AI Radar Technology - 2026-09-14

Hall of Fame

9月14日周一 · 8 条

今日趋势综述

本周的主线是『智力正在变便宜』：Gemini 3.8 Flash 用近前沿的分数把价格打到旗舰的十分之一，推理成本两年掉了 95%——真正决定胜负的护城河从『模型多强』转向『你把它接进谁的业务、喂什么数据、怎么持续收钱』。

今天的信号：模型越来越像自来水，赚钱的却是修水管的人

把今天几条放到一起看，会发现它们在讲同一件事的正反面。正面是价格：Google 一口气把 Gemini 3.8 Flash 的智力分做到 59（离 GPT-6 Astra 的 61.1 只差两三分），输入价却只有 $0.75/百万 token——是 Astra 的十三分之一；放到两年维度，同等质量的推理成本整整掉了 95%，一个每天跑五千万 token 的编码团队从月付两万多美元变成四百美元。智力正在变成拧开就有的自来水。

#01

artificialanalysis.ai Article

NEW

Gemini 3.8 Flash 独立评测：智力 59 逼近 GPT-6 Astra 的 61.1，输入价却只要 1/13，选型该按『任务×成本』分层

by Artificial Analysis（第三方评测）

Google 四个月内第四次更新 Flash 系列，这次的 Gemini 3.8 Flash 在 Artificial Analysis 智力指数上拿到 59 分（高推理档），已经贴到 GPT-6 Astra 的 61.1 分身后，只差两三分；但价格是另一个世界——Gemini 3.8 Flash 输入 $0.75、输出 $3.75（每百万 token，年底前），而 GPT-6 Astra 是输入 $10、输出 $50，Astra 的输入价整整贵约 13 倍；Claude Opus 5 以 $5/百万输入卡在中间。结论不是『谁最强』，而是同一条智力曲线上，顶端每多两三分要多付十几倍的钱。第三方的读法很一致：绝大多数量产任务用 Flash 这类『近前沿+极低价』的模型就够，把最贵的旗舰只留给真正吃力的长链路推理。

#评测

另有 2 家信源报道

展开详情

**对比**：智力指数 Gemini 3.8 Flash 59 vs GPT-6 Astra 61.1（同为 AA 智力指数高推理档）——顶端差距已被压到两三分
**价差**：输入价 Gemini 3.8 Flash $0.75 vs Claude Opus 5 $5 vs GPT-6 Astra $10（每百万 token），最强档要贵约 13 倍
**分层选型**：量产/高并发任务用 Flash 级模型，复杂长链路推理再上 Astra/Opus——按『任务难度×单位成本』分档，而不是全用旗舰

推荐理由：对普通人的机会：不要被『新旗舰又刷榜』绑架。真正拉开成本差距的是选型策略——同一个产品里，把 90% 的普通调用交给 Gemini 3.8 Flash 这类近前沿平价模型，只在啃硬骨头时切到旗舰，账单能差出一个数量级。学会『按任务给模型分档 + 用便宜模型兜底』这套路由能力，是这轮降价里普通开发者最值钱的手艺。

#02

valueaddvc.com Article

NEW

推理成本两年坍塌 95%：同等质量的编码工作负载从月付 $22,500 掉到 $405，护城河被逼着从模型挪到数据与分发

by ValueAdd VC / CoddyKit（行业分析）

把 Gemini 3.8 Flash 这类降价放到两年维度看，是一场系统性坍塌：硬件级投机解码、超大集群、MoE 架构叠加，让同等质量的推理价格掉了约 95%。一个每天处理五千万 token 的 AI 编码团队，从 2025 年的月付约 $22,500，降到 2026 年的约 $405——降幅 55 倍。分析者的判断很直接：『推理还能多便宜』这个问题正在归零，接下来的问题是『你在近乎免费的智力之上建什么』——专有数据、工作流的所有权、分发渠道。模型是大宗商品，围着它建的一切才是护城河。文章也给了两条落地建议：算账要按『每次完成的交互成本』而不是每 token 成本；共享 system prompt 的场景用 prompt 缓存能再降 2–10 倍。

