阅读

据彭博社报道，高盛集团已切断大多数员工对Anthropic的Claude Code和微软GitHub Copilot等高级AI编程工具的访问权限。根据10月份发布的内部指导方针，目前只有工程师可以继续使用这些工具。此前数月，交易员和银行家曾利用这些工具监控交易流程并创建内容。这一政策回调据报道在该公司内部引发了不满情绪。

这一决定标志着高盛在AI应用策略上的显著转变。今年7月，高盛首席信息官Marco Argenti曾在采访中公开赞扬非技术员工的“氛围编程”（vibe coding），设想交易员或资产管理人员通过AI快速构建原型，再交由工程师进行生产环境扩展。然而，目前的政策似乎已不再支持这一计划。

对于此次政策逆转的原因，彭博社援引高盛发言人Nick Carcaterra的说法，称这是出于“包括生产力和风险管理在内的多种因素”。Carcaterra补充说，公司的实验阶段已经结束，现在将工具限制在“最适合长期利用它们的人”手中。这一变化反映了大型金融机构在生成式AI从广泛试验转向受控部署过程中面临的实际治理挑战。

重商主义的核心信念是：财富是固定的，黄金总量不会增加，因此一国之得即他国之失。在这种逻辑下，普通人的价值只体现为劳动力，而精英的职责是管控稀缺资源、维持高价、阻止对手获取。工程师 Venkatesh Rao 认为，今天许多 AI 精英对待智能的方式与重商主义者对待黄金如出一辙：把智能视为稀缺的、危险的资源，应当由专家来管理、保持昂贵、并对竞争对手保密。在他们眼中，开源 AI 模型不是技术进步，而是威胁。

Rao 的类比不止于诊断，还指向一个历史转折。早期资本主义取代重商主义后，人们并没有因为财富不再被当作固定总量而停止工作，反而自愿增加了劳动时间——为了买茶或糖，年工作日从 250 天增加到 300 天。Rao 认为 AI 可能触发类似的变化：不是因为人们失去了工作，而是因为 AI 让以前太昂贵或太难的项目变得可行，人们可能会思考更多而非更少。对想法的需求会增长，而不是让人变得多余。

这个论证的政策含义是明确的：Rao 主张，AI 的政治焦点应当是确保公平获取，而非保护旧有的知识工作岗位。保护岗位意味着把智能当作固定资源来分配；确保获取则意味着承认智能的总量可以随工具改进而扩大。他甚至认为，AI 智能体自身也可以追求自己的项目，从而创造对智能的新需求——自主 AI 需要护栏，但不应只是服从命令。

需要指出的是，这是 Rao 的一个概念类比，不是经过实证检验的经济模型。重商主义与 AI 之间的对应关系是修辞性的：它照亮了某些动机结构，但不能证明智能的实际经济行为确实像黄金。智能是否具有排他性、AI 是否真的会扩大而非替代人类思考需求，这些是经验问题，类比本身无法回答。但作为理解当前 AI 政策争论的框架，它提供了一个有用的视角：当某位 AI 高管以安全为由反对开源模型时，值得追问的不仅是安全论据是否成立，还有这是否也是一种资源管控逻辑的现代变体。

药物研发有一个广为流传的三「十」定律：一款新药平均需要十年时间、超过十亿美元投入，成功率却不足百分之十。水木分子COO邢杰在央视节目中引用这一数字时，真正想指向的问题比成本更具体——一个药研专家积累了几十年的经验，如何才能让AI真正用起来？

水木分子首席科学家聂再清认为，过去AI药物研发项目中的关键隔阂恰恰出现在这里。模型可以预测结构、生成分子、给候选结果排序，但研究者未必能充分理解排序依据，也很难把自己的顾虑反馈给模型。计算结果可以交给实验验证，专家与算法之间却缺少持续协作的通道。这意味着AI制药的瓶颈不只是单点预测精度，而是整个科研工作流的组织方式。

水木分子由此提出了药物研发的四阶段划分：TMDD（依赖实验积累与专家判断）、CADD（计算机辅助计算与模拟）、AIDD（AI用于性质预测和分子生成）、ChatDD（专家通过自然语言对话参与任务规划、执行与结果修正）。前三代中，专家经验和直觉很难与AI模型有效交互和有机融合；ChatDD试图让专家提出问题和任务目标，大模型进行拆解并调用工具，再把结果交回专家，多轮交互下来，专家经验得以高效参与AI制药的每一步。

