即刻App年轻人的同好社区
下载
太恐怖了，腾讯的野心已经昭然若揭了，腾讯最近推出的新产品skillpay，明显是要做AI时代的“支付宝”了
截止到现在腾讯 SkillHub 半年内就聚合了 8 万个 Skill,但变现呢,几乎为零
企业上架的 Skill 是母业务的功能模块,调用量再高也不收费;开发者贡献的 Skill 靠热情维持,下载量再高也没收入
这个困局,让我想起了 2003 年的淘宝
2003 年,淘宝面临的核心问题不是怎么让人买东西,而是怎么让人敢买东西
商家不愿意货到付款,消费者不敢直接打钱,没有保障,交易根本跑不通
马云当时找了很多银行做担保交易,没有一家愿意干,阿里自己又没有牌照
最后他说了一句话:如果因为这个产品要去坐牢,那就是我去
支付宝的担保交易模式就这样诞生了:买家下单后货款暂存支付宝,收到商品确认无误后才打给卖家
这个设计解决的不是支付问题,是信任问题
正是因为解决了电商时代最核心的信任问题,支付宝才从一个支付工具,变成了整个阿里生态的基础设施
对比一下腾讯的财付通
2005 年成立,比支付宝晚不了多久,背靠 QQ 的庞大流量,理论上应该有机会
但为什么输了,因为腾讯没有电商生态
财付通只能服务于 QQ 充值、游戏道具这些场景,它只是一个支付工具,不是基础设施
直到春节,微信红包横空出世,用社交裂变的方式让数千万用户一夜之间绑定银行卡,微信支付才完成了支付宝十年的用户积累
但即便如此,微信支付的定位依然是线下支付和社交支付,它没有像支付宝那样成为一个生态的商业操作系统
历史总是不断的重演，惊人的相似，腾讯 SkillHub 正式上线 SkillPay,首次将技能分发、Agent 调用与技能支付在同一条链路上打通！
这个动作的意义,绝对体现了鹅厂的战略眼光
Agent 生态现在面临的问题,和 2003 年的淘宝一模一样:
供给有了,但交易跑不通
开发者做出了好用的 Skill,但没法收费;企业想要变现,但没有支付闭环;用户想要用 Agent 完成复杂任务,但涉及付费环节就卡住了
SkillPay 做的事情,本质上就是 Agent 时代的担保交易:
商家在 SkillHub 上架 Pay Skill,获得面向 Agent 的收费能力;SkillHub 负责来源认证、内容完整性校验;微信支付提供底层支付体系和 AI 专属卡
三方分工协同,构建起完整的 Agent 付费技能商业化支撑体系
更关键的是 AI 专属卡的设计:
主账隔离,AI 专属卡与微信支付主账户完全隔离,Agent 的消费只能用专属卡余额;笔笔确认,每一笔订单都要用户在手机端确认才执行
这个设计解决的也不是支付问题,是信任问题
用户凭什么敢让 Agent 自主完成付费任务,因为有隔离、有确认、有可信调用体系
把这两段历史放在一起看,你会发现一个有意思的对照:
互联网时代,腾讯有流量(QQ、微信),但没有电商生态,所以财付通输给了支付宝
AI 时代,腾讯不争 Agent 本身,而是做 Agent 的商业基础设施
这个战略选择,体现了腾讯对上一个时代教训的深刻理解
支付宝为什么能赢,不是因为阿里有钱有技术,而是因为它有淘宝这个生态,支付宝是这个生态的基础设施
微信支付为什么能逆袭,不是因为产品做得多好,而是因为微信红包找到了社交裂变这个杠杆,撬动了线下支付场景
SkillPay 的逻辑是什么,不是做一个支付工具,而是做 Agent 生态的商业操作系统
SkillHub 负责技能分发和可信调用,SkillPay 负责支付闭环,微信支付提供底层能力
这个组合拳,复刻的是当年淘宝 + 支付宝 + 阿里云的模式
更重要的是,腾讯这次的格局在于:它不对企业规模设置入驻门槛,个人开发者也能发布 Pay Skill
这意味着什么,意味着 SkillPay 要做的不是服务头部企业,而是让整个 Agent 生态的商业化能力普惠化
这和支付宝当年的定位一模一样:让天下没有难做的生意
尼尔森 IQ 最近发布的报告里有一句话我印象很深:
当西方还在争论 AI 是否会替我们购物时,亚洲部分地区已经在悄然进行,支付宝 AI 支付已经超过 1.2 亿笔交易
Agent 商业化不是未来,是现在
而 SkillPay 的上线,意味着这个商业化闭环的最后一块拼图被补上了
