标签
Revolut 将约 2,000 名工程师迁移至自托管的 GLM 模型进行编程，停用 Claude Code 和 Codex，仅保留例外使用权限——这些模型运行在 56 块英伟达 B200 GPU 上，每百万 token 的综合成本为 0.30 美元（约为此前 Anthropic/OpenAI 支出的十分之一），工程交付周期缩短了 70%。
Framer 的 Harness 2 通过在 JavaScript 流式生成的同时执行代码，升级了智能体的代码执行能力，将成本降低高达 33%，执行速度提升 20%，同时显著减少工具调用步骤和缓存 token 用量。
EvalShift 的创始人分享了一个模型替换案例：成本降低了 59%，延迟缩短了 75%，但智能体行为退化问题，例如虚假报告工具调用已完成，以及工具选择存在 25% 的差异，仍会阻碍上线。他认为，仅凭成本和延迟指标无法确认迁移是否达标。
《麻省理工科技评论》认为，团队应以每个已合并拉取请求的成本，而非每个词元的支出，来衡量 AI 开发成本，并建议采用模型路由和自有的开放权重模型算力，以遏制智能体编程不断攀升的成本。
新分析指出，最便宜的 LLM 并不总是完成任务的最便宜方式：在会话中途切换模型可能因丢失上下文缓存而抵消成本节省，智能路由应优化整个工作流而非仅看模型价格。
Propasafe-Hybrid 是一个句子级的混合式宣传检测系统，将微调的 Transformer 分类器与大语言模型（LLM）宣传技术分类相结合，并通过成本感知的预过滤阶段减少词元消耗，同时提供可解释的标注和理由。
作者分享如何用一台12年前的办公PC运行本地脚本（IMAP邮件轮询、Tesseract OCR、Piper TTS），把Telegram机器人例行任务从昂贵的LLM API调用转为零token的本地处理，显著降低成本。
《麻省理工科技评论》探讨了 AI 推理中被忽视的数据存储成本，指出一段仅 8 秒的 AI 生成视频就可能留下 500MB 的后端数据（是用户可见文件大小的 130 倍），并援引 IDC 和麦肯锡的预测称，到 2030 年，推理需求将以 35% 的复合年增长率增长。
作者探讨构建研究型 AI 智能体时的两种架构选择：直接调用一体化深度研究 API（Gemini Deep Research、OpenAI、Tavily Research 等），或基于搜索/抓取原语（Firecrawl、Exa、Tavily）自建规划与合成循环，并就质量、可观测性、扩展性与成本估算向生产环境实践者提问。
作者导出10小时Grok Bot使用数据发现89%消耗来自后台子任务、96%输入token用于重读旧上下文，并总结出5条规则，预计可节省25-30%的用量。
BotsCrew 公布了 GPT-5.6 Luna 与 GPT-5.2 的基准测试对比结果。此次测试在 OpenAI 于 1 月 14 日停用 GPT-4o 和 GPT-4.1 之前进行，结果发现，价格更低的 Luna 模型在成本方面占优，但在大量使用工具的长对话和安全防护方面表现较差。
作者分享了一篇 Towards Data Science 文章，介绍如何将成本、质量和延迟整合为单一的凸函数评分，用于评估 AI 智能体——把业务约束转化为数学公式，从而指导智能体优化，而非依赖临时性的提示词调优。
一位实践者对三个并行研究智能体进行了成本基准测试，它们共享页面摘要记忆并使用前缀缓存，结果发现几乎没有节省（1.11美元 vs 1.09美元），因为并发启动导致记忆召回为空、前缀缓存未命中，且摘要增加了输出 token 的开销。
MiniMax 发布 M3.1 Flash 模型，速度提升 3 倍、成本降低 70%，专为智能体（agents）场景优化。
研究发现安全漏洞挖掘AI代理60.4%的token用于理解代码与推理触发方式，并提出AVRI工具复用代码关系知识，在Codex和OpenCode上分别降低18.0%和23.7%成本且不损失成功率。
本文提出 TokenEconomizer，一个经验驱动的外部控制器，通过注入微技能、裁剪无关工具以及中断失败循环来降低编码智能体的 token 成本。在 Claude Code、Codex 和 GitHub Copilot CLI 上，该方法在任务成功率相当的情况下实现了 18.4%–30.9% 的成本节省。
该论文提出一种基于约束上下文老虎机的个性化 LLM 路由框架，通过 primal-dual GLM-UCB 算法在线学习用户偏好，在最小化推理成本的同时以高概率保证响应质量满意度。
一篇博客文章系统分析了决策模型（如 Jev）的经济学，探讨其 choice/score/noul 输出类型、几乎免费的输出 token 成本，以及由此衍生的"决策层级"内存层级类比。
一个免费的浏览器端 LLM 成本计算器，让你对比本地 GPU 推理（内置 RTX 4070 Ti Super / 5090 预设）与云端 API 定价，指出缓存输入 token 的费率——这是其他计算器经常靠猜的数字——最能决定本地与云端的交叉点落在哪里。
推文讨论用开源的 MiniCPM-V 4.7 在自有硬件上做图像理解，避免每次上传图片都调用付费视觉 API 产生持续云成本，并介绍如何将其集成到 agent 工作流中。