@FinanceYF5: AI应用层的反击 1/ 大模型公司正在被反向蚕食 Cursor、Decagon、Harvey、Notion都在干同一件事：从API搬到自训模型。 不是为了省钱，是为了拿回飞轮。
摘要
AI应用层公司如Cursor、Decagon、Harvey、Notion正从使用大模型API转向自训练模型，这一趋势旨在重新掌控数据飞轮而非仅仅节省成本。
查看缓存全文
缓存时间: 2026/05/16 09:17
🧵AI应用层的反击
1/🧭 大模型公司正在被反向蚕食
Cursor、Decagon、Harvey、Notion都在干同一件事：从API搬到自训模型。
不是为了省钱，是为了拿回飞轮。👇 https://t.co/HgPtoXuHM5
AI应用层的反击
1/ 大模型公司正在被反向蚕食
Cursor、Decagon、Harvey、Notion都在干同一件事：从API搬到自训模型。
不是为了省钱，是为了拿回飞轮。
2/ Cursor的Composer是信号
底座用开源Kimi，魔法在自家post-training。
代码补全好不好的反馈信号，只存在于Cursor内部——别人拿不到。
3/ 训自家模型已成行业共识
Decagon、Abridge、OpenEvidence、Hippocratic、Cognition、Lovable、Harvey、Gamma全在自训。
任何做长程agent的公司，都在离开frontier API。
4/ Sutton的bitter lesson不适用了
预训练scale赢，前提是目标固定。
但“这个医生的病历该怎么写“是移动靶——只有RL against真实结果才能逼近，而结果只在产品里。
5/ 专用模型的经济账已经赢了
同样capability预算下，专用OS模型在in-distribution agentic任务上追平甚至超过frontier。
任务越长、工具调用越多，差距越大，单位经济学好近一个数量级。
6/ 大厂追不上，是组织问题
一，frontier lab是“一个模型服务所有人“的结构 二，专用化要求“多个模型对应分段客户“ 三，OpenAI刚把fine-tuning API废了，承认这不是主业
7/ 护城河变了
软件成本崩塌后，唯一活下来的壁垒是别人看不见的训练信号。
每次用户交互产生数据，每次训练产生更好模型，飞轮转在产品里——大厂在飞轮外面。
以上就是全部，原作者 @oneill_c
如果您喜欢这个主题：
1.关注我（@FinanceYF5） 2. 点赞+转发下面第一条帖子
GenAI Summit SF 2026：湾区数万人大会！
Will粉丝专属购票链接（可享受15%优惠）： 专属Code：WILL 专属链接： Luma：https://luma.com/genaisummit26?coupon=WILL… Eventbrite：http://eventbrite.com/e/1985545163032/?discount=WILL…
https://x.com/FinanceYF5/status/2054120536675057736…
有趣的互动科学应用创意｜第 4 部分
有人做了一个涡扇喷气发动机气流模拟器
UI 设计 GPT Images 2
代码 Gemini 3.1 Pro
更多演示 ↓
相似文章
@FinanceYF5: This AI is powerful. LingBot-Map can convert real-time video streams into real-time 3D reconstruction. 20 FPS code + model
LingBot-Map is an AI model that can convert real-time video streams into real-time 3D reconstruction, running at 20 FPS with complete code and models provided.
@FinanceYF5: AI 以前更多被用来写代码，现在开始系统性守代码。 OpenAI 推出 Daybreak，面向网络防御团队，把模型、Codex 和安全生态结合起来，帮助持续发现、修复、加固软件。 这是迈向未来的一步：让安全团队能够以防御所需的速度行动。
OpenAI 推出了名为 Daybreak 的新产品，旨在通过结合模型、Codex 和安全生态，帮助网络防御团队持续发现、修复和加固软件。
@berryxia: 兄弟们，我后背没有发凉。 但，我看到这个模型架构后高兴不已！ 大家还在疯狂堆参数、卷通用大模型的时候，Interfaze直接用一个全新混合架构。 把OCR、视觉、STT、结构化输出这些确定性任务的准确率干到了吊打Gemini-3-Flas…
Interfaze introduces a new hybrid AI model architecture combining DNN/CNN encoders with transformers to achieve superior accuracy and cost-efficiency for deterministic tasks like OCR, vision, and STT compared to generalist models.
@oneill_c: https://x.com/oneill_c/status/2054604986269802579
文章指出，严肃的AI公司正从封装通用模型转向使用专有交互数据训练自己的专业化模型，因为在分布内智能体任务中，专业化现在经常能匹配甚至超越前沿模型，从而推动更好的单位经济效益。
@dotey: https://x.com/dotey/status/2055307775417139447
AI行业出现新岗位Forward Deployed Engineer（FDE），主要负责驻场客户公司编写代码并整合AI系统。OpenAI、Anthropic和Google分别通过独立公司或内部招聘方式大力招募FDE，标志着AI公司从卖模型转向卖落地。