Hall of Fame
Hall of Fame
Track
Type
Source
9月21日
今日趋势综述
模型能力见顶、价格反而上涨（GPT-6 Astra 涨价 2.5 倍却只是并列第一），真正的价值正加速流向『把便宜能力接进具体工作流』的一侧——从企业级编码 agent（Factory 5 个月估值翻三倍到 50 亿美元）到垂类现金流（牙科 AI 语音前台白标转售），个人的机会是学会评估、组装并交付这些能力，而不是追最强模型。
今天的信号：旗舰越来越贵，钱却越来越往『会组装的人』手里流
把今天几条线索连起来，会看到一个越来越清晰的分叉。一边是前沿模型：GPT-6 Astra 把 token 价格一口气抬到 GPT-5.6 Sol 的 2.5 倍（$10/$50），换来的却只是在 Artificial Analysis 智力指数上和 Claude Fable 5.1 并列第一——能力已经见顶，涨的是价。另一边，是把这些能力接进真实业务的人在闷声赚钱：Factory 靠企业级编码 Droid 五个月估值翻三倍到 50 亿美元，客户是 Nvidia、Blackstone、RBC；牙科诊所的 AI 语音前台被做成白标转售的生意，20 万家诊所、每家每年因漏接电话损失数万美元的缺口，正被按 $0.05/分钟的用量定价一点点填上。
中间还有一条容易被忽略的暗线：能力过剩之后，『质量』和『可评估性』成了新的稀缺。obra/superpowers 这类把开发方法论固化成技能库的项目冲到 28 万星，Graphify 把代码库变成可查询知识图谱、也做成了跨 agent 的技能——它们卖的都不是模型，而是『怎么让模型把活干对』的工程范式。学术界同步给出量尺：SkillsBench 这类基准专门测『一个技能到底有没有改变 agent 的行为』，回应了公开技能库 190 万个、平均质量却只有 6.2/12 的行业尴尬。
对个人，今天的行动方向很具体：第一，别再为『榜首』多掏钱，学会看『每完成一个任务多少钱』来分层调度模型；第二，选一个你熟的垂直场景（诊所、教培、门店），把现成的便宜能力 + 现成的技能组装成能收月费的服务，交付本身就是护城河；第三，AI 教育今天的数据（Khanmigo 用户一年从 4 万涨到 70 万，但只有 15% 的人真的在用）提醒我们——能力落地的瓶颈从来不是技术，而是让人真正用起来的那『最后一公里』，谁能补上，谁就吃到红利。
今日新增 6
#02
artificialanalysis.ai
Article
NEW
GPT-6 Astra 涨价 2.5 倍却只是并列第一：智力指数打平 Fable 5.1，选型该看『每任务成本』而不是 token 单价
OpenAI 9 月 3 日发布的 GPT-6 Astra（max），在 Artificial Analysis 智力指数上拿到 53 分，与 Claude Fable 5.1（max）并列第一（行业中位数只有 24）。但代价是价格一口气涨到 GPT-5.6 Sol 的 2.5 倍——输入 $10、输出 $50 每百万 token（前代是 $4/$20）。有意思的是：因为 Astra 输出更简洁（59 tokens/s、话少），在『每完成一个任务的实际花费』上，它反而只有 Fable 5.1 的约 40%。在编码场景，Terminal-Bench 4.0 上 GPT-6 Astra（Codex 里）58.2 分，和 Claude Fable 5.1（Claude Code 里）57.9 分几乎贴脸。结论：前沿模型的能力已经见顶到『并列第一』，token 单价却在涨，唯一能救你账单的指标是『每任务成本』。
另有 1 家信源报道
展开详情
- **对比（智力打平）**：GPT-6 Astra（max）53 vs Claude Fable 5.1（max）53，并列第一，行业中位数仅 24（Artificial Analysis 智力指数）
- **对比（单价却翻倍）**：Astra 输入/输出 $10/$50 vs 前代 GPT-5.6 Sol $4/$20，涨价 2.5 倍；编码上 Terminal-Bench 4.0：Astra 58.2 vs Fable 5.1 57.9，几乎无差
