DeepSeek 约两天前通过 API 静默上线了新模型 V4-Flash，在 Terminal-Bench 2.1 上拿下 82.7 分，比 4 月预览版大幅提升 25.8 分；并且按 API 定价估算，其调用成本仅为头部闭源模型的百分之一量级，值得开发者重新评估模型选型。
与其花时间琢磨更复杂的提示词，不如反过来让 AI 主动向你提问。这条由用户 @quincyvision 分享的「反向提示（Reverse Prompting）」方法，正在成为一种提升 AI 实际利用率的高效技巧，值得所有日常使用 AI 的人马上尝试。
海外三大云厂商最新财报均交出超预期云业务成绩单，并继续上调或维持资本开支指引，AI算力投入没有减速迹象。这对国内云计算、模型训练和AI应用生态都是一个值得关注的正面信号。
今日
AI 模型榜单正在被代码能力主导，普通用户看着高分选出的模型，在写作、学外语等日常任务上可能表现糟糕。评测指标和真实使用场景脱节，正在成为大模型选型的新陷阱。
北京一家酒吧把 DeepSeek V4 Flash 的 API 当作“店内福利”，只要连接 Wi-Fi 就能免费无限量使用。这件事真正值得注意的是：大模型推理能力第一次像 Wi-Fi、电源一样，成为线下空间提供的基础服务。
openfrog.io 宣布推出大模型中转 API 网关，宣称接入稳定且价格平均约为官方原价的 5 折，直接瞄准开发者、Agent 和自动化流程的高频调用场景——这意味着大模型 API 使用成本正在从“按官方价调用”转向多渠道比价与转售的新阶段。
《经济学人》在最新报道中提出一个现实问题：在 AI 大规模替代劳动力之前，美国能否完成对劳动者的再培训。它把政府政策、教育体系和企业培训同时放上考场，关注的是 AI 转型中最容易被忽略的“人”的环节。
知名科普创作者汉克·格林因一段疑似AI腔调的台词被观众质疑，随后在Reddit公开承认过度依赖ChatGPT做资料收集，并宣布减少产出、暂停两个在线文字游戏。这件事之所以值得关注，因为它触碰了AI时代内容创作的核心焦虑：当工具深度参与创作流程，创作者的话语权和信任感如何自证。
Anthropic、OpenAI 和 DeepSeek 正在尝试把“系统提示词”直接用作强化学习的奖励函数，推动 LLM 智能体训练从 RLHF 走向一种被称作 RULER 的新范式。训练不再只依赖人类偏好打分，而是把任务目标和行为边界写进提示词里，由模型自己判断对错。