{"source":{"id":"2100329314315333737","title":"模型更强，日常编码就一定更划算？ Databricks 的一轮约 200 人试点，给出了一个值得留意的结果：使用 Ast…","url":"https://mubeitech.com/p/2100329314315333737"},"method":"semantic-similarity","count":3,"items":[{"rank":1,"id":"2079256614238814551","account":"mubei","brand":"@mubei","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…","summary":"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智能体团队一本835页的手册。 让它们从头开始，用Rust语言把SQLite数据库重写一遍。 代码交出来，100%通过了保留测试集，完美复刻。 活儿干得都挺好，…","body":"AI写代码的胜负，开始变成模型编队的成本问题。\n干完全一样的事，账单能差出15倍。\n\n看看这个极端的测试。\n任务是丢给AI智能体团队一本835页的手册。\n让它们从头开始，用Rust语言把SQLite数据库重写一遍。\n代码交出来，100%通过了保留测试集，完美复刻。\n\n活儿干得都挺好，但一结账，差距惊人。\n全靠单体大模型硬刚的，账单直接上天。\nFable 5花了两万多美元，GPT 5.5也花了一万多。\n但如果换个玩法，用Opus 4.8搭配Composer 2.5呢？\n只要1339美元。\n\n为什么差这么多？\n秘密就在于分工。\n把任务拆成“规划者”和“打工人”。\n让顶级模型出脑力做规划，让性价比高的模型当码农干苦力。\n同样的代码质量，成本直接砍掉九成。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079394892363489533","translated_status_id":"2079394892363489533","published_at":"2026-07-21 00:06:30","created_at":"2026-07-21T02:01:32+02:00","url":"https://mubeitech.com/p/2079256614238814551","markdown_url":"https://mubeitech.com/p/2079256614238814551/markdown"},{"rank":2,"id":"16270387","account":"mubei","brand":"@mubei","title":"Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编…","summary":"Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编程 Agent 选模型，先别盯着名字，先看 effort 档位。 这张 Artificial Analysis Coding Agent Index v1.1，…","body":"Luna 高档位，把 Sol 低档位打没了。\n同一张 Agentic Coding 成本图里，最有用的结论就这一条。\n编程 Agent 选模型，先别盯着名字，先看 effort 档位。\n\n这张 Artificial Analysis Coding Agent Index v1.1，把横轴放成 API 成本，纵轴放成 Index score。\n越往右越贵。\n越往上越能打。\n\nGPT-5.6 Luna 从 Light 到 Ultra，一路从 40 多分爬到 70 多分。\n成本大概还压在几百美元区间。\n同一段区域里，Sol 的低档位并没有给出足够的分数溢价。\n\n所以原作者那句话很实用。\n除非你明确需要 Terra Ultra 那一档性能，否则 Luna 提高 effort，往往同分或更强，还更便宜。\n\n再往上看，GPT-5.6 Terra 和 Sol 确实能把分数推到 80 附近。\n但成本也开始从 1000 美元、2000 美元往上走。\n这已经不是日常写代码的默认选项，更像关键任务时买确定性。\n\nClaude Opus 4.8 的线也很清楚。\nMedium 大概 67 分，Max 大概 73 分，成本却从 1000 多美元拉到 2000 多美元。\nClaude Fable 5 更夸张，接近 3700 美元，分数大约 77。\n\nGemini 3.1 Pro Preview 在图里只有 40 多分。\n便宜不便宜已经不是第一问题，问题是它还没站到这条赛道的有效区间里。\n\n给普通工程团队的保存版选择表很简单。\n低成本试错，用 Luna 高 effort。\n需要更稳的高性能，再看 Terra。\n真的要冲顶，再碰 Sol Ultra。\nSol Extra 可以先划掉。\n\nAI 编程的成本曲线，正在变得像云计算。\n贵模型不是信仰，effort 档位才是旋钮。\n会调旋钮的人，先省钱，也先接近生产力。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2075761783206216032","translated_status_id":"2075761783206216032","published_at":"2026-07-10 23:12:03","created_at":"2026-07-11T00:53:30+02:00","url":"https://mubeitech.com/p/16270387","markdown_url":"https://mubeitech.com/p/16270387/markdown"},{"rank":3,"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":"https://x.com/i/status/2097118833781657758","translated_status_id":"2097118833781657758","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"}]}