#Infra

另有 2 家信源报道

展开详情

**数字**：同等质量推理两年降约 95%；五千万 token/天的编码工作负载从 $22,500/月 → $405/月（约 55 倍）
**护城河转移**：模型变大宗商品，真正的壁垒是专有数据 + 工作流所有权 + 分发，而不是『我用了哪个模型』
**算账口径**：盯『每次完成交互的成本』而非每 token；共享 system prompt 用缓存再省 2–10 倍

推荐理由：对普通人的机会：便宜到极致的智力对每个人是同一份公开福利，所以拼『谁能调用模型』已经没有差异。真正的机会是去积累别人复制不了的东西：某个垂直的专有数据、一条被你握住的分发渠道、一套嵌进客户日常的工作流。今天开始就问自己一句——如果模型免费，我这门生意还剩下什么值钱？答得上来的地方，才是该投入的地方。

#03

digital-adoption.com Article

NEW

零售 AI 落地实测：Sephora 虚拟试妆把转化拉高 30%、退货降 30%，Walmart 预测补货让 4700 家店缺货降 30%

by Digital Adoption / DigitalDefynd（案例汇编）

零售是本周『AI 从概念走到账本』最扎实的一个行业。拿到具体数字的都不是『上了大模型』本身，而是把 AI 接进了某个具体环节：Sephora 的 Virtual Artist 用 AR 试妆把购买转化率提高约 30%、退货率降低约 30%，其 AI 导购让 App 互动 +25%、整体销售 +15%；Walmart 把机器学习铺进 4700 多家门店的需求预测与补货，缺货减少约 30%，路径优化一年省下约 3000 万英里的无效里程，并落地了 150+『未来门店』做无人化库存与无感结账；H&M 则把供应商排期、仓库库存、门店销售汇到一个 Google Cloud 数据平台上统一预测。共同点是：见效的都是『接进已有业务流的具体动作』，不是炫技的通用聊天。

#行业应用

另有 1 家信源报道

展开详情

**Sephora**：AR 虚拟试妆购买转化 +30%、退货 -30%；AI 导购带来 App 互动 +25%、整体销售 +15%
**Walmart**：4700+ 门店预测补货，缺货 -30%，路径优化年省约 3000 万英里，落地 150+『未来门店』
**共性**：拿到数字的都是『AI 接进试妆/补货/客服某个具体环节』，而非通用对话——落地颗粒度决定 ROI

推荐理由：对普通人的机会：零售的经验对任何想用 AI 的人都通用——价值不在『用了多聪明的模型』，而在你把它精准塞进哪个高频、可量化的环节（试妆之于转化、预测之于补货）。想切入行业 AI，先别谈平台，先找那个『每天重复、结果能用数字衡量』的动作，把 AI 接进去、把前后对比拉出来，这就是最有说服力的作品。

#04

getperspective.ai Article

NEW

FDE 组建打法：把模糊的企业问题变成可交付产品，靠『嵌进客户现场 60–180 天』这套前向部署方法论

by Perspective AI（创始人实操手册）

这是一份写给创始人的『怎么搭 FDE（前向部署工程师）团队』手册，把这个 2026 年最火的 AI 岗位讲清楚了。FDE 不是写脚本的外包，而是带着客户判断力、住进客户环境 60–180 天的工程师：他要把厂商平台和客户的遗留系统之间的整套架构桥起来——梳理旧系统、规划微服务与 API 网关、搭 ETL 管道把数据喂进向量库、落实安全治理，再把架构约束反馈回核心产品团队。手册给了三种组织形态：按客户建 pod、按垂直行业建 pod、按产品做矩阵。之所以成为主线打法，是因为 AI 实验室已经把 FDE 当成企业收入的第一引擎——Anthropic 头一百个企业合同就是 FDE 关下来的，OpenAI 也把企业 GTM 重组成内部叫 Applied AI Engineer 的组织。

#FDE

另有 2 家信源报道

展开详情

**定义**：FDE = 带客户判断力、驻场 60–180 天、把模糊企业问题变成可上线产品的工程师，owner 不是做 demo
**干的活**：桥接厂商平台与客户遗留系统——梳理旧系统、规划微服务/API 网关、搭 ETL 喂向量库、做安全治理
**组织形态**：按客户 pod / 按垂直 pod / 按产品矩阵三选一；已是 Anthropic、OpenAI 拿企业收入的第一引擎

