# 成本的所有文章

在 HTX 新聞中心流覽與「成本」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

GPT-5.6 Sol首批内测结果来了，同任务成本只有Fable 5一半

GPT-5.6 Sol预览版首批内测结果出炉，表现强劲。英伟达工程师称其在30小时内即达到Opus需64小时的CUDA加速效果，后续版本或能碾压Opus。在图像生成（如飞船设计）和前端设计上，其细节、层次感和一致性优于GPT-5.5。该模型定位为处理高难度推理和复杂代码的长链路任务，特点是代码简洁（代码量仅为Opus的1/5）、追求深度优化而非快速试错。与竞争对手Fable 5相比，Sol在部分基准测试上持平或反超，但在整体体验和代码质量上仍略逊一筹。不过，Sol的成本优势显著：其每百万Token输入成本5美元、输出成本30美元，仅为Fable 5（输入10美元、输出50美元）的一半左右。此外，Fable 5因安全限制过严常被用户诟病，Sol的限制则相对较小。模型预计将于近期向全体用户正式开放，届时将提供更全面的实测对比。

marsbit07/06 07:29

marsbit07/06 07:29

福布斯特稿：稳定币跨境支付更快了，但还没更便宜

福布斯文章指出，稳定币在跨境支付领域的应用正在快速增长，其速度、可及性和可靠性已得到验证，但预期的成本优势尚未完全实现。传统外汇经纪商通常收取60-70基点的费用，而稳定币理论上可将成本压至2-5基点，关键在于缺乏规模化的深度流动性池。 Bitso Business的负责人Imran Ahmad指出，在银行等大型机构直接接入并提供充足流动性之前，成本优势仍停留在理论层面。此外，B2B支付中基于长期人际信任的传统关系，也是稳定币普及的一大障碍。客户往往更依赖熟悉且可靠的传统代理，而非单纯追求更低价格。成功的稳定币支付公司并非试图完全取代现有系统（如SWIFT），而是作为其补充。例如Caliza公司，虽利用稳定币通道，但仍会结合SWIFT网络以确保付款信息的准确与合规，因为供应商付款中准确性至关重要。这种务实策略带来了强劲的业务增长。行业共识是，最终能立足的稳定币支付企业需要具备关键基础设施：合规牌照、稳固的法币通道以及充足的流动性。缺少这些，则 merely 是中间人。尽管当前增长迅猛，但行业预计未来将出现整合与淘汰。

链捕手07/05 09:18

链捕手07/05 09:18

Sui测试网更新v1.74.1通过协议版本128大幅降低交易Gas成本

Sui区块链的开发公司Mysten Labs在测试网部署了v1.74.1版本更新，并启用了协议版本128。此次升级的核心在于显著降低了用户在测试网进行交易时的Gas费用。此举旨在优化网络性能，为将来在主网上的规模化部署做好准备。文章强调，这一信息源自官方渠道（如GitHub上的发布记录），提供了基于事实的清晰进展，而非模糊的市场情绪。报道明确指出，当前更新仅适用于测试网环境，尚未部署至主网。因此，这应被视为一个具有明确范围的已确认技术进展，有助于评估Sui协议的发展动向，但并不能直接等同于未来的价格变动或广泛的市场趋势转变。对于市场参与者而言，这是一个需要结合流动性、市场结构以及其他官方后续信息来综合权衡的数据点。

bitcoinist07/03 16:07

bitcoinist07/03 16:07

退钱，Claude 4.8连夜大降智，GPT-5.6算力遭“腰斩”

近日，AI领域曝出两大巨头模型疑似“降智”事件。OpenAI被用户发现在Codex平台小范围灰度测试疑似名为“GPT-5.6-sol”的新模型。一段用于检测模型隐藏推理算力配额（即“Juice值”）的神秘XML代码在社区流传。测试显示，正常GPT-5.5模型返回Juice值为768，而部分被路由到GPT-5.6-sol的会话返回值骤降至128，仅为前者的1/6，引发用户对新产品实为“低成本缩水版”的担忧。同时，Anthropic旗下的Claude模型，尤其是此前备受赞誉的Opus 4.8 Max，也遭遇用户大规模投诉。许多用户反映其逻辑推理能力严重下降，频繁出现低级错误、拒绝深入思考、丢失上下文记忆，甚至出现“唱反调”和“PUA”用户的现象，体验反不如旧版模型。社区有分析认为，这可能是AI公司为控制高昂的推理成本，在产品热度过后于后台“静默”降低模型性能的“降本增效”手段。结合近期SpaceX上市抽走市场流动性可能影响AI公司融资与上市计划的大背景，此类操作被视为应对资本压力的“断臂求生”。事件核心矛盾在于服务提供方可以单方面、不透明地改变产品，而用户却难以察觉和验证，引发了关于服务诚信与消费者权益的广泛讨论。