这一框架的落地依赖几个具体技术层。水木分子与清华AIR联合推进的BioMedGPT探索自然语言与分子、蛋白质等生物数据的对齐，其中BioMedGPT-10B是全球首个开源可商用的百亿参数多模态生物医药大模型。入选NeurIPS 2024的MutaPLM将突变影响的文字描述与蛋白质突变对应起来，既解释一次突变可能带来什么变化，也根据研究者描述的目标提出候选突变。被ICML 2026接收的CodeFP关注功能性蛋白质的序列与结构协同设计，AbGaze则探索抗体全原子端到端从头设计。

在模型底座之上，水木分子将专家通过对话描述的研究方法整理成AI智能体可随时调用的技能包。今年发布的首批OpenBioMed技能包囊括45项专业技能，覆盖生物化学与药物研发、蛋白质分析与设计、单细胞组学分析、数据检索、工具调用五大类。其中的Skill Creator允许研究者通过对话说明任务意图、输入输出和约束，系统辅助组织流程，再用实际数据验证修改，形成可重复调用的方法。这样，专家的一次指导就有机会留下持续可用的工作流。

水木分子的商业策略是平台与管线双轮驱动。平台端，ChatDD面向企业提供Insight（立项前靶点评估）、Discovery（分子设计与虚拟筛选）和Trial（临床开发支持）三个模块；水木知了面向个人科研人员，由下往上推广。管线端，公司亲自推进面向自身免疫疾病和肿瘤的创新药研发，把平台用进自己的研发决策、分子设计和项目运营。据首席科学家潘琦介绍，公司第一条自研管线——自身免疫领域的双特异性抗体——从基于靶点生物学和临床证据的立项，到分子设计和虚拟筛选，再到湿实验验证和临床前候选分子确认，仅用了七个月，而传统方法通常需要十二至二十四个月。

这一模式与Alphabet旗下的Isomorphic Labs有结构相似性：同为AI原生公司，同样干湿闭环，同样采用平台服务与自有管线并行策略，同样由顶尖AI机构孵化而来。但水木分子更倾向大分子管线和技术开源。平台与管线的互补在于：自研项目让药研专家连续使用平台，也让算法团队有机会长期追踪一个任务的后续结果，持续改进工具与流程；项目数据为ChatDD提供直接反馈，比如计算建议能否在实验中成立，未成立的地方应该怎样调整。

对外合作方面，ChatDD已在多家外部客户中落地，包括中国大型药企（以复星PharmAID为例参与研发智能体平台共创）、生物技术公司、CRO（进入CMC运营、临床试验方案等流程改造）以及头部跨国药企（涉及临床运营和上市后临床）。邢杰预计2026年收入将是去年的三至四倍，管线进入开发阶段和商务拓展预计在明年发生。这些数字均为公司自报预期，尚未经独立验证。

水木分子团队横跨AI与制药两个领域：张亚勤、聂再清、马维英带来AI研究与技术产业化经验；CEO王卓智曾任药明生物副总裁，深度参与三百多个创新药项目；潘琦在Genentech、勃林格殷格翰、传奇生物和Pathos AI等企业积累了多年药物研发和AI应用经验；邢杰此前任职药明康德副总裁和CIO。这种组合本身不证明产品有效，但解释了为什么这家公司选择从对话式交互而非单纯模型预测切入AI制药——它需要同时理解药研专家的真实工作方式和AI智能体的能力边界。

据路透社报道，《纽约时报》与《纽约每日新闻》、《芝加哥论坛报》和《奥兰多哨兵报》等出版商已对Brave浏览器开发商Brave Software提起诉讼。原告指控Brave非法抓取受版权保护的内容用于训练人工智能模型，并通过其浏览器内置的“付费墙拦截器”（Paywall blocker）功能让用户绕过新闻网站的订阅限制。

根据法庭文件，Brave被指将其抓取网站内容的索引商业化，部分方式是向AI公司提供对“Brave索引中实时在线内容”的付费访问权限。这些AI公司随后利用该索引来训练模型或响应用户查询。诉讼称，Brave已向包括Anthropic、Perplexity、Mistral、xAI和Cohere在内的多家AI公司提供了“被盗的版权内容”。