- **反直觉**：因 Astra 输出更简洁，其『每任务实际成本』约为 Fable 5.1 的 40%——token 单价高 ≠ 干完一件事更贵
推荐理由：这条评测给普通人两个可执行动作：一是彻底戒掉『买最贵就是买最好』的心智——旗舰之间已经在 1 分内贴脸，为『榜首』多掏钱基本是交智商税；二是学会算『每任务成本』这笔真账：token 单价高的模型如果话少、一次做对，实际可能更便宜。把这套『分数÷每任务成本』的选型能力练成肌肉记忆，一个人的 AI 账单能差出好几倍，这本身就是 2026 年能直接省钱变现的硬技能。
#03
minssam.com
Article
NEW
AI 教育落地实测：Khanmigo 用户一年 4 万→70 万（17 倍），但只有 15% 真的在用——瓶颈从来不是模型
教育是今年 AI 落地『理想与现实差距』最明显的行业。规模侧：Khan Academy 的 Khanmigo 用户一年从 4 万涨到 70 万（17 倍），合作学区从 45 个扩到 380+。效果侧则分两层：试点数据很漂亮——学生数学平均提升 1.4 个年级水平，每周用满 30 分钟约等于多上 2–3 周课；Squirrel AI 用满 6 个月平均提升 1.2 个年级、某些数学知识点学习速度快 5.4 倍。但一项两年随机对照实验给出更冷静的数字：Khanmigo 每学期只把数学成绩拉高约 1.26 个百分位。最扎心的是采用率——有权限的学生里只有 15% 真的在用，Khan Academy 为此定了 2026 夏季重做产品。
另有 2 家信源报道
展开详情
- **规模对比**：Khanmigo 用户 4 万→70 万（17 倍/年）、学区 45→380+；Duolingo 一年服务 70 万学生、148 门课
- **效果对比（试点 vs 严谨 RCT）**：试点提升 1.4 个年级、Squirrel AI 1.2 个年级/学速 5.4 倍；但两年随机对照实验只测出每学期 +1.26 个百分位
- **真瓶颈**：有权限的学生只有 15% 实际使用——落地卡在『让人真用起来』的最后一公里，不是模型能力
推荐理由：教育这条曲线给普通人的信号很直接：AI 产品的胜负手已经不在模型强弱，而在『把人真正带上车』的那一环——引导、习惯养成、和现有流程的嵌合。如果你想在 AI 时代做点事，与其卷模型，不如去补『采用率』这块短板：做家长/老师看得懂的使用陪跑、把 AI 工具接进学校/机构已有的教学流程、用运营手段把 15% 的使用率拉到 50%。谁能把『有权限但不用』变成『天天在用』，谁就拿到了这个万亿市场里最稀缺的能力。
#04
factory.com
Product
NEW
Factory：企业级编码 Droid 五个月估值翻三倍到 50 亿美元，客户全是 Nvidia、Blackstone 这类大厂
Factory 9 月 15 日宣布完成 2 亿美元新一轮融资，估值 50 亿美元——从 4 月的 15 亿（Series C）到 7 月约 40 亿，再到现在 50 亿，五个月翻了三倍多，总融资已超 4 亿美元，投资方包括 Blackstone、Khosla、Sequoia，天使里还有 Salesforce CEO Benioff。产品是一套企业平台，让叫作『Droid』的自主 agent 端到端接管软件开发生命周期。真正的护城河是客户名单：Nvidia、Blackstone、加拿大皇家银行（RBC）、Palo Alto Networks、Adobe、T-Mobile——这些大厂在用它搭『可控、可信、可衡量的自我改进软件工厂』。它和昨天 GitHub 多模型编排、前几天 Cursor/Codex 的故事连起来看，说明企业级编码 agent 的军备竞赛已经从『能不能写代码』打到『能不能被大企业信任地大规模部署』。
另有 2 家信源报道
展开详情
- **增长信号**：估值 5 个月从 15 亿→40 亿→50 亿美元，翻三倍；本轮 2 亿美元，总融资超 4 亿
