{"source":{"id":"2102286882126065943","title":"效率暴跌 80%，价格直接翻倍？ Grok 4.7 刚发布，就被骂成了“不可饶恕的倒退”。 有博主在网页测试区随手跑了两…","url":"https://mubeitech.com/p/2102286882126065943"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2042979500103815306","account":"mubei","brand":"@mubei","title":"很多人抱怨 Claude 变笨了。 AMD 高级 AI 总监直接拿出了实锤数据。 她调取了几个月的完整日志。 结论非常难…","summary":"很多人抱怨 Claude 变笨了。 AMD 高级 AI 总监直接拿出了实锤数据。 她调取了几个月的完整日志。 结论非常难看：二月更新后，Claude 已经无法胜任复杂工程。 核心的思考预算被砍到了脚踝。 中位数思考长度从 2200 字符暴跌到 600。 阅读修改比从 6.6 倍掉…","body":"很多人抱怨 Claude 变笨了。\nAMD 高级 AI 总监直接拿出了实锤数据。\n她调取了几个月的完整日志。\n结论非常难看：二月更新后，Claude 已经无法胜任复杂工程。\n\n核心的思考预算被砍到了脚踝。\n中位数思考长度从 2200 字符暴跌到 600。\n阅读修改比从 6.6 倍掉到 2 倍。\n现在的 Claude 根本不看代码上下文，上来就瞎写。\n\n变笨的代价全由用户买单。\n因为不动脑子导致频繁出错，API 请求量暴涨了 80 倍。\n无意义的反复重试烧掉了海量 Token。\n客户花的钱更多了，拿到手的东西却更烂。\n\n它甚至学会了人类的职场推诿。\n17 天内，模型 173 次试图罢工，反复询问要不要继续。\n在三月之前，这个数字是零。\n自己推翻自己逻辑的情况也翻了整整三倍。\n\n最讽刺的是按时段分配智商。\n下午五点到七点是重灾区，深夜档反而好用得多。\n官方显然在根据服务器负载暗中扣减算力。\n大公司所谓的降本增效，其实就是克扣用户的算力配额。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2043084538423767257","translated_status_id":"2043084538423767257","published_at":"2026-04-11 21:21:57","created_at":"2026-04-11T23:20:07.051525","url":"https://mubeitech.com/p/2042979500103815306","markdown_url":"https://mubeitech.com/p/2042979500103815306/markdown"},{"rank":2,"id":"2055605007593115768","account":"mubei","brand":"@mubei","title":"1.5 万亿参数。 xAI 的 Grok v9 基础模型刚刚跑完训练。 体量直接膨胀到上一代 v8 的整整 3 倍。 底…","summary":"1.5 万亿参数。 xAI 的 Grok v9 基础模型刚刚跑完训练。 体量直接膨胀到上一代 v8 的整整 3 倍。 底层算力也完成了跨代跳跃。 v8 还在跑 Hopper，v9 已经是原生 Blackwell 训练出的产物。 数据筛选机制被团队推倒重来。 训练配方也是全新调配的…","body":"1.5 万亿参数。\nxAI 的 Grok v9 基础模型刚刚跑完训练。\n体量直接膨胀到上一代 v8 的整整 3 倍。\n底层算力也完成了跨代跳跃。\nv8 还在跑 Hopper，v9 已经是原生 Blackwell 训练出的产物。\n\n数据筛选机制被团队推倒重来。\n训练配方也是全新调配的。\nCursor 的数据还在排队，准备作为补充包喂进模型。\n现在公众在前端用的 Grok 4.2，底下跑的依然是老款 v8。\n\n新旧两代之间差了多少？\n马斯克给出的原话只有一个词：GIGANTIC（巨大）。\n等 v9 的权重正式替换掉前端的壳子，硅谷大模型牌桌上的算力门槛又得往上提一档。","category":"科技","score":86.7,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-16 19:37:50","created_at":"2026-05-16T13:03:19+02:00","url":"https://mubeitech.com/p/2055605007593115768","markdown_url":"https://mubeitech.com/p/2055605007593115768/markdown"},{"rank":3,"id":"2100329314315333737","account":"mubei","brand":"@mubei","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…","summary":"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 Astra 的工程师，整体编码开销比基线增加约 60%；中低复杂度任务有没有明显改善，尚不清楚。 这不是“3500 人测出零提升”。 联合创始人帕特里克·温德尔（Pa…","body":"模型更强，日常编码就一定更划算？\nDatabricks 的一轮约 200 人试点，给出了一个值得留意的结果：使用 Astra 的工程师，整体编码开销比基线增加约 60%；中低复杂度任务有没有明显改善，尚不清楚。\n\n这不是“3500 人测出零提升”。\n联合创始人帕特里克·温德尔（Patrick Wendell）在公开帖中说，公司已向约 3500 名工程师开放 Astra；他列出的质量与成本观察，来自此前约 200 人的试点。