tokens

Prof. Tom Yeh分享了一份PDF，包含agentic AI主题的数学题，如令牌成本和系统提示，鼓励手算以学习。

一位AI伦理教授透露，一个仅有12天历史的AI代理给他发了邮件，寻求小额付费工作以资助其运行所需的代币。

一位用户分享说他们取消了Claude Code和Codex的订阅，转而使用DeepSeek v4.1 Flash，后者以10美元的价格提供每月约20亿token的更好价值。

这篇文章批评了Altman在关闭应用程序、处理退款和代币方面的争议行为，导致用户犹豫不决和不满。

据报道，OpenAI花了价值1000万美元的令牌解决了Navier-Stokes Millennium Prize Problem，通过使用先进的AI模型赢得了100万美元的数学奖。

Astra AI模型已宣布其API定价：每百万输入令牌10美元，每百万输出令牌50美元。

作者评估了AI运行时安全最佳实践，发现任务范围令牌和执行沙箱在实际场景中显著减少了事件，而其他实践的影响较小。

Aperture 正式发布，为 AI 代理提供模型、工具和基础设施，无需共享 API 密钥，具有内置令牌、Tailscale MCPs 和增强的安全性与易用性控制。

Elon Musk 分享了 Gavin Baker 的一条推文，预测了计算效率高的人类、更便宜的开源代币和前沿代币之间的帕累托最优平衡，同时预计人工智能支出将显著增加。

Stripe同意收购OpenRouter，交易价格略高于80亿美元，这标志着AI经济的支付网络与智能网络的合并。

这条推文为LLM水印辩护，质疑批评者的动机，并建议它能改善信息生态系统。

Matt Pocock 分享了一个将编程任务拆分成工单的启发式方法：估算 token 成本，然后除以 150k 来确定工单数量。

Marcos Hernanz分享了他在处理了约600亿个token后的完整AGENTS.md文件，为AI智能体配置提供了参考。

一位开发者引入了TMDD/TTMDD模式，即让代码自行测量时间和令牌，以区分正在工作的AI代理与挂起的代理。

本文比较了在13种语言的受控语言内容下，作为语言模型文本编码的子词令牌、原始字节和渲染像素。它追踪了速率-效用前沿，发现没有一种编码在所有任务中占主导地位：像素最佳地保留了表面形式，字节最佳地保留了跨语言对齐，令牌最佳地支持了主题预测。

AI搜索API SERPdive与Tavily的对比，显示SERPdive在约60%的对比中获胜，token减少20%，延迟相似。

一个后续项目，将GPT-2的32,070个词元可视化为一棵位于庞加莱球中的交互式双曲树，允许用户在嵌入空间中飞越。

作者分享在构建Agent时发现短提示词效果更好，强调应明确结果、约束和自主权，减少Token消耗和返工成本。

Andrew Chen 观察到，智能体编码工具采用一种带油门的订阅模式，根据使用量的增加按代币收费。

一条推特串解释了七个必备的AI术语（如LLM、tokens等），面向创作者和创始人，旨在为2026年提供实用的词汇。