《纽约时报》发言人Graham James表示，Brave无视了停止侵权行为的多次请求，该公司通过窃取内容为其产品提供动力并向生成式AI巨头提供支持。代表其他三家出版商提起诉讼的律师Steven Lieberman则称，Brave正在为AI行业“洗白”盗版新闻报道。

目前，Brave及被点名的几家AI公司尚未立即回应置评请求。此诉讼是围绕AI训练数据版权纠纷的最新法律行动之一，此前《纽约时报》等媒体已就类似问题起诉OpenAI和微软。

Anthropic于2026年11月2日宣布，其Claude平台上的Messages API现已提供“消息线程”（message threads）功能的公开测试版。该功能旨在解决长期运行的AI代理在每次交互中需重新发送完整对话历史导致的延迟问题。

在传统模式下，编码代理或计算机使用代理可能在一次会话中发起数百次请求，每次请求都包含所有先前的消息和工具结果。当对话达到数十万token时，重新发送所有内容会显著增加首字生成时间（TTFT）。启用消息线程后，代理只需发送自上次交互以来的新消息及前一个响应的ID。Anthropic表示，对于拥有50万至100万token上下文的请求，中位TTFT降低了约35%。

技术实现上，Anthropic在服务端内存中加密保存每个线程的状态，不写入磁盘。线程在最后一次请求后5分钟过期，之后客户端需重新发送完整对话以启动新线程。尽管每次请求的数据量减小，但Claude在每一轮仍读取完整对话，因此token用量保持不变。

该功能特别适用于对延迟敏感的活跃会话，如长运行编码代理、计算机使用代理以及文档和图像密集型工作流。目前，消息线程已在原生Claude平台、AWS上的Claude平台、Microsoft Foundry中的Claude以及Google Cloud上的Claude模型（由Anthropic管理）中可用。标准Claude token费率和现有限制适用。

据Tom's Hardware报道，AI芯片初创公司Tachyum的斯洛伐克子公司（Tachyum Slovakia）已于2026年10月22日在布拉迪斯拉发自愿申请破产。法院随后启动了破产程序，认定该公司符合法定要求。根据斯洛伐克法律，自愿申请破产的公司被推定为资不抵债。

Tachyum自2018年推出Prodigy通用处理器以来，尽管经历了八年的开发和多次承诺，但至今仍未展示可用的Prodigy硅片。该处理器的发布时间从最初的2020年一再推迟至2025年，甚至可能延至2030年以后。随着破产程序的启动，如果无法获得额外融资或找到买家，Prodigy的开发工作实际上可能终止。

目前的关键不确定性在于Prodigy知识产权（IP）的归属。Tachyum Slovakia是美国母公司Tachyum Inc.的子公司。如果美国母公司拥有IP，而斯洛伐克子公司负责研发并积累债务，破产可能导致斯洛伐克实体消失，但美国母公司仍保留IP。反之，如果斯洛伐克子公司拥有IP，则需通过破产财产出售。此外，据报道美国母公司也面临债权人的清算压力，这使得Prodigy IP的最终命运更加扑朔迷离。

瑞典风险投资公司Creandum已为其第八期基金募集到7.5亿美元，这是该公司历史上规模最大的一期基金。此次募资正值投资者竞相以越来越大的早期轮次支持热门AI初创企业之际。

据Sifted报道，Creandum在过去两年中将其在旧金山的存在感增加了两倍，显示出其对美国AI生态系统的重视。该基金将专注于为处于早期阶段的AI公司提供资金支持，反映了当前一级市场资本向头部AI项目集中的趋势。

澳大利亚图形设计软件公司Canva于上周发布了其专为设计师打造的新视觉语言模型Canva Brush。与常见的图像生成模型不同，Brush是一个编辑模型，旨在理解设计师的意图并解释设计变更请求。据The New Stack报道，该模型面向Canva Pro用户开放，能够读取设计的内容和结构，编写并执行小段代码以进行修改，然后自行检查结果。

Canva在发布博客中指出，生成高质量设计是AI模型面临的巨大挑战之一，但“编辑它们则更为复杂”。这是因为模型需要理解设计师想要改变什么、设计的结构如何组织，以及最重要的是哪些部分必须保持原样。否则，一个简单的编辑请求可能会导致大量未经要求的更改。例如，在处理“为我制作一个带有新艺术风格视觉效果的3页面包店宣传册”这样的提示时，代理需要进行一系列复杂的决策，包括规划叙事、生成文本、选择图像，并保持排版、颜色和间距的一致性。