上一个时代,谁掌握了支付谁就掌握了电商
这个时代,谁掌握了 AI 支付谁就掌握了 Agent 经济
腾讯这波的格局和预判,其实早就被写在了上一个浪潮中
截止到现在腾讯 SkillHub 半年内就聚合了 8 万个 Skill,但变现呢,几乎为零
企业上架的 Skill 是母业务的功能模块,调用量再高也不收费;开发者贡献的 Skill 靠热情维持,下载量再高也没收入
这个困局,让我想起了 2003 年的淘宝
2003 年,淘宝面临的核心问题不是怎么让人买东西,而是怎么让人敢买东西
商家不愿意货到付款,消费者不敢直接打钱,没有保障,交易根本跑不通
马云当时找了很多银行做担保交易,没有一家愿意干,阿里自己又没有牌照
最后他说了一句话:如果因为这个产品要去坐牢,那就是我去
支付宝的担保交易模式就这样诞生了:买家下单后货款暂存支付宝,收到商品确认无误后才打给卖家
这个设计解决的不是支付问题,是信任问题
正是因为解决了电商时代最核心的信任问题,支付宝才从一个支付工具,变成了整个阿里生态的基础设施
对比一下腾讯的财付通
2005 年成立,比支付宝晚不了多久,背靠 QQ 的庞大流量,理论上应该有机会
但为什么输了,因为腾讯没有电商生态
财付通只能服务于 QQ 充值、游戏道具这些场景,它只是一个支付工具,不是基础设施
直到春节,微信红包横空出世,用社交裂变的方式让数千万用户一夜之间绑定银行卡,微信支付才完成了支付宝十年的用户积累
但即便如此,微信支付的定位依然是线下支付和社交支付,它没有像支付宝那样成为一个生态的商业操作系统
历史总是不断的重演，惊人的相似，腾讯 SkillHub 正式上线 SkillPay,首次将技能分发、Agent 调用与技能支付在同一条链路上打通！
这个动作的意义,绝对体现了鹅厂的战略眼光
Agent 生态现在面临的问题,和 2003 年的淘宝一模一样:
供给有了,但交易跑不通
开发者做出了好用的 Skill,但没法收费;企业想要变现,但没有支付闭环;用户想要用 Agent 完成复杂任务,但涉及付费环节就卡住了
SkillPay 做的事情,本质上就是 Agent 时代的担保交易:
商家在 SkillHub 上架 Pay Skill,获得面向 Agent 的收费能力;SkillHub 负责来源认证、内容完整性校验;微信支付提供底层支付体系和 AI 专属卡
三方分工协同,构建起完整的 Agent 付费技能商业化支撑体系
更关键的是 AI 专属卡的设计:
主账隔离,AI 专属卡与微信支付主账户完全隔离,Agent 的消费只能用专属卡余额;笔笔确认,每一笔订单都要用户在手机端确认才执行
这个设计解决的也不是支付问题,是信任问题
用户凭什么敢让 Agent 自主完成付费任务,因为有隔离、有确认、有可信调用体系
把这两段历史放在一起看,你会发现一个有意思的对照:
互联网时代,腾讯有流量(QQ、微信),但没有电商生态,所以财付通输给了支付宝
AI 时代,腾讯不争 Agent 本身,而是做 Agent 的商业基础设施
这个战略选择,体现了腾讯对上一个时代教训的深刻理解
支付宝为什么能赢,不是因为阿里有钱有技术,而是因为它有淘宝这个生态,支付宝是这个生态的基础设施
微信支付为什么能逆袭,不是因为产品做得多好,而是因为微信红包找到了社交裂变这个杠杆,撬动了线下支付场景
SkillPay 的逻辑是什么,不是做一个支付工具,而是做 Agent 生态的商业操作系统
SkillHub 负责技能分发和可信调用,SkillPay 负责支付闭环,微信支付提供底层能力
这个组合拳,复刻的是当年淘宝 + 支付宝 + 阿里云的模式
更重要的是,腾讯这次的格局在于:它不对企业规模设置入驻门槛,个人开发者也能发布 Pay Skill
这意味着什么,意味着 SkillPay 要做的不是服务头部企业,而是让整个 Agent 生态的商业化能力普惠化
这和支付宝当年的定位一模一样:让天下没有难做的生意
尼尔森 IQ 最近发布的报告里有一句话我印象很深:
当西方还在争论 AI 是否会替我们购物时,亚洲部分地区已经在悄然进行,支付宝 AI 支付已经超过 1.2 亿笔交易
Agent 商业化不是未来,是现在
而 SkillPay 的上线,意味着这个商业化闭环的最后一块拼图被补上了
