预判卡
日报里每一条判断,都被固化成一张「预判卡」,到回访日自动回填结果——当时怎么说的、后来如何、差在哪
开源权重压到端侧,云端推理的定价权首次被公开挑战;三件事看似分散,实为同一条链:模型能力趋同后,调用方开始按成本与可控性重新分配负载。Meta 把旗舰开源模型压到消费级硬件,等于给企业提供了一个「不用按 token 付费」的选项;Replit 的切换则证明平台方已经在用脚投票。开源 + 端侧的组合,正在把推理从运营开支变成资本开支,这会重写云厂商的定价模型。;短期看空纯推理 API 的毛利假设,中期看好端侧硬件与私有化部署服务。企业应在下一轮采购谈判中把「本地可跑」作为议价筹码,即便最终仍选云端。真正的时间窗口是未来两个季度,等主要厂商跟进降价,谈判空间就会消失。
Meta 回到前沿牌桌,前沿模型从双寡头变三强;Meta 从轻量 Spark 跳到旗舰 Wonder,等于承认在低延迟路线上赢不了,只能回到参数与基准分的正面战场;OpenAI 则在模型版本之外同时推进广告变现,先给推理成本找到出口。两者叠加的效果是前沿模型的代差窗口被压缩,供给方从两家变三家,买方在价格、迁移与合规上第一次有了真实选择权,API 转售与套壳应用的毛利空间被同步压缩。;企业应在未来两个季度内做一次多模型并行的成本-能力对照测试,把单一供应商依赖降到 60% 以下;投资方向应从模型层向数据层与工作流层迁移,因为模型同质化后,价值只会留在有独占数据与深流程的地方。
入口之争从屏幕转向随身与桌面;眼镜、笔记本、手机三条产品线在同一周内同时把 Agent 做进系统层,说明大厂已不满足于做一个被调用的 App。共同逻辑是:Agent 的价值取决于能否常驻并持续获得上下文,而只有系统级入口才能稳定拿到麦克风、摄像头、屏幕与日程。谁占据入口,谁就掌握任务分发的默认权——这也解释了 Meta 为何愿意把刚上线的 Muse 火速塞进 100 款眼镜 SKU。;应用层公司应提前评估被系统级 Agent 截流的风险:若用户任务能由系统助手直接完成,独立 App 的打开率会持续被侵蚀。对策是把能力以工具形式暴露给主流 Agent 平台,同时死守自己独有的数据与履约环节,而不是继续赌用户会主动打开你的图标。