AI Radar

把输出的消费者从人换成程序：返回选项、分值、概率分布与置信度，而不是需要解析的文本；同时提出 RLCD 作为 RLHF/RLVR 之外的第三条后训练路径。真正值得注意的是它把不确定性变成了可编程的量（置信度分档路由），而不只是又一个结构化输出方案。公开实现目前基本只有这一家，长期适用性未知——其中可长期成立的部分已整理进知识地图的 AI-Powered Software 条目。

关注开源权重模型与闭源模型在数学、代码、多步推理上的差距是否继续收窄，以及收窄的代价（推理成本、部署门槛）。

每美元能买到多少能力，比榜单第一名更有实际意义。留意小模型在固定工作流里替代大模型的可能性。

上下文窗口持续变大，但「能放进去」不等于「能用好」。留意有效上下文长度与检索式方案的实测对比。

文本、图像、音频、视频是否在同一个模型里统一处理，决定了产品能不能自然地跨模态工作。

早期框架试图用复杂编排解决问题，现在趋势是：模型更强、框架更薄、协议更标准。留意哪些抽象被证明是多余的。

当 API 不存在时，Agent 只能像人一样操作界面。留意这条路径在可靠性、速度与合规上的真实成本。

多 Agent 听起来更接近组织形态，但工程上常常是单 Agent 加一个可靠的工具体系更划算。

如何组织、压缩、排序上下文，对结果的影响常常大于换一个模型。留意上下文压缩与记忆管理的进展。

主流基准被刷满之后，什么才是可信的能力信号？留意面向真实任务、难以被针对性优化的评测方式。

数学、代码这类可自动判对错的领域进展最快。留意这套方法能否迁移到没有标准答案的任务上。

协议的价值取决于有多少真实可用的服务端。留意官方与社区实现的维护活跃度，而不是数量。

本地跑模型的体验正在从「能跑」变成「好用」。留意量化、显存管理与本地工具调用的进展。

批量调度、KV 缓存、前缀复用决定了自托管模型的单位成本，是 AI 基础设施里最实在的工程。

从补全到对话，再到能独立改仓库的 Agent。留意 review 成本与代码可信度，而不是生成速度。

转录已经商品化，真正的差异在于「会后能自动做什么」。留意从记录到执行的闭环能力。

笔记工具正在从「存储」转向「检索与再生成」。留意本地优先与可移植性，避免知识被锁进单一产品。

单位 token 价格持续下探，同时头部能力仍有溢价空间。留意定价结构而非绝对数字。

当模型能力被平权，应用层的价值来自数据、分发还是工作流深度？这个问题到目前为止还没有稳定答案。

单位成本下降并不代表总成本下降——用量会同步暴涨。留意成本结构如何反过来决定产品形态。