上一个时代,谁掌握了支付谁就掌握了电商
这个时代,谁掌握了 AI 支付谁就掌握了 Agent 经济
腾讯这波的格局和预判,其实早就被写在了上一个浪潮中
11 11
“被deepseek超过那你就玩完了，但是超过deepseek你也没什么可骄傲的”
这是我最近看到的最有意思的一句话，可以说全网都被deepseek刷屏了，其实我也真的没想到竟然有人能把模型做的又省钱又好…
完成同样一个完整的 Agent 任务， DeepSeek 花 3 美分， Claude Fable 5 花 3.15 美元， 100倍的成本差距
我愿称之为第二次的“deepseek时刻”！！
回想起 2025 年初那个第一次的 DeepSeek 时刻， 当时它证明了开源模型能追平闭源， 现在它证明的是，可用级别的智能模型，成本已经低到几乎可以忽略不计
大家很多人没意识到这个数量级成本的减少意味着什么
这不是简单的打个折，或者性能优化了 20%， 而是一个完全不同的商业逻辑
以前我们要做个agent产品，要商业化 ，最先考虑的一定是调用成本的问题
可以说每多一轮调用都在心疼 token， 要做缓存，要想尽办法省调用
现在你完全可以让 Agent 随便跑， 跑十轮二十轮，成本还不到以前的零头
从产品经理视角看这件事，我习惯用产品思维拆解这次成本锐减带来的新机会
DeepSeek V4-Flash 这次的升级路径很有意思： 参数架构完全不变（284B 总参数 / 13B 激活）， 纯靠后训练把 Agent 能力从 7.3 拉到 54.4，涨了 7.5 倍
这打破了一个行业共识： 大家以为提升能力 = 堆更多参数量= 更高的调用成本
DeepSeek 证明了另一条路： 同样的模型，通过更好的训练方法， 可以在不增加推理成本的前提下，大幅提升实际可用性
这才是真正的工程创新
我觉得这肯定会直接催生一整代以前根本不可能存在的产品
那些需要大规模、长程、多轮 Agent 调用的应用， 以前算下来 ROI 根本不成立， 现在突然就全部成立了
比如：
全天候运行的个人 AI 助理，不用担心月底账单爆炸
深度代码审查工具，可以反复迭代几十轮直到完美
实时市场分析 Agent，每分钟跑一次也不心疼
教育场景的无限耐心 AI 导师
以前这些场景的技术可行性都在， 但商业可行性不在
现在门槛被彻底打开了
当然，顶尖模型在最难的任务上还是更强， 但日常 80% 的工作， 3 美分和 3 美元做出来的东西，大多数人根本分不出区别
接下来会发生什么：
闭源厂商会被迫继续降价
开发者会重新分层使用模型， 高频日常任务全用 Flash 级别的模型， 只有最关键的决策才用最贵的模型
但最深远的影响其实是， 智能本身正在变成大宗商品…
就像电力，就像带宽， 当它便宜到一定程度， 就没有人再去讨论它的价格了， 大家只会讨论用它来造什么
网友说的“DeepSeek 斩杀线”不是玩笑
难怪大家又开始叫梁文峰“梁圣”， 还有人说梁圣的恩情还不完
而这一天，可能比我们所有人预想的都要来得快
作为 AI个体，我最关心的永远是： 这个工具能帮我省多少时间，赚多少钱， 以及它背后的商业逻辑是什么
AGI时代因为deepseek最起码加速了20年！
这是我最近看到的最有意思的一句话，可以说全网都被deepseek刷屏了，其实我也真的没想到竟然有人能把模型做的又省钱又好…
完成同样一个完整的 Agent 任务， DeepSeek 花 3 美分， Claude Fable 5 花 3.15 美元， 100倍的成本差距
我愿称之为第二次的“deepseek时刻”！！
回想起 2025 年初那个第一次的 DeepSeek 时刻， 当时它证明了开源模型能追平闭源， 现在它证明的是，可用级别的智能模型，成本已经低到几乎可以忽略不计
大家很多人没意识到这个数量级成本的减少意味着什么
这不是简单的打个折，或者性能优化了 20%， 而是一个完全不同的商业逻辑
以前我们要做个agent产品，要商业化 ，最先考虑的一定是调用成本的问题
可以说每多一轮调用都在心疼 token， 要做缓存，要想尽办法省调用
现在你完全可以让 Agent 随便跑， 跑十轮二十轮，成本还不到以前的零头
从产品经理视角看这件事，我习惯用产品思维拆解这次成本锐减带来的新机会
