第002期-AI的消费主义与token焦虑

机械之手指向夜空烟花

我们应该为ai投入多少钱

看烟花！！！

99刀/月的grok Heavy ，我最终没有买

我也没想到在第一期许的愿
99刀/月的grok Heavy ，我最终没有买
竟然真的实现了，300刀/月打完折一年1000刀。送12个月的200刀/月 cursor Ultra Plan 以及12个月的grok bot。可以说性价比满满的了。昨晚我纠结很久，最后还是放弃了。最近高强度使用cursor发现，还是cli更适合我，ide我用起来很不舒服，而且cursor的grok 4.6是阉割过的，上下文只有256k。
grok bot 也确实有趣，但我还是更想要自己定制一个投研系统，他可以作为参考，但并不会很合适。
我统计了一下，我当前一个月大概消耗4个gpt plus账号，2个SuperGrok 账号的额度是够的。使用clipro，自由度会更高。
cli使用grok build / pi /codex 。4个plus按80一个算，2个SuperGrok 算150。其自由度和可用空间是比cursor+7.5个SuperGrok要高的。cursor的cli太难用了。
在AI快速发展迭代的时代，现在的灰产空间被压缩了，正价套餐的优惠波动很大，像昨晚这样的折扣力度确实不多见。但我不想绑定在老马一条船上，现在ai这么好玩，我还是更希望自由度更高一些。
可惜了，不知道过几个月会不会打自己的脸。啧
99刀/月的grok Heavy ，我最终没有买

99刀/月的grok Heavy ，我最终没有买

从 DeepSeek 官方涨价到 OpenCode Go 套餐涨价

DeepSeek产品观察

看完梁子 5 月的那场电话对谈，我一直有一个困惑：他说的 6 个月回本，是什么价格下的 6 个月？

我花了不少 token 去计算当前大模型厂家和云厂家卖 token 到底赚不赚钱，包括 A 社和 O 社。大概结论是不赚钱，起码当前阶段 C 端不赚钱。

我也比较过 V4 Pro 和 GLM-5.2/5.3。V4 Pro 的参数量是 GLM-5.3 的一倍，激活专家模型大致上一样。凭什么 V4 Pro 比 GLM-5.2 便宜那么多？

OpenCode 当前的价格，我认为才是一个合理的、可以有毛利空间的价格。

现在的早期阶段，真实的情况是大模型厂家和用户都是亏钱的。模型厂家在补贴用户，用户在当前阶段使用的大模型能力，你从 2～3 个月后回看，一定是亏的。

这大概就是人类有趣的地方。供求双方都在投入资源，让 token 无处不在。

从DeepSeek官方涨价到opencode go套餐涨价

也许他没有想吹牛，但事实上他可能吹牛了：Anthropic 的「Mythos 2」

Anthropic要准备上市了。
很多故事会从这些人嘴巴里不断的传出来。
我相信公司内部有很强的大模型没有公布，没有公布的原因大体上
1.成本：太贵了，toB/toC都没法打平盈亏
2.规模：当前模型太大，运营的话服务器硬件支撑不起
3.防止被蒸馏，其本身是作为研发推进的最前沿模型，不可能拿出来售卖
我们要知道，曾经的claude 依靠sonnet就可以打天下，现在的sonnet已经算路边一条了。
现在的opus都会被grok 当小瘪三嘲讽的

一个极度实用的深度思考Prompt，帮你挖出最本质的答案。

拿来鞭笞自己，压榨想法有点用，类似grill-me
先别急着回答，也别默认我已经把问题想清楚。请先对这个问题做一次详细思考的“双向钢人论证”：
1.用最完整、最有力的方式，重述我真正想解决的问题。
2.使用钢人论证法分别给出支持我当前想法、以及反对它的最强论证。
3.找出双方真正的分歧，以及最可能改变结论的关键变量。
4.只问我一个最关键的问题。等我回答后，再给出明确判断、理由和下一步行动。
我的问题是：[粘贴你的问题]