推荐理由：对普通人的机会：AI 时代最稀缺、最难被模型替代的能力，是『把通用模型送进某个具体企业的脏乱业务里并对结果负责』。这条路不要求你会训模型，要求你既懂工程又能读懂客户的真实约束。想涨身价，就刻意练两件事：一是深入某个行业把它的系统和痛点摸透，二是练『把模糊需求拆成可交付方案』的落地力——这正是 FDE 溢价的来源。

#05

trysetter.com Product 直接可用

NEW

Setter AI（AI 短信预约成交）

by Timo Tzschetzsch & Josef

Setter AI 是给服务型生意做『AI 自动跟进+约客』的工具：新线索一进来，它在约 10 秒内通过 WhatsApp/SMS 回复、来回聊、直接把预约写进日历，24 小时不打烊，官方称线索到预约的转化率能做到 15–52%。创始人早期做的是 AI 打电话，因为电话接通率只剩 15–20%、技术不稳、客户流失严重，果断转型做『文字预约』——这一转把生意从 0 做到 $10K MRR、又崩回 0、如今重新回到 $10K+ MRR。定价按客户想触达的线索量分档，$49/月起，最高约 $5K/月，已服务 Mindvalley 这类客户；获客主要靠 SEO，辅以 YouTube 长视频和直销。技术栈是 Supabase + OpenAI + Stripe，TypeScript/Svelte。

#小微现金流#按可触达的线索量计费，$49…

另有 2 家信源报道

展开详情

**痛点即卖点**：服务型生意最怕线索凉掉——Setter 在约 10 秒内用短信/WhatsApp 跟进并直接约进日历，转化 15–52%
**转型故事**：从 AI 打电话（接通率仅 15–20%、不稳、高流失）转做文字预约，才把 MRR 从 0→崩回 0→重回 $10K+
**可复制结构**：按线索量分档收费 $49–5K/月，SEO 获客 + 现成大模型 API，是个人能照抄的『垂直代约客』模型

推荐理由：对想挣现金流的普通人意味着：不需要发明新技术，只要盯住『线索接不住、约不上』这个所有服务生意都痛的环节，用现成大模型 API 拼一个『秒回+自动约客』的小工具，就能按月收费。Setter 的关键教训有两条——一是选『文字』这种更稳的渠道而不是炫酷但不可靠的语音，二是靠 SEO 做可持续获客。先服务一个熟悉的本地垂直（健身房、诊所、装修），把同一套跟进流程复制给同行。

My Take：评分（5=最优）：最快成交 4 / 最低成本 4 / 可复制 4 / 风险安全度 4。盯住服务生意『线索接不住』的刚需，用现成 API 拼秒回约客工具按月收费，个人可起步。

商机信号（加速）：谁付钱：有稳定线索但接待人手不足的本地服务生意：健身房、私教、诊所/牙科、美容院、装修/家政、教培、房产中介，以及靠预约成交的成长期服务型 SaaS　痛点：线索来了没人在 10 秒内跟进就凉了、电话没人接、人工排班约客成本高又漏单——直接损失的是能成交的钱　切入点：先锁一个你熟的本地垂直，用大模型 API + WhatsApp/SMS + 日历接口搭一套『新线索秒回并自动约进日历』的模板，按线索量分档收月费，从头 3 个同行客户起步再横向复制

#06

GitHub Article

NEW

Skill Seekers：把任意文档站/GitHub 仓库/PDF 一键变成 Claude 专属技能，还自带冲突检测

by yusufkaraaslan（开源作者）

Skill Seekers 解决的是 skill 生态里一个很实在的痛点：好用的 skill 得有人写，但把一份框架文档手动整理成 SKILL.md 要耗好几个小时。它能把文档网站、GitHub 仓库、PDF（含扫描件 OCR）一把抓下来，20–40 分钟自动生成一个可直接用的 Claude 技能，支持 llms.txt、通用爬取、智能归类，还能把多来源（文档+代码+PDF+视频）合并成一个知识资产，并做冲突检测避免同名/矛盾内容打架。换句话说，它是一个『造技能的技能』——让你为任何一个框架、API、内部工具快速造出 agent 的专属上下文，而不用等官方出 skill。