- **客户即护城河**：Nvidia、Blackstone、RBC、Palo Alto Networks、Adobe、T-Mobile 已在生产环境用 Droid
- **赛道转向**：竞争焦点从『agent 会不会写代码』转到『大企业敢不敢把 SDLC 交给它、能不能衡量与管控』
推荐理由：Factory 的估值曲线告诉普通人：企业级 AI 落地的钱，正砸向『可信、可衡量、可管控』这几个词，而不是模型本身。机会不在于你能不能造一个更强的 Droid，而在于你能不能成为帮企业『把 agent 安全接进现有开发流程、建立评估与管控体系』的那个人——这正是 FDE（前向部署工程师）和 AI 交付顾问溢价最高的活。盯住大厂在买什么，把自己训练成『交付与治理』的专家，比追新模型更接近钱。
商机信号（加速）：谁付钱：Nvidia、RBC、Adobe、T-Mobile 等大型企业的工程团队，愿为『可控可衡量的自主编码 agent』付企业级合同 痛点：企业想让 agent 接管开发生命周期，但缺少让它安全落地、可审计、可衡量 ROI 的部署与治理能力 切入点：个人/小团队切入点：不做平台，做『企业编码 agent 的落地与治理顾问』——帮客户搭评估基准、权限护栏、成效度量，按项目 + 月度维护收费
#05
trillet.ai
Article
直接可用
NEW
牙科诊所 AI 语音前台正在被『白标转售』：20 万家诊所、每家每年漏接电话损失数万美元的现金流缺口
牙科诊所的 AI 语音前台在 2026 年已经跑通成熟：它像真人接线员一样 24/7 接电话、直接在诊所管理系统（Dentrix、Open Dental 等）里预约/改约、回答保险与治疗问题、分诊急诊、做召回电话，多语言、HIPAA 合规。真正的现金流机会不在『做一个语音 agent』（这块已有 CloudTalk、Adit（服务 5000+ 家诊所）、LuMay（$0.05/分钟、亚 500ms 延迟）等成熟产品），而在『白标转售 + 本地交付』：全美 20 万+ 执业牙医，多为单店或小型连锁，每家每年因漏接电话损失数万美元产值（漏接的多是新患者的预约请求）。Trillet 这类平台已经明确开放给代理商做白标转售——个人不用造技术，只要拿现成产品去帮本地诊所装好、调好、跑起来，就能吃到这块预算。
另有 2 家信源报道
展开详情
- **痛点有价**：全美 20 万+ 牙医，每家每年因漏接电话损失数万美元产值，且漏的多是新患者——ROI 一算就通
- **技术已现成**：CloudTalk、Adit（5000+ 诊所）、LuMay（$0.05/分钟、<500ms、原生对接 Dentrix/Open Dental）等可直接用，无需自研
- **个人切口**：Trillet 等平台开放白标转售，个人做『本地诊所语音前台代装代运营』，按月收订阅 + 安装费
推荐理由：对想挣现金流的普通人，这是一个『不用懂 AI 也能做』的典型样板：技术、合规、对接都被平台做完了，剩下的是最土也最赚钱的活——找到本地诊所、用『你每月漏掉 X 个新患者 = 损失 X 元』的账说服老板、把现成产品装好调好收月费。这种『垂类 + 本地 + 白标转售』的模式可复制到牙科之外的任何高客单、怕漏客的小微服务业（医美、律所、房产、维修）。护城河不是技术，是你对某个行业的了解和本地信任。
My Take：评分（5=最优）：最快成交 4 / 最低成本 4 / 可复制 5 / 风险安全度 4。用现成白标产品做本地诊所语音前台代装代运营，是当下门槛最低、可复制性最强的 AI 现金流样板之一。
商机信号（加速）：谁付钱：全美 20 万+ 单店/小型连锁牙科诊所的老板，愿为『不再漏接新患者电话』付月费 痛点：前台忙不过来、下班无人接听，漏接的新患者预约每年造成数万美元产值流失 切入点：个人切入点：拿 Trillet/LuMay 等平台的白标授权，做本地诊所语音前台的代装+调优+代运营，按月订阅（含安装费）收费，先跑通一家再复制到同城同行
#06
arXiv
Paper
NEW
