智能体应用

DeepSeek V4 Flash的成本优势主要来自缓存命中输入每百万词元0.02元，但缓存未命中输入为1元、输出为2元，“每百万0.5元”并非统一单价。团队应结合缓存命中率、输入输出量和调用流程评估真实成本，并通过任务分流与工程优化控制预算。

高校正将AI智能体用于迎新咨询、校园导航和选课建议，推动校园服务从信息问答走向流程协作。文章指出，应用关键在于可靠知识库、持续更新的数据与清晰的责任边界，并应保留核验、人工转接和用户确认机制。

Gemini3.8Flash任务成本0.58美元，较Gemini3.7Flash的0.40美元涨四成，因输出词元增30%且交互轮次增多。单价不变并不等于账单下降，企业应以任务级词元消耗和业务效果评估模型，而非仅看每百万词元标价。

Meta发布Muse Spark 1.3，主攻编程与AI智能体任务，支持最长约100万Token上下文，并通过减少工具调用和Token消耗降低多步骤任务成本。评测成绩受配置和任务影响，企业仍应以真实工作流验证成本与稳定性。

腾讯WorkBuddy开放平台于9月2日上线，首批已有超过100家生态伙伴参与共创，30多个品牌完成连接并亮相9款联名智能硬件，覆盖软硬件、行业应用和开发者。文章分析办公Agent如何从模型与功能竞争转向真实任务、入口和生态协同。

AI算力、存储和模型服务调价，正将云市场从资源价格竞争推向服务成本重估。需求增长、硬件基础设施成本上升及智能体多轮调用，使成本传导至推理、存储和数据处理。企业需按完整任务核算单位成本，优化模型与采购策略。

AGI已到来并不等同商业价值，Astra虽具推理、跨应用操作和任务执行能力，但企业需验证其在真实环境中的稳定性、权限安全和错误可控性，先从可量化、可回滚的低风险场景试点，再评估任务完成率与人工复核成本，才能决定是否产生实际效益。

Meta推出Muse Voice Transcribe，支持实时流式语音识别、20多位说话者归属和端点检测，面向会议、客服及语音智能体等场景。文章分析其如何连接转录、通用模型与业务执行，并指出复杂环境仍需验证、纠错和人工复核。

五个月连续推出四款 Muse Spark，显示大模型竞争正从单次发布转向模型、接口与应用入口的持续迭代。以 1.3 的 DeepSWE 成绩提升 16 分为例，强调基准成绩不等于真实可用性，企业还需评估开放状态、接口稳定性和迁移风险。

Meta于9月2日发布Muse Spark 1.3，升级重点转向代码与智能体长任务，强调持续上下文、工具调用、计划修正和主动澄清；相较1.2，内部比较显示工具调用约减少20%、令牌使用量约减少25%，并支持一百万令牌上下文，同时接入Muse Code与Meta Model API。

科大讯飞星火X2.5以端侧小模型与293B基座模型构成分层布局：1.7B和4B面向车载、智能硬件等本地交互，原生支持最长100万Token上下文；293B-A30B面向云端开发与企业应用，强化代码、智能体等能力。