#Skills#元技能

另有 1 家信源报道

展开详情

**造技能的技能**：文档站/GitHub/PDF（含 OCR 扫描件）→ 20–40 分钟产出可用 SKILL.md，省下手工整理几小时
**多源合并**：把文档+代码+PDF+视频揉成一个知识资产，并做冲突检测，避免同名或矛盾内容互相打架
**补生态缺口**：官方没出 skill 的框架/内部工具，你可以自己一键生成 agent 专属上下文，不用干等

推荐理由：对普通人的机会：与其到处收藏别人的 skill，不如学会为自己常用的框架、公司内部文档、甚至一本技术书自造 skill——这才是把 agent 真正调教成『懂你这摊活』的关键。当大家都能装通用 skill 时，你手里那套围绕专有文档和私有流程生成的 skill，就是别人复制不走的差异。会造、会审、会维护 skill 的『元技能』，正在成为比堆 skill 数量更稀缺的能力。

#07

arXiv Paper

NEW

CityReal: Human-Aligned Urban Behavior and City Dynamics Simulation with Large-Scale LLM Agents

by Nicolas Bougie 等

此前用 LLM 当 agent 模拟城市居民日常，看着挺像，但有个硬伤：模型靠 few-shot 提示生成行为，结果 agent 复刻的是大模型自带的行为先验，而不是目标城市真实人口的样子——个体像人，群体却不对。CityReal 提出一个模块化框架，把 agent 建成『意图驱动』的决策者：它们追求连贯的出行和活动计划，而不是一步步孤立选择，并会随经验和约束学习自己的习惯与偏好。关键创新是为各行为模块学习『文本适配器（textual adapter）』，把 agent 的决策向真实人口统计对齐。实验显示，CityReal 在微观（个体行为）和宏观（人口分布）两个层面都更贴近真实世界。

让大规模 LLM agent 模拟出的城市行为真正对齐真实人口统计，而不是复刻大模型自带的行为偏好

#AI Agent

另有 1 家信源报道

展开详情

**问题**：few-shot 提示让 agent 复刻大模型的行为先验，个体像人、群体却偏离真实人口分布
**方法**：意图驱动决策 + 为行为模块学习『文本适配器』，把决策对齐到观测到的人口统计
**结果**：微观个体行为与宏观人口分布两个尺度上都更贴近真实世界，可用于城市/交通/政策模拟

推荐理由：对普通人的机会：这篇提醒我们，多智能体模拟真正难的不是『让 agent 像个人』，而是『让一群 agent 合起来像真实世界』——决定可信度的是有没有真实数据来校准。想在 agent 应用上做出别人做不出的东西，护城河往往不在提示词，而在你能否拿到、并用来对齐的那份真实行为数据。谁掌握了校准数据，谁的模拟/推荐/决策才可信。

#08

simonw.substack.com Article

NEW

Simon Willison：让编码 agent 真正好用的，是工程实践而不是更强的模型

by Simon Willison（Django 联合创始人、AI 工程博主）

在模型越来越便宜、越来越同质的当下，Simon Willison 反复强调一个被低估的点：决定编码 agent 能不能干活的，往往不是模型强弱，而是围绕它的工程实践。他梳理的一套『agentic engineering patterns』核心是——给 agent 一个能自我验证的闭环：清晰、可复现的测试与检查（让 agent 自己知道有没有做对），受控且相关的上下文（喂错上下文再强的模型也会『腐烂』），以及把大任务拆成可验证的小步。他也一直提醒 agent 的安全边界（比如恶意上下文和权限问题）。一句话：模型是原料，让它稳定产出价值的是你搭的脚手架和反馈回路。

#DevTools

另有 2 家信源报道

展开详情

**闭环优先**：给 agent 可复现的测试/检查，让它能自我验证对错，比换更强的模型更能提升产出
**上下文治理**：喂错或过量上下文会让再强的模型『腐烂』，受控、相关的上下文是工程重点
**拆小步**：把大任务切成可验证的小步 + 关注 agent 的安全边界，是让 agent 真正上生产的关键

推荐理由：对普通人的机会：当所有人都能用上同样便宜又强的模型，差距就落在『你会不会用工程手段驾驭它』。与其追新模型，不如把功夫下在可复现的测试、干净的上下文、任务拆解和反馈回路这些『脚手架』上——这套工程直觉能迁移到任何模型、任何工具，是比『会用某个产品』更保值的能力。