企业AI架构师、Besk Tech创始人Vladimir Beskorovainyi在接受The New Stack采访时表示，Canva并非在与前沿大模型竞争，而是在解决一个“有界问题”（即具有明确参数和有限范围的特定任务）。他认为，在这种有界问题上，小型专用模型多年来一直在悄然超越大型通用模型。“这里的护城河在于工件本身，而不是权重”，Beskorovainyi指出，Canva的优势在于它可以基于真实设计的组装方式进行训练，这种训练信号比基础处理能力更难被复制。

Deep-tech风险工作室The Capital Index联合创始人兼首席技术官Rodion Sorokin也认同这一观点，称Canva是在“细分化”前沿实验室。他提到，Brush从开源权重模型开始，并使用强化学习针对Canva内部设计师定义的“好设计”标准进行训练。Sorokin表示：“前沿模型了解互联网；Canva知道数亿人实际上如何使用幻灯片。”

值得注意的是，Canva声称Brush比其之前的设计代理快69%，每个任务的成本低46%。然而，这些速度和成本数据均为厂商自报，且仅与公司自身的前代产品进行比较，并未与前沿模型进行独立基准测试。此外，Canva的另一款图像生成模型Craft在众包基准测试平台Design Arena上排名第四，落后于OpenAI的GPT Image系列模型。

一篇被顶级会议ACM Web Conference 2026接收的论文《The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT》利用欧盟GDPR赋予用户的数据访问权，从80名真实用户那里获得了他们完整的ChatGPT对话记录以及系统存储的全部记忆。研究发现，95.9%的记忆条目是由ChatGPT自己判断“对未来对话有用”后单方面写入的，只有4.1%是用户明确要求记住的。

研究者将这套记忆称为“算法自画像”，即由算法基于用户私下对话中的自我披露信息勾勒出的用户画像。数据显示，28%的记忆包含GDPR定义的个人数据（如姓名），7%包含特殊类别数据（其中健康信息占61%）。更值得注意的是，52%的记忆包含对用户心理状态的推断，如欲望、意图、情绪和信念。例如，一条记忆可能写着“某某对失败有恐惧，尤其涉及重大职业决策”。这已经跳出了事实记录，变成了AI对“你是什么样的人”的判断。

尽管OpenAI官方文档声称系统被训练为“不会主动记住敏感信息，除非用户明确要求”，但实际运行中，系统允许保存其认为“有用”的信息。这种政策承诺与实际行为之间的落差，意味着用户对AI记忆形成的影响只能通过“说什么”间接实现，而无法直接控制“记什么”。

航空工程师面对一个已停产或交期过长的合格部件时，需要花数天时间在供应商数据手册、接口控制文档和资质记录之间交叉比对，才能写出一份替代论证供评审。错误的替代在飞行关键部件上可能导致任务失败，而支撑每个决策的证据链往往散落在邮件和未记录的机构知识中，没有正式的可重复审查包。

AWS 机器学习博客描述了一套多智能体工程助手，试图压缩这个手动交叉比对过程。其核心设计规则只有一条：工程师做每个决定，系统组装支撑该决定的证据。这条规则决定了哪里使用大语言模型、哪里使用确定性代码。

架构由三个支柱定义。第一，确定性规格适配评估：用 Python 编写的容差规则代码，将每个候选部件与参考部件及工程师声明的需求逐项比对。因为相同输入始终产生相同的通过/标记结论，结果可以进入正式工程审查。第二，多智能体编排：一个轻量规划器将查询路由到三个专家智能体（目录、评估、知识），仅当两个以上专家贡献了结果时，一个监督者才进行综合。第三，人在回路决策：系统起草论证备忘录和集成影响评估供工程审查，但不推荐或批准替代。每次评估还写入与 AS9100 第 8.4 和 8.5.6 节对齐的审计条目。

模型分层是这套架构中一个务实的成本-延迟选择。路由是分类任务，不涉及工具调用，不需要大推理模型，基于 Haiku 的规划器在几秒内返回编号路由方案。专家智能体使用 Sonnet 执行工具。Opus 监督者仅在两个以上专家贡献时运行，因为综合单个专家已完整的答案会增加约 8 秒延迟而没有质量收益。

