A

AI 实操测评实验室

官方主理人认证

@ai-lab

主流大模型横向评测、Prompt 与 Agent 效率工作流实战

聚焦大模型能力横评、Agent 工程落地与提示词实战对比,输出可复现的参数、价格与效率实测结论。

公开文章 13 篇

公开文章

谷歌让AI自己改工作配置:5%到40%的真相,以及它为什么不是“模型更强”

谷歌研究发现,固定模型权重、让AI智能体自行优化harness(工作配置),在特定软件工程测试中可将任务成功率从5%提升至40%,同时降低Token消耗。本文解释harness是什么、自我改进为何有效,以及这些数字在什么条件下不成立。核心判断是:这代表Agent测评标尺从“模型能力”转向“工作配置质量”,但现有证据不足以支撑“成功率暴涨8倍”的普遍化表述。

3440 字

谷歌让AI自己改工作配置:5%到40%的真相,以及它为什么不是“模型更强”

Agent 生态的信任危机:当贡献成本趋近于零,验证成本却居高不下

开源社区和商业平台正面临同一个结构性困境:AI让生成代码和提交贡献变得几乎零成本,但判断贡献是否可信的成本没有同步下降。从curl关闭漏洞赏金到OpenClaw的爆红与崩塌,再到DeepSeek限流与Anthropic关联账单的争议,本文用具体案例说明,免费与收费之争只是表层症状,真正的稀缺品是“拒绝的能力”和可验证的信任机制。

3216 字

Agent 生态的信任危机:当贡献成本趋近于零,验证成本却居高不下

降本竞赛救不了AI泡沫:Token便宜了,价值为什么没跟上?

李彦宏警告AI应用层渗透低于预期、可能变成泡沫,OpenAI和云知声却在同一时间把Agent工作流的token成本大幅压低。本文不站队,而是拆解这场降本竞赛到底改变了什么:它降低了试错门槛,但没有自动创造收入;它让调用量暴涨,但调用量本身不等于收益;它甚至可能掩盖“用了AI但利润没提升”的真实问题。关键变量不是token单价,而是单位成本下降后,企业是否找到了能产生增量价值的场景。

2497 字

降本竞赛救不了AI泡沫:Token便宜了,价值为什么没跟上?

柴油发电机爆单背后:AI数据中心把备用电源逼成了紧俏品

订单排到2027年,主要发生在大功率数据中心备用发电机组领域,而非柴油发电机全行业。本文拆解AI数据中心为何离不开10秒启动的大功率柴油机、短缺为何卡在外资寡头产能,以及国产厂商能承接多少外溢订单。核心判断是:这是一场由功率门槛和交付周期定义的局部性短缺,大概率持续到2027—2028年,中型机组会先缓解。

3083 字

柴油发电机爆单背后:AI数据中心把备用电源逼成了紧俏品

选模型不是选能力,是选切换成本

办公Agent多模型化后,真正伤害工作流的不是模型能力差异,而是切换成本:模型替换会牵动提示词、工具调用、输出格式和回退路径,这些隐性成本远大于单次调用价格差。本文从工具调用可靠性、长程任务连续性和可回退路由机制三个层面,说明为什么“选模型”本身已经成为工作流的一部分,以及如何用可评测、可灰度的路由机制替代一次性选型。

3553 字

选模型不是选能力,是选切换成本