我爱的是“构建”本身，编程只是达成目的的手段。

AI产品观察

Peter Steinberger: "Fun Is Velocity

兴趣导向是开源项目初期的优势
也是其进入稳定期劣势
维护和运营需要的是牛马而不是天才
而驱动牛马的不是兴趣而是萝卜和大棒

OpenAI也许想通过押注亚洲（中国）来实现数据和营收上的突破

产品观察判断

去年下半年到今年上半年欠的债，要用巨额的补贴和羊毛来偿还。
而只有中国市场能支撑这么大的用户体量。
这里要注意，AI能力无限但人的注意力有上限。
GPT和Claude套餐往往是二选一的关系。
虽然从性能和体验上来说GPT已经赶上来了，
但从真实的性价比来说，当前还是Claude Code更高。
这也就意味着，O社在走和A社不一样的路。
A社专注较为单一的欧美市场，而O社更押注全球。
这让我想到晚点和陈冕的那场对话。
O社已经开始打击高并发的20x账号了，也许接下来是拼车的时代。
当前阶段OpenAI对中国人还算友好

字节推广，很克制

字节产品观察ai

已经不是第一次了。字节在推广自己的产品时，推广试用往往存在限制和阉割：比如只有付费才能体验更好的大模型，比如产品功能上的权限缺失。这种不完全的体验试用，往往很难抓到本来就没多大兴趣的羊毛党用户。这在当前的 AI 行业并不常见，大概是因为产品的底层大模型趋同性，应用层的体验差距往往很难拉大，大部分 AI 应用公司都恨不得在试用期把最极致的体验交付给潜在用户。
难以评价哪种策略更好。也许当字节真的做出一款足够强大的产品的时候，其试用才会采用放量的方式。
这种又有钱还比你省的，也许是太有钱了，他好像没其他公司那么焦虑。腾讯我认为就更焦虑。

“你:拼命奔跑，也只能留在原地。”

产品观察AI

“你:拼命奔跑，也只能留在原地。”

牛来了，当 Auto模式成为高频选择的时候，应用的春天就会来。

“你:拼命奔跑，也只能留在原地。”

当前的AI套餐变更太快了，包括OPenAI和XAI这样的大厂也是这样。

买套餐，特别是长效套餐，就是赌的后续模型能力稳定性，这点上连谷歌都翻车了

ai同步配音快点来吧，跨语种视听体验真不算好：《功夫》周星驰导演亲自解说

产品观察工具AI

星爷解说功夫，挺有趣的。
但粤语降低了这种视听体验，时不时的需要去读字幕，没办法专注于内容。
很多美剧，日剧也有同样的问题。
AI配音应该快来了。token足够便宜的时候。这种跨文化的体验应该会大大的增强。

Grok 的性价比比我想的要低，执行任务用 4.5，不需要用 4.6

Grok性价比

最便宜的是 10 刀/月的 X Premium 套餐，周限额是 25 刀，月限额是 100 刀。
30 刀/月的 SuperGrok 套餐，周限额是 75 刀，月限额是 320 刀。

最近还发现用 CliPro，缓存有问题，只有 70% 左右。不知道另外两个项目怎样，等等测测看。

当前可用、性价比最高的套餐是 110 元/6 个月的 X Premium，算下来是 0.19 元/刀。
当前知道的 SuperGrok 最低价格能做到 240 元/3 个月，质保只有 1 个月；质保 3 个月是 280 元。
哪怕按 240 元计算，其也来到 0.2 元/刀。

Grok 4.5/4.6：当前费用是输入 2 美元、输出 6 美元、缓存 0.5 美元。按套餐价格算，分别是 0.4 元、1.2 元、0.1 元。

我还发现在搭配 Sol 执行任务的时候，Grok 4.5 就足够了。用 4.6 更消耗 Token，时间更长，质量不一定会更高。Grok 4.6 这次升级，我个人认为不算成功：虽然模型能力更强了，但功耗也上去了，而且效率还下来了。现在反倒有点期待 Composer 3 了。

