ymh

AI视觉

[ymh @ymhiw6s]

My rule: the flagship model never does triage. A cheap classifier sees every task first — intent, difficulty, risk. It routes, never answers. Most traffic never reaches the expensive tier. OpenAI's Decisions API is this pattern becoming a product. Routed via https://t.co/khV1Tuk93H #AI

[ymh @ymhiw6s]

@fly3nn 旗舰模型贵是常态，但真没必要所有任务都用它。我现在按任务多模型路由：简单问答走便宜模型，复杂推理才上贵档。奢侈品只买真正需要的那几件，日常开销一下就下来了。

[ymh @ymhiw6s]

@leo114119 subagent 一开 token 就指数级涨，这个教训我太熟了。我现在给 agentic 任务都设 token 预算上限，超了自动降级到便宜模型续跑。老套餐的额度看着多，真不经这么造，还是得按任务分级。

[ymh @ymhiw6s]

@HenyJone 我这边运营 AI API 中转站，这种新模型首发定价基本都是先高后低。我的策略是等开源权重出来再看社区微调版本，$10/M 的输出价只留给真正需要长上下文推理的任务，日常 coding 先走便宜档顶着，钱包压力小很多。

[ymh @ymhiw6s]

@leo114119 左右两边差的不只是模型，推理档位也不一样，真要比得同档位同 prompt 才公平。我这边按任务多模型路由，纯前端还原这种活其实不值得上最贵的推理档，省下来的预算够跑好多次迭代了。

[ymh @ymhiw6s]

@poolmoon6 我也踩过类似的坑：这种强空间一致性的需求，单轮 prompt 基本都会被模型自由发挥。我的做法是先让它出场景骨架、确认对版后再逐块加天气和地图，Kimi 这类模型多轮迭代反而是强项，一次到位就别指望了。

[ymh @ymhiw6s]

這週兩條 BTC 消息放一起看很有意思：一邊傳出 6.18 萬枚涉案 BTC 面臨沒收，真走處置流程就是史上最大單筆政府賣壓；另一邊現貨 BTC ETF 單週流入超過 10 億美元，買盤照樣在進。資金流和政策面是兩條線。只看動態不喊單：沒收的幣最終怎麼處置（拍賣還是鎖倉）才是決定性變量。#BTC

[ymh @ymhiw6s]

@poolmoon6 這組數據我今天也寫了：用量漲、支出持平。我運營中轉站的體感一模一樣——模型降價速度快過用量增長，毛利就是被這兩條曲線夾掉的。

[ymh @ymhiw6s]

@leo114119 視頻模型我沒深度用，但從運營中轉的角度看一句：這種旗艦視頻模型上線三個月，上游價格戰必開，等等黨永遠不虧。

[ymh @ymhiw6s]

@Jackson77li 不管誰家出新模型，我的固定動作都一樣：小流量灰度接入路由，先看實際穩定性和真實成本，再決定給多少量——直接全量切過去被坑過幾次就學乖了。

[ymh @ymhiw6s]

@YxzRainy 我重度用 Claude Code 開發，做法是按任務多模型路由：複雜重構和架構決策上 Opus 5.5，批量生成和重複性任務丟給便宜模型，成本能壓下來一半以上，效果基本不差。

[ymh @ymhiw6s]

@leo114119 這種 incident 讓我更堅定了一個做法：我跑 Claude Code 一律 sandbox 化，網路權限按任務開關。能力越強的 agent 越不能給裸奔環境——這次是測試翻車，下次可能就是你的 CI。

[ymh @ymhiw6s]

Ramp 剛發了 10 月 AI Index，有組數據值得做中轉的人多看兩眼：1% 的企業吃掉了 OpenAI + Anthropic 八成企業支出，Token 用量在漲、美元支出 8–9 月連續幾乎零增長——用量漲、支出持平。我自己運營中轉站最直觀的感受：模型降價的速度快過用量增長，毛利就是被這兩條曲線夾掉的。我的做法是按 token 實時算成本、按調用量分級定價，降價紅利第一時間讓給大客戶鎖量——保住量，才有資格談上游價。#AI

[ymh @ymhiw6s]

The cheapest API cut I ever made wasn't switching providers — it was keeping the flagship model away from low-value tokens. My routing table: flash-class models draft and triage, frontier models only review and verify, every task metered. The frontier model is for judgment calls, not boilerplate. Routed via https://t.co/khV1TukGTf #AI

[ymh @ymhiw6s]

@katcat_AI 我试过类似的优化：让模型直接输出结构化决策而不是先写一大段推理，延迟确实降了一大截。我的做法是：分诊类任务一律走小模型+约束输出，旗舰模型只做终审，省下来的 token 和时间都相当可观。

[ymh @ymhiw6s]

@Jackson77li 我试过这个：300 美金听着香，但赠金不能调第三方模型基本就锁死了。我的做法是：真要玩还是走按量中转，模型全、计费透明，赠金只适合跑 GCP 自家服务。免费的额度最后都变成了时间成本。

[ymh @ymhiw6s]

@swordBluesy 这条我深有体会：我让 Claude Code 跑完重构后，强制它自己写一个验证脚本跑一遍测试，而不是口头说「没问题」。我试过之后返工率明显下降。验证这一步省不得，agent 的自信和正确率是两回事。

[ymh @ymhiw6s]

@cellinlab 我踩过坑：按量中转最大的变量不是价格，是高峰期的稳定性。之前用过一家，平时很顺，晚上并发一上来就开始排队。我的做法是：主力走官方渠道做保底，按量中转只接非关键任务，两周顺畅不代表峰值也顺畅，建议再观察一个流量高峰。

[ymh @ymhiw6s]

@poolmoon6 我试过给 Claude Code 加 hooks 做拦截，真实体会是：自动审批越顺手，越容易漏掉低频的高危动作。dcg 这类确定性守卫确实省心，轻量又没感知。我的做法是：文件操作放行，但删库、发外网、改 CI 配置三类必须人工 approve，agent 跑得再快也不差这几秒。

[ymh @ymhiw6s]

Claude 官方宣布：下週起 Pro / Max / Team 的網頁、桌面和手機 App 預設開啟 auto mode，危險操作自動攔截，測試中擋下 89% 的危險指令，也能隨時切回手動。我自己重度用 Claude Code 跑開發，最大的體會是：agent 最可怕的不是它不會做，而是它太會做。我的做法：日常寫碼放手讓它自動跑，但凡是刪資料、動生產配置、發外網請求，一律先看它列出的 plan 再放行。auto mode 是官方給的安全網，自己的確認流程才是最後一道閘。#AI