EP164 · Gemini 模型更新、Claude 电商架构与 GitHub 成本实践 · 09-03 早报

Google 发布 Gemini 3.8 Flash 与 Cyber，面向长周期编程和自主任务提升推理能力，Cyber 侧重漏洞发现与补丁生成。Flash 沿用上一代单价，但更多推理可能增加 token 消耗，Cyber 限受信防御者使用。企业可结合披露的基准和使用案例，按任务效果、实际成本和接入条件判断是否试用。

Anthropic 从已上线的电商项目总结单智能体配合技能的架构，解释如何保持购物会话的共享上下文，并让工具复用现有业务系统。指南进一步覆盖缓存、记忆、交易审批和评测，附可运行的参考实现，方便团队判断哪些能力交给模型、哪些约束由系统执行。

GitHub 披露 Copilot 的成本优化实验：保留有用上下文、压缩重复输出、精简提示词，并合并后台任务通知。团队通过离线评测与线上实验追踪任务质量，发现部分压缩会引发重复读取。文章提供了从完整任务衡量成本、验证优化效果的具体方法。

Latent.Space 梳理 Claude Fable/Mythos 5.1 更新：缓存读取单价下降 75%，其引用的 Artificial Analysis 测试显示输出用量约增至 1.7 倍、单任务成本增加约 20%。这组结果提示团队把模型能力、缓存占比和完成任务的总用量一起比较。

本文总结了团队在 AI 驱动研发体系的实践探索，从 AI 辅助编程发展到完整的 AI 驱动研发体系。文章指出业务AI研发的真正瓶颈是上下文而非模型能力，提出'本地优先：Agent + 文件夹 + Git'理念，通过 Price360-KB 项目 Harness 将业务知识、源代码、项目规则和验证证据组织在同一工作空间。实践表明迭代过程本身就是知识飞轮，项目无需完美知识库即可启动，在真实产品迭代中持续完善。文章阐述了项目 Harness 的三层结构设计、机器可读的迭代协议以及人负责决策而 Agent 负责执行完整的工作模式。随着模型和通用 Agent 能力提升，项目 Harness 将收缩，但业务知识治理和质量责任不会消失，未来技术人员将更接近 FDE 角色，需深入理解业务、设计项目规则并对端到端交付结果负责。

Claude Code 团队说明，目标导向的智能体、可组合的基础能力、扇出式工作流与验证产物，正如何把软件开发从逐步监督工具调用转向更高层次的编排。

兰小欢以经济学视角剖析AI时代：组织因承担风险而存续，权力在信息被打平后向关键卡位集中，就业从生产转向验证，Token难以作为稳定分析单元，AGI应是超越公司控制的公共品。

本文提炼出 Google for Startups AI Agents Challenge 获奖作品中的四大关键工程模式：双向 MCP 工具暴露、事件驱动并发、一致的回退验证，以及分层路由以降低推理成本。

腾讯混元通过 Sherry 稀疏三值量化和 MIX-STQ1_0 混合精度策略，将 Hy4 preview 模型从 1.5 TB 压缩至 214 GB，同时保持了在长文理解、检索和数学等任务上的高精度，并实现了跨异构设备的联合推理。

本文介绍了基于商品中心 Agent 架构的精细化评测体系，通过拆解感知、规划、记忆、工具四大模块，构建覆盖质量、成本、性能的多元化指标，并结合端到端与模块级评测、自动化数据集生成、LLM-as-Judge 等方法，实现了对 Agent 能力的全面、可执行、可解释的评估。