A Framework for Evaluating Agentic Skills at Scale（SkillsBench：怎么测一个技能到底有没有改变 agent 的行为）
当人人都在写 agent 技能（skills），一个尖锐的问题浮出水面：你加的这个技能，到底有没有真的改变 agent 的行为、把活干得更好？这篇论文提出的 SkillsBench，是目前少见的、专门为『技能有效性』设计的公开基准——它把少量技能和一批手写任务配对，用单元测试来判分，直接测量『装了这个技能 vs 没装』的行为差异，而不是笼统看输出好不好。配套的一批 2026 工作（SkillAxe 的评估引导自我精炼、Skill 路由与检索基准等）共同指向一个新方向：技能生态从『比谁写得多』转向『比谁能证明有用』。
回应了『公开技能库 190 万个、平均质量却只有 6.2/12』的行业尴尬——给出了可复现的『技能是否真的有用』的量尺。
展开详情
- **测行为而非输出**：SkillsBench 用手写任务 + 单元测试，直接量化『装了技能 vs 没装』的 agent 行为差异
- **回应行业痛点**：公开技能库已达 190 万个但平均质量仅 6.2/12，缺的正是这种可复现的『有用性』量尺
- **方向转变**：配合 SkillAxe(自我精炼)、技能路由/检索基准，技能生态从『比数量』转向『比可证明的有效性』
推荐理由：对想在 skills 生态里做事的人，这篇论文其实是一张藏宝图：它告诉你未来值钱的不是『又写了一百个技能』，而是『能证明我的技能真的有用』。行动上——写技能时就配上可跑的评测任务和单元测试，把『装了它准确率/成功率提升多少』做成硬数据；在鱼龙混杂的技能市场里，能拿出评测证据的技能作者会天然胜出。学会用 SkillsBench 这类方法给自己的技能打分，就是给自己的作品盖上『可信』的章。
#08
Product Hunt
Product
NEW
OpenAI 在 ChatGPT Work 里上线 Data agent：连上数据源就能问答、自动生成交互式仪表盘
OpenAI 9 月 9 日在 ChatGPT Work 里上线 Data agent：企业接上自己的数据源后，可以直接用自然语言提问、让它做分析、并自动生成交互式仪表盘——本质是把『取数 + 分析 + 可视化 + 报表』这套原本要数据分析师/BI 工程师干的活，压进一个对话框。它和同期 OpenAI 的一系列 agent 化动作（GPT-6 Astra 主打端到端多步工作）一脉相承：OpenAI 正把 ChatGPT 从『问答工具』推向『能替你把一整类白领工作干完的 agent』。
另有 1 家信源报道
展开详情
- **一句话出报表**：连上数据源→自然语言提问→自动分析→生成交互式仪表盘，压缩掉取数-分析-可视化全链路
- **冲击对象明确**：初/中级数据分析、BI 报表这类『结构化取数+出图』岗位首当其冲
- **方向一致**：与 GPT-6 Astra 的端到端多步能力呼应，ChatGPT 正从问答工具变成『替你干完一类活』的 agent
推荐理由：Data agent 把一个残酷但有用的信号摆到桌面上：『会用 SQL 取数 + 拉个仪表盘』正在迅速贬值。与其焦虑，不如顺势升级——把自己从『做图表的人』变成『问对问题、并对结论负责的人』：Data agent 能出图，但看不出这个数字异常背后是业务问题还是数据脏了、也不会替你向老板解释该怎么决策。数据分析师的价值正从『操作』上移到『提问、质疑、归因和讲故事』。现在就用它替自己干掉重复取数的活，把省下的时间投到业务理解上，你就是被 AI 放大的那一方，而不是被替代的那一方。
仍在热榜 2
Repo
obra/superpowers
在榜 6d
把『怎么让编码 agent 把活干对』固化成一整套可自动激活的技能库 + 开发方法论，跨 Claude Code、Cur…
Skills · 编程开发
Repo
Graphify-Labs/graphify
在榜 2d
把整个代码库（含文档、SQL schema、配置、PDF）在本地解析成可查询的知识图谱，让 AI 编码助手真正『看懂』项…
DevTools