Franco

大模型还在卷参数，但真正开始卡行业天花板的，已经变成了另一件事：上下文存储。
当推理长度、Agent 调用链、长期记忆都在变长，真正决定体验和成本的，不只是算力，而是“上下文能不能被高效读写、调度和复用”。这也是为什么最近市场开始把注意力转向 Context Memory、KV Cache、推理存储分层这类基础设施。
下一阶段 AI 竞争，拼的可能不是谁会生成更多内容，而是谁能让模型在更长任务里，稳定、低成本地持续工作。
如果说训练时代拼的是 GPU，那 Agent 时代，拼的就是 Memory。
这也是我在一个群里跟群友讨论为什么龙虾值得去玩，我说claude code都是针对龙虾去打的。但他们说全量上下文这个事情，我竟然无言以对，老老实实又认真养虾。

OpenRouter 数据显示，Qwen3.6-Plus 发布仅 1 天，日调用量就突破 1.4 万亿 token。
最近，国产大模型的调用数据越来越亮眼，还有那个seedance2.0开放公测了。有2种方式，一种是出现人物的，需要预缴至少200w人民币，一种是不出现人物的，只要有企业账户就可以用。
期待国产模型在coding上的突破吧。
#AI #大模型 #OpenRouter #国产

使用AI进行开发的几个阶段：
1、第一阶段：发现新大陆，觉得自己无所不能
觉得只要有想法，就能完全实现，每天有数不清的想法，还有各种各样的工作流想去做，精力充沛、思路无限；
2、第二阶段：开始气馁，感觉开始原地打转
总是打转，一个skill又一个skill，打磨来打磨去，感觉能用，也还不错，但总觉得不够优秀，离自己的想法相距甚远，改来改去，质量就是没有大的图片；
3、第三阶段：放弃幻想，一个环节一个环节打磨细化
之前的ai开发有模块，但基本上每个模块的实现过程是黑盒子，你也不知道怎么实现的。现在就是A实现，B来做检查，而且，是认真检查每个环节的具体实现，看看哪里可以优化。比如生图的模型要不要换，文本整理的模型是不是要换，实现的路径是不是可以调优。还有就是这个环节能不能去掉，代码逻辑是不是太复杂，浪费token？
我目前处于第二到第三阶段，偶尔会有第一阶段的症状。娑婆世界，从来没有那般容易的事情，最终还是要打磨心性。

今天开始尝试用 Codex 作为开发的主力，然后买了 ChatGPT 的 Pro 版，整个的用量额度都是非常高，而且也不用担心会封号，也不用担心流量拥堵出问题。
之前的开发经常断断续续的。虽然 OPUS 跟 Sonnet 能力很强，但是中断开发对自己的学习开发节奏影响非常的大，对项目的持续性影响也特别的大。
有跟我一样的情况吗？

大家在用语音输入法的时候，哪一个好用一些？输入法、豆包输入法，还有闪电说，大家用哪一个多一些？

飞书的cli是真的好用
现在api调用有100万次免费
基本上能覆盖所有的消息通知
原来通过自动化机器人会消耗免费的使用次数
免费账号只有200次每个月，完全不够用
有了cli之后，可以全自动开发，使用自建应用的方式
一样的效果，一年至少可以节省上万的费用

对于大多数人来说，立足于自己的专业领域，打造skill，是利用AI最佳的实践之一。
对于做自媒体的工作者来说，AI则会成为创作的巨大加持因素，让创作的灵感更容易快速实现。比如，做的文章，根据思考写框架，配美图；比如做小红书矩阵，根据角色来生成文案，做营销软文。
以上2部分都是AI能快速实现的，至于复杂一点的任务，其实还是需要有编程的思维甚至是能力。这是我自己的思考，当然，随着模型能力的快速迭代提升，说不定以后中小项目也能很流畅的得到解决。

在AI时代，反而人的思考，人的创意，人的审美，变得越发重要，这是AI所不能替代的。应该说，AI时代，让人能真正做人应该做的事情，让人享受创意的开花落地。

优秀的士兵都是子弹喂出来的
优秀的AI工程师都是好模型喂出来的
给自己一个强制的要求
每天至少消耗1000万以上的claude opus+sonnet模型用量
不包括其他的生图和视频级别的模型用量
有了要求和标准，就会每天思考我应该用来做什么开发和优化
这就是强迫自己不断进化！

你可以怀疑大厂的操守
但是不能怀疑大厂的智商和商业嗅觉
龙虾智能体确实值得好好研究
我已经部署了服务器版，接入codex
然后接入公司的飞书群
相当于为40人每个人都配置了一个ai助理
你说这是不是很值得！！！

🎁感兴趣的来围观交流，今天晚上20：00
会议主题：从0开始部署小龙虾并配置模型-0310
会议时间：2026/03/10 20:00-21:30 (GMT+08:00) 中国标准时间 - 北京
点击链接入会，或添加至会议列表：
#：606-645-654
复制该信息，打开手机即可参与
会员限100人参加，超过人数进不来！

配置好了opus和sonnet之后
现在每天又进入了高强度的开发工作
先把之前的skill都优化检查一遍
这部分全部用opus来进行
因为这不是从0-1的工作
是相当于细节优化了
所以我采用的是opus
要用就用好模型
节省时间就是省钱
关键还不会走弯路

国内的大模型差不多卷出排名高低了
在通用模型方面
火山系列算第一，其他的往后排一排
在专用编程模型方面，还是一言难尽
你说不能用吧，也是能用的
你说能用吧，到了生产任务上，总是差点意思
国外大模型现在就比较卷了
有了claude code
GPT那是加班加点的迭代升级
google也没有闲着
前两天推出命令行终端
谷歌的想法就是用生态击败其他2家
毕竟大家都习惯了谷歌的生态
生态对用户的粘性其实是非常高的
都卷起来吧，卷到临界点
看看哪个能脱颖而出占住生态位！！！