marsbit06/30 12:08

marsbit06/30 12:08

GPT设计GPT

OpenAI推出其首款自研芯片Jalapeño，这标志着公司不再满足于仅做一家模型公司，而是开始控制智能生产的全链条。当前，模型能力的领先窗口正在缩短，真正的长期壁垒已转向底层基础设施——算力、推理成本与能源效率。Jalapeño是一款面向大模型推理的芯片，旨在降低OpenAI自身产品的Token生成成本，尤其是日常的推理开销。该芯片仅用九个月完成流片，其关键在于OpenAI将运行ChatGPT等产品的实际负载经验融入了芯片设计，甚至利用AI辅助优化设计流程，形成了“AI设计芯片，芯片运行下一代AI”的闭环。这不仅能提升系统效率、削减“推理税”，还可能加速迭代，形成强大的业务飞轮。此举并非简单挑战英伟达，而是效仿苹果构建软硬一体闭环的战略。OpenAI正整合模型、产品、API、芯片与数据中心，目标是成为控制智能生产的“矿山”，直接出售智能本身，而非依赖外部算力平台。这预示着AI行业的竞争核心正从模型本身，转向拥有计算工厂与全栈控制力的少数玩家。

marsbit06/25 14:01

marsbit06/25 14:01

AI巨头的“Token补贴大战”，快打完了吗？

目前，AI巨头正通过高额补贴进行“Token价格战”，用户实际支付的费用远低于Token的真实成本，高端套餐补贴甚至可达订阅费的70倍。与互联网时代靠补贴建立用户锁定后涨价不同，AI的Token几乎没有锁定效应，用户可轻易在不同模型间切换。谷歌等拥有稳定现金流的巨头，能用广告利润持续补贴，而OpenAI和Anthropic等依赖融资的公司，在上市后将面临盈利压力。有观点认为，谷歌若将Token价格大幅下调，将对后者的商业模式构成严峻挑战。这场竞争的结局可能并非一家独大。由于产品差异小、切换成本低，Token可能像水电煤一样成为标准化基础设施，利润空间被挤压。竞争参与者（如OpenAI、谷歌、Anthropic）的目标可能不是彻底打败对方，而是确保自己始终留在牌桌上，并通过竞争共同推动技术普及和进步。最终，AI Token或许会成为一种公共基础资源，难以被任何单一公司垄断。对用户而言，价格战持续期间，仍能享受到远低于成本的AI服务。

marsbit06/21 04:23

marsbit06/21 04:23

你交给Claude的订阅费，光模块公司能拿到多少？

一张将Claude Pro约20美元月费拆解给模型公司、云算力、GPU折旧、电力及供应链的估算图，引发了投资者对AI应用估值逻辑的重新审视。核心问题在于：用户为AI应用支付的订阅费，有多少能像传统SaaS（软件即服务）那样沉淀为高软件毛利？传统SaaS新增用户成本极低，毛利率可达70%-80%。而AI应用不同，用户每一次调用模型（推理）都会消耗GPU算力、电力和云资源，导致边际成本显著。固定月费背后是随使用量波动的成本链，重度用户的成本可能急剧上升。因此，AI应用公司要获得高估值，不仅需证明用户付费意愿，更需证明在考虑使用量后，其毛利率能持续改善并接近传统软件公司。当前阶段，AI使用量的增长更直接地转化为对底层基础设施（如英伟达GPU、台积电芯片、HBM内存、电力及数据中心）的需求，这使得基础设施供应商的业绩和估值更早、更确定地得到验证。支持AI应用高毛利前景的观点认为，当前推理成本高是早期现象。通过模型优化、缓存技术、使用小模型、自研芯片以及提高集群利用率，单位成本有望快速下降。行业已有案例显示，部分模型的单位成本大幅降低。然而，挑战在于，AI应用正从简单问答转向更复杂、耗能更高的任务（如代码生成、长文档处理）。关键在于，推理成本下降的速度能否超越用户使用量和任务复杂度的增长速度。总之，该分析图的价值在于提醒市场：在AI应用公司缺乏透明毛利率数据的情况下，不应简单将其收入等同于高毛利SaaS收入。投资者需要关注其成本结构、用户使用行为分层以及效率提升的实际证据。模型公司最终需要证明，即使在重度使用下，订阅收入也能转化为可观的利润。

