袁老师，虽然从技术上看很清晰，但是如果付费模式上不创新，是很难避免同质化的。目前按照 token 收费模式，只是容易理解执行，并不是按照效果来付费。至少我们应该对用户的 context( prefill ）按照存储付费，然后对输出结果按照计算时间付费。 现在的付费模式一定会阻碍真的技术创新。如果你按照输出 token 收费，商业上最终一定会倾向于多输出。但是这不代表用户想要的。

生产力=模型能力×context 能力×意图

模型能力和 context 能力可以标准化，但是意图无法标准化。

Cognition推出DeepWiki 这个方法我挺喜欢的，可以引流转换到他们自家的Devin。是对 cursor 这种的一种迂回包抄的策略。而不是一种傻乎乎的比拼。

deepwiki 所做的事情，本身是 GitHub 最擅长的事情，结果github 是守着金山不会下蛋，一点都不像那个当初以快速迭代见长的风格。

这就是巨人成长之后模样。

今天体验了一下 warp 这个命令行的 Agent 模式，有点超乎我的预期。重构一下代码拆分到多个文件，保持文件名风格一致。之前不太行，现在有点哪种 Agent 的感觉了。大模型进步的还是太快了。

#产品体验

notebooklm这个产品做的真的还挺好的，添加功能很克制。现在添加了探索，加上底层模型很强大，取得了一个很好的平衡，是现在唯一一款让我使用的时候不太担心 AI 胡说的。
相比之下想豆包等添加功能太aggresive 了。

这次产品是真的惊艳。有两个方面挺出圈，一是风格使用效果好，用起来简单。另外就是可控，之前 MD 这些没办法稳定商用，大家还是需要用 ps 等工具来修整。后面这个真是巨大生产力。

搜索本是为了弥补信息真实，但是现在网上都在 AI 生成的，有点 garbage in, garbage out。
不禁让人想起了《黑客帝国》里面的 smith。

DeepSeek 做的好肯定是绝对的。另外一个方面确实是做的相对早，在 ChatGPT 爆发之前完成了团队打磨。ChatGPT 爆发之后再去参与打磨的团队心态太不一样了。

对同一个问题，分别用阿里昨晚最新的推理模型和 deepseek 的对比了一下，然后把两者的思考过程给第三方的模型评估了一下。

表明还是 deepseek 的更好一点，个人感受也是 deepseek 的更好一点。