，模型直接编写一段 Python 循环脚本，在本地隔离环境里一口气把几十个工具链跑完，只把最终结果交回。\n单这一项改动，就砍掉了 50% 到 90% 的无谓 Token 消耗。\n第二把刀叫上下文解耦与按需检索。\n把 3600 个工具的完整定义全部塞进提示词，上下文窗口立刻就会被撑爆，既昂贵又容易导致模型逻辑混乱。\n他们建立了模型上下文协议网关，把工具定义剥离出提示词，改用命令行按需检索。\n配合一个包含 2400 万节点和 8000 万条边的企业上下文图谱，模型查到哪里就读到哪里，不再盲目摸索。\n第三把刀叫模型路由与空闲缓存。\n并非所有子任务都需要动用顶级大模型。\n拆解后的细分任务默认分流给轻量高效的低成本模型，配合针对实际工作间隔优化的提示词缓存。\n把方程后半截的四个乘数死死锁住，前面两个代表工程师使用率的数字哪怕翻上十倍，总账单依然能保持水平。\n技术落地的分水岭，从来不在于谁先用上了更新的算法。\n当生成代码本身的边际成本迅速归零，工程竞争的焦点已经转移到了调度系统本身。\n能够把交互税与上下文税压缩到极限的人，才能把实验室里的智能体变成真正永不停机的工业流水线。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:51","created_at":"2026-08-31 10:58:51","url":"https://mubeitech.com/p/mb-20260831-84108d","markdown_url":"https://mubeitech.com/p/mb-20260831-84108d/markdown"}]}