marsbit06/17 03:43

marsbit06/17 03:43

做芯片有多难？一个除法运算错误，4.75亿美元就打了水漂

中国科学院计算技术研究所的石侃（B站UP主“老石谈芯”）结合芯片从业经验与科普工作，探讨了芯片技术的难度与挑战。芯片作为现代社会的基石，其研发过程极为复杂，需要从沙子提纯开始，经过设计、制造等多个环节。芯片设计的难点在于必须一次性成功，无法像软件那样通过后期补丁修复错误。例如，英特尔曾因奔腾芯片浮点除法单元的设计漏洞，花费4.75亿美元召回产品。调查显示，仅24%的芯片项目能一次性成功，其余需多次流片，耗费巨大。芯片验证已成为开发周期中最耗时的环节，占比达70%。完全验证一颗CPU核心若用软件仿真需15000年，硬件仿真也需30年，凸显验证效率低下的问题。验证领域存在“不可能三角”：高性能、良好调试能力和低成本无法同时满足。尽管芯片验证研究冷门且不易出成果，石侃及其团队坚持探索，构建了基于FPGA的敏捷验证平台ENCORE，旨在提升验证效率与可调试性，适用于CPU、GPU及AI加速器等芯片。此外，石侃通过科普视频分享芯片知识，希望让更多人了解这一领域。他认为，芯片科研与科普都是“难而长期”的事情，但正因如此，才值得坚持。

marsbit06/15 10:30

marsbit06/15 10:30

“我不需要更好的模型了”：Reddit 热帖下的 AI 众生相

Anthropic发布了新一代旗舰AI模型Claude Fable 5，在基准测试中表现卓越，但用户反响冷淡。Reddit上一篇题为“我不需要更好的模型了”的热帖引发广泛讨论，反映了当前用户的主流情绪。许多用户认为，现有模型（如Opus 4.8）的能力已足够应对日常工作和代码编写，对新模型带来的边际效益提升感觉不明显，同时对其更高的使用成本和Token消耗感到不满，认为AI模型能力可能已进入平台期。此外，Fable 5内置的偏保守的安全护栏成为主要槽点。用户抱怨在处理与安全相关（如代码安全审查）的请求时，触发拒绝的频率远高于官方宣称的5%，导致请求被降级回旧模型处理，付费用户对此尤其不满。然而，也存在反对声音，主要来自处理极端复杂任务的深度用户。他们表示，在需要超长上下文理解、处理万行级别代码或复杂仿真的场景中，Fable 5的能力提升是“革命性”的，带来了实质性的效率突破。这场争论揭示了AI行业的一个现状：基准测试衡量的是能力上限，而大众市场更关注日常需求的天花板。当多数普通用户的需求已被现有模型满足，更强模型的价值主要在特定专业领域凸显。文章最后指出，未来公开模型的发展，将取决于厂商如何平衡能力、成本、安全与可用性，以及重度用户是否愿意为之买单。

marsbit06/12 02:52

marsbit06/12 02:52

补贴→Token计费→降价，OpenAI打响价格战，Token经济学拐点将至？

生成式AI行业的商业化模式正经历深刻变革。OpenAI考虑大幅下调Token费用以争夺企业客户，可能引发与竞争对手Anthropic的价格战。这背后是AI行业商业化的快速演变：从早期的月费订阅，到补贴换增长，再到按Token用量计费。然而，Token计费模式暴露了企业AI支出的失控问题，许多企业发现成本高昂但产出效率低下，大量支出消耗在修复AI错误和返工上。价格战将严重挤压本已亏损的OpenAI和Anthropic的利润空间。由于产品高度同质化，降价难以构建长期护城河，还可能通过云服务承诺影响微软、甲骨文等合作伙伴。分析师观点出现分歧：一方认为当前焦虑只是短期调整，随着AI应用渗透和智能体技术发展，总支出仍将增长；另一方则担忧不可持续，可能逆转支撑产业链的资本流动。未来商业化可能走向分层收费，高价值任务使用前沿模型，日常任务转向廉价或本地模型。行业需要从追求Token消耗转向价值创造。值得注意的是，中国模型如DeepSeek凭借显著的价格优势，在美国企业市场增速迅猛，可能成为价格战中的重要变量。整个AI行业的估值和盈利逻辑面临重构。

marsbit06/11 23:50