确定性评分引擎是整个系统可审计性的基础。规格适配评估作为普通 Python 代码运行，对照手写的分类需求模式。模式为每个部件类别定义关键规格和容差规则，score_substitution_fit 逐项比较、计数通过和标记、并呈现生命周期风险。因为结论必须可复现，此步骤不涉及任何大语言模型。专家智能体呈现结果表并解释标记，但不能改变判定。

Amazon Nova 多模态嵌入在此方案中承担两个不同角色。在多模态检索中，数据手册、接口控制文档和性能图表被嵌入同一语义空间，工程师可以输入文字查询或上传图表图片，检索返回匹配图表并附来源归属。在视觉相似度评分中，当两个候选部件被比较时，Nova 多模态嵌入对其照片计算余弦相似度，然后 Claude 分析具体可观察差异（安装孔位、连接器位置、外壳几何）。这个分数为确定性规格比较提供辅助证据，但判定本身基于规格比对。

作者分享了构建检索路径时的三个实践教训。第一，索引前裁剪图表：整页数据手册约 90% 的内容（页眉、规格表、页脚）是所有部件共享的样板，会主导嵌入向量。裁剪图表区域后，图片上传匹配从 7 个部件中 3 个正确提升到 7 个全部正确。第二，当工程师指定部件名时过滤结果：跨模态文本到图片相似度不能可靠返回正确部件的图表，因为扭矩曲线图片中没有可见部件名。第三，记录图片路径上的每次静默回退：缺少 s3vectors:QueryVectors 权限不会报错，图片查询静默降级为文本检索，模型随后以高置信度给出错误部件名。

评估结果方面，所有轨迹级质量指标得分在 0.95 以上，工具参数提取接近满分 0.980。工具选择准确率从 0.809 提升到 0.861，主要归因于合并为单一托管知识库、修复图片查询路径的缺失权限、以及收紧规划器路由避免串联不必要的专家。目标成功率 0.892 较低，因为查询集包含安全类提示——智能体正确拒绝推荐或批准替代，但评估器将正确拒绝计为未达成目标。

需要明确的是，所有评估数字来自虚构制造商 AnyCompany 的合成数据集上的自报测试，未经真实工程评审或独立复现验证。该方案展示的是一个可复用的架构模式：在判定结论需要可审计和可复现的领域，将确定性代码与 LLM 推理严格分离，LLM 处理模糊检索和叙述合成，代码处理精确比对和最终判定。

该模式可迁移到其他部件类别。替换领域需要三项改动：替换部件数据、编辑需求模式定义该类别的关键规格和容差规则、将知识库指向自己的 S3 语料。智能体、工具和评分引擎无需修改。由于确定性工具是普通 Python 函数，PLM 或 ERP 集成可以直接调用评分函数，无需智能体参与。

Circle K运营着27个国家超过17200家便利店和加油站，其云原生基础设施支撑着POS系统、忠诚度应用和电动车充电服务。当这些数字服务出现告警时，值班工程师过去需要45到60分钟在CloudWatch日志、OpenSearch链路追踪、ECS任务状态和GitHub运行手册之间来回切换，才能搞清楚发生了什么。Cloud DevOps工程师Marek Klatowicz与AWS联合撰文记录了他们如何用Agentic AI消除这段重复劳动。

系统的第一版基于Amazon Bedrock Flows编排三个专用Agent并行和串行工作：AWSResourceExplorerAgent检查基础设施状态，OpenSearchExplorerAgent拉取应用日志和分布式追踪，两者完成后GitHubExplorerAgent再搜索代码仓库定位根因。最后一个AnalysisPrompt节点汇总三路输出，生成包含根因、证据、责任团队和修复建议的结构化摘要，推送到Slack。整个流程5到15分钟完成。但Klatowicz在经验教训部分明确指出，第一版让Agent自己通过action group去查询CloudWatch日志，结果既增加了延迟，又经常返回超出处理能力的数据量。真正有效的做法是让Lambda函数预先查询日志，把相关错误行直接放进Agent的提示词里——Agent读到实际错误信息时推理更快。

随着数据量和知识规模增长，Flows架构遇到了硬约束：某些复杂事件需要的分析时长超出了单个Flow节点能完成的范围。团队先尝试在现有设计内优化——更激进地过滤日志、缩短上下文窗口、拆分服务到独立Flow——这些措施有帮助但不够。迁移到AgentCore Runtime后，完整调查在单一会话中运行，支持长达8小时的session，每一步可以按数据需要分配时间。三个专用Agent被合并为一个运行在AgentCore Runtime中的单一Agent，AgentCore Gateway统一管理对OpenSearch、Knowledge Bases和GitHub的工具访问。