Grok 4.5 与 Grok 4.6 性能排行榜与基准评测报告

1. 核心性能基准排行榜对比

评测基准 / 维度	指标类型	Grok 4.5 (High)	Grok 4.6 (High)	GPT-5.6 Sol (Max)	Claude Fable 5 (Max)	维度说明
AA Intelligence Index	评分 (0-100)	56	61	61	62	综合智能与推理能力指数
GDPVal-AA v2	Elo 天梯分	1,526	1,753	1,728	1,741	实际知识工作产出与价值评估
CursorBench v3.2	准确率 (%)	66.7%	69.9%	67.2%	70.5%	IDE 编程辅助与多文件代码重构
DeepSWE 1.1	解决率 (%)	54.0%	65.9%	73.0%	70.0%	复杂真实开源仓库 Issue 自主修复
Terminal-Bench 3.0	任务完成率 (%)	15.7%	26.0%	34.6%	34.1%	CLI/终端复杂多步指令执行
APEX-Agents	成功率 (%)	47.1%	57.5%	56.7%	59.2%	自主 Agent 决策规划与工具调用
AA-Briefcase	Elo 天梯分	1,313	1,577	1,502	1,574	长程多文档研究与综合分析任务
Harvey LABVals	准确率 (%)	12.9%	15.8%	2.5%	11.3%	专业级法律、合规与复杂逻辑审查

2. 关键能力演进与架构解析

2.1 强化后训练带来的跃升

推理与 Agent 规划： Grok 4.6 延续了 Grok 4.5 的基础架构，主要在 SFT（监督微调） 与 RL（强化学习） 策略上进行了深度迭代。在长链路规划任务中，模型有效降低了自我幻觉与死循环调用率。
专业垂直领域： 在法律/合规审查基准 Harvey LABVals 中录得 15.8%，对复杂条款的逻辑严谨性表现优异。

2.2 编程与工程开发实测

IDE 辅助： 在 CursorBench v3.2 上达 69.9%，相比 4.5 提升 3.2 个百分点，多步代码补全和上下文理解流畅度提升明显。
自主软件工程： 在 DeepSWE 1.1 上相比 4.5 提升了近 12 个百分点（54.0% → 65.9%），但在超长链路的终端环境部署与环境排错中，距离第一梯队（GPT-5.6 Sol）仍有提升空间。

3. 规格参数与部署性价比

维度	Grok 4.5	Grok 4.6	竞品参考 (GPT-5.6 Sol)
上下文窗口	500K tokens	500K tokens	500K tokens
输入价格	$2.00 / 1M tokens	$2.00 / 1M tokens	$6.00 / 1M tokens
输出价格	$6.00 / 1M tokens	$6.00 / 1M tokens	$18.00 / 1M tokens
适用场景	日常对话、通用生成	长程 Agent、代码工程、专业知识挖掘	极端复杂长链路 Agent、全自主运维

而且 Grok 会降智，有很多用户反映其降智的问题。估计是用来量化的版本去滥竽充数。

Grok 的性价比，比我想的要低，执行任务用 4.5，不需要用 4.6

哈，不支持sub2api了。这是准备为后续的封号做铺垫么？

sub2api的用户场景还是中转吧。
之前他说鼓励大家用clipro把codex反代到claude code上去用。
感觉不容易的。怎么区分是clipro还是sub2api呢？
还有拼车怎么算？

第002期-AI的消费主义与token焦虑 ​

看烟花！！！ ​

Grok 4.5 与 Grok 4.6 性能排行榜与基准评测报告 ​

1. 核心性能基准排行榜对比 ​

2. 关键能力演进与架构解析 ​

2.1 强化后训练带来的跃升 ​

2.2 编程与工程开发实测 ​

3. 规格参数与部署性价比 ​

第002期-AI的消费主义与token焦虑

看烟花！！！

Grok 4.5 与 Grok 4.6 性能排行榜与基准评测报告

1. 核心性能基准排行榜对比

2. 关键能力演进与架构解析

2.1 强化后训练带来的跃升

2.2 编程与工程开发实测

3. 规格参数与部署性价比