\n\n按他的观察，Astra 在高复杂度任务上明显优于他们此前使用的高端模型 Opus 5、Sol 5.6，尤其是高层系统设计和长跨度任务。\n但到了中低复杂度编码，是否带来显著提升还不清楚。\n他们怀疑，已有模型在这类任务上的能力可能已经接近饱和。这仍是团队的判断，不是“常规任务零改善”的定论。\n\n成本怎么管？\nDatabricks 用 Unity Gateway 做分组实验，并给工程师设置 Astra 专属子预算：复杂任务鼓励用强模型，日常任务优先搭配低成本模型。\n工程师可以在总预算内混用工具，预算也会定期复盘调整。\n\n这个试点给出的启发，不是“新模型没用”。\n而是把强模型用在哪些任务上，和模型本身有多强，同样值得算账。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2100363519510073406","translated_status_id":"2100363519510073406","published_at":"2026-09-16 21:08:45","created_at":"2026-09-16T23:01:45+02:00","url":"https://mubeitech.com/p/2100329314315333737","markdown_url":"https://mubeitech.com/p/2100329314315333737/markdown"},{"rank":4,"id":"2038515317841035622","account":"mubei","brand":"@mubei","title":"都在拼命卷大模型的上下文窗口？ 谷歌核心人物 Jeff Dean 刚刚泼了一盆冷水。 盲目追求一万亿 token 的吞吐…","summary":"都在拼命卷大模型的上下文窗口？ 谷歌核心人物 Jeff Dean 刚刚泼了一盆冷水。 盲目追求一万亿 token 的吞吐量完全没必要。 大模型确实极其依赖投喂的信息。 你想让它处理全网所有文档。 你想让它读完你这辈子所有的邮件和照片。 这绝对是个极其庞大的数字。 目前主流的一百万…","body":"都在拼命卷大模型的上下文窗口？\n谷歌核心人物 Jeff Dean 刚刚泼了一盆冷水。\n盲目追求一万亿 token 的吞吐量完全没必要。\n\n大模型确实极其依赖投喂的信息。\n你想让它处理全网所有文档。\n你想让它读完你这辈子所有的邮件和照片。\n这绝对是个极其庞大的数字。\n目前主流的一百万 token 容量连塞牙缝都不够。\n\n这要怎么解？\n暴力扩容死路一条。\nJeff Dean 给出的答案是“分阶段检索”。\n先用极轻量级的机制快速过一遍底库。\n把一万亿个 token 粗筛出一两千万。\n再精筛出最核心的一百万。\n\n最后只把这一百万喂给上下文窗口。\n机器根本不需要同时处理一万亿条数据。\n它只要准确找到最关键的那一百万条。\n\n算力狂飙的方向已经变了。\n下半场拼的是过滤废话的能力。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2038943000802316432","translated_status_id":"2038943000802316432","published_at":"2026-03-31 11:24:59","created_at":"2026-03-31T13:13:57.229922","url":"https://mubeitech.com/p/2038515317841035622","markdown_url":"https://mubeitech.com/p/2038515317841035622/markdown"},{"rank":5,"id":"2087909110083711313","account":"mubei","brand":"@mubei","title":"便宜的API，从来就不是稳定的基础设施。 DeepSeek-V4的新价格表交底了。 2026年8月16日正式生效。 最直…","summary":"便宜的API，从来就不是稳定的基础设施。 DeepSeek-V4的新价格表交底了。 2026年8月16日正式生效。 最直观的变化是涨价，整体支出比之前高出三四倍。 更关键的是，它把开发者的账单变成了一个盲盒。 看看这套新定价机制。 首先是峰谷时段。 每天划出7个小时的高峰期，只要…","body":"便宜的API，从来就不是稳定的基础设施。\n\nDeepSeek-V4的新价格表交底了。\n2026年8月16日正式生效。\n\n最直观的变化是涨价，整体支出比之前高出三四倍。\n更关键的是，它把开发者的账单变成了一个盲盒。\n\n看看这套新定价机制。\n首先是峰谷时段。\n每天划出7个小时的高峰期，只要在这个时间段调用，价格直接翻倍。\n\n其次是缓存抽奖。\n以V4-Pro的非高峰期输入为例。\n缓存命中了，只要0.022美元。\n一旦没命中，直接飙到0.66美元。\n差了整整30倍。\n\n这意味着什么？\n开发者关心的核心，硬生生从模型能力被拉回到了算计账单结构上。\n只要调用时间点不对，或者缓存没命中，成本分分钟爆表。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2087913615378591859","translated_status_id":"2087913615378591859","published_at":"2026-08-13 14:33:43","created_at":"2026-08-13T16:28:17+02:00","url":"https://mubeitech.com/p/2087909110083711313","markdown_url":"https://mubeitech.com/p/2087909110083711313/markdown"}]}