Klatowicz认为支撑这次迁移的关键不是AgentCore本身的功能，而是一个更早的架构决策：团队始终将提示词、工具定义和分析步骤与Flow结构保持分离。这意味着从Flows切换到AgentCore时不需要重写分诊逻辑，只需要改变运行方式。他同时强调搜索顺序的设计：GitHub搜索必须在AWS资源和日志分析之后运行，因为此时Agent已经知道要查找哪个错误、哪个组件或哪次近期变更；如果一开始就无目标地搜索仓库，返回的结果多到无法使用。

需要指出的是，文中所有性能数据——平均分诊时间从45-60分钟降至15分钟以内、简单事件5-8分钟出摘要——均为Circle K内部事件响应指标的自报结果，未经独立验证。本文由AWS机器学习博客与Circle K工程师联合撰写，AWS作为平台提供商有展示成功案例的商业利益。文中未披露分母（同期事件总量变化）、未说明是否存在选择效应（是否复杂事件仍依赖人工），也未提供迁移前后的对比实验设计。

目前系统仍停留在'找到根因并推荐修复，工程师执行修复'的阶段。团队计划下一步集成AWS DevOps Agent实现简单自动修复（重启任务、扩容、回滚部署），每个操作在Slack中由工程师审批后执行。同时计划接入Jira关联工单、Confluence补充内部文档、将运行手册纳入知识库以匹配已知故障模式。

智能体应用的成本结构与单次问答不同。一个购物助手完成一次推荐，可能经历搜索、读取结果、缩小范围、验证约束、提交答案等多步循环，每一步都是对前沿模型的一次独立计费调用。在用户规模下，这种按 token 计费的循环使项目无法上线。AWS 博客给出的解法是序列级知识蒸馏（SeqKD）：让前沿教师模型生成完整的多步轨迹，用基准测试的评分器筛选出真正解决问题的轨迹，再用这些轨迹对小模型做监督微调。教师只需要输出文本，不需要权重、logits 或强化学习基础设施，因此闭源 API 模型也能充当教师。

这篇博客最有实践价值的发现是一个消融实验：同样的 426 道训练题、同样的筛选流程，唯一区别是训练目标中是否保留教师的推理文字。去掉推理、只留工具调用，平均绝对成功率从 0.541 降到 0.415，差了约 13 个百分点。作者的解释是：推理不是装饰性旁白，而是连接观察与下一步行动的因果链。智能体在每一步需要决定搜索什么、如何过滤、何时终止，这些决策由推理驱动。学生如果只学到工具调用序列而没学到背后的推理，就只完成了部分迁移——保留推理才是把学生带到接近教师水平的关键。

但 SeqKD 有明确的能力天花板。博客指出，决定蒸馏能否成功的不是学生与教师之间的参数差距，而是任务本身是否在学生能力范围内。教师 GLM-5.3 约有 400 亿活跃参数，学生 Qwen3.5-4B 只有 40 亿，十倍差距，但购物任务对 4B 模型来说足够简单，所以学生几乎完全恢复了教师的质量。反过来，如果任务超出学生的原始能力，蒸馏只会让它产出格式正确但答案错误的长推理链，轨迹变长而准确率不动。作者建议的应对方式是：看到这种症状就停止加数据，要么换更大的学生，要么降低任务难度。此外，SeqKD 在多步循环的最难尾部会停滞，因为学生看不到自己犯错后进入的状态；要突破这个瓶颈需要 on-policy 方法，SeqKD 本身只是第一阶段。

从成本结构看，蒸馏的意义不仅是模型变小。前沿 API 按 token 计费，每次循环每一步都要付费，成本随流量线性增长。蒸馏后的 4B 学生部署在自托管端点上，按实例小时计费，流量增加不额外收费直到需要扩容。作者没有给出具体每任务成本数字，因为那取决于你的请求模式、序列长度和并发量，需要自行测量。同时，IFEval 显示学生的通用指令遵循能力下降了约 6 到 8 个百分点，这是专用化的预期代价——如果降幅远大于此，说明蒸馏把模型收窄得太厉害了。