DeepSeek V4-Flash 这次的升级路径很有意思： 参数架构完全不变（284B 总参数 / 13B 激活）， 纯靠后训练把 Agent 能力从 7.3 拉到 54.4，涨了 7.5 倍
这打破了一个行业共识： 大家以为提升能力 = 堆更多参数量= 更高的调用成本
DeepSeek 证明了另一条路： 同样的模型，通过更好的训练方法， 可以在不增加推理成本的前提下，大幅提升实际可用性
这才是真正的工程创新
我觉得这肯定会直接催生一整代以前根本不可能存在的产品
那些需要大规模、长程、多轮 Agent 调用的应用， 以前算下来 ROI 根本不成立， 现在突然就全部成立了
比如：
全天候运行的个人 AI 助理，不用担心月底账单爆炸
深度代码审查工具，可以反复迭代几十轮直到完美
实时市场分析 Agent，每分钟跑一次也不心疼
教育场景的无限耐心 AI 导师
以前这些场景的技术可行性都在， 但商业可行性不在
现在门槛被彻底打开了
当然，顶尖模型在最难的任务上还是更强， 但日常 80% 的工作， 3 美分和 3 美元做出来的东西，大多数人根本分不出区别
接下来会发生什么：
闭源厂商会被迫继续降价
开发者会重新分层使用模型， 高频日常任务全用 Flash 级别的模型， 只有最关键的决策才用最贵的模型
但最深远的影响其实是， 智能本身正在变成大宗商品…
就像电力，就像带宽， 当它便宜到一定程度， 就没有人再去讨论它的价格了， 大家只会讨论用它来造什么
网友说的“DeepSeek 斩杀线”不是玩笑
难怪大家又开始叫梁文峰“梁圣”， 还有人说梁圣的恩情还不完
而这一天，可能比我们所有人预想的都要来得快
作为 AI个体，我最关心的永远是： 这个工具能帮我省多少时间，赚多少钱， 以及它背后的商业逻辑是什么
AGI时代因为deepseek最起码加速了20年！
5 10
最近正在梳理专属于自己的AI编程套件，用于提升自己的编程效率
我先花了几天收集和测评了 5 个 GitHub 26 万星的 AI 编程套件！直接把结论分享给大家：
1. obra/superpowers
这个应该大家都很熟悉了，superpower已经存在了2年左右
14 个技能硬编码工作流：brainstorming（苏格拉底式提问出 spec）→ writing-plans（拆成 2-5 分钟粒度任务）→ 子代理逐任务实现 + 双阶段评审（5 轮修复上限，超限强制停机裁决）
适合场景：你在意“防 AI 跑偏”多于交互流畅，需要无人值守的长任务
2. mattpocock/skills — 按需取用的工程工具箱
这个最近可以说是火爆了，我实测下来单环节的效果最好，强烈推荐大家用用，我之后的ai套件也会基于这个skill体系进行优化
两个杀手级技能值得单独说：
/grill-with-docs — 把需求对齐变成文档资产
这是我测下来最聪明的一个设计
它不是简单的“AI 问你问题”，而是边问边写 CONTEXT.md 和 ADR（架构决策记录）
举个例子，你说“课程里的 lesson 变成真实文件时有问题”
它会逼你定义“真实文件”是什么，然后把这个概念写进 CONTEXT.md，术语统一叫“materialization cascade”
下次 AI 看代码时直接用这个词，不用每次都解释一遍
更绝的是：它会拿你的新想法去撞现有的 CONTEXT.md，发现矛盾就当场质疑你
“你上周说 X，这周又说 Y，到底哪个对？”
这个反向质疑机制，是我见过唯一能防止需求飘移的工具
/diagnosing-bugs — 6 步诊断法，强制你别瞎猜
这个技能解决了 AI 调试最大的问题：跳过复现直接改代码
它强制执行 6 个阶段：
先写一个能让 bug 稳定复现的测试（红灯）
最小化复现场景（删到不能再删）
提出假设（不许直接改代码）
加 log 验证假设
修复
写回归测试
3. garrytan/gstack — Web 产品从想法到上线的流水线
YC CEO Garry Tan 开源的个人配置，59 个技能，角色分工（CEO 拷问 /office-hours、安全官 /cso、发布工程师 /land-and-deploy）
这个skill我主要吸收以下两块内容：
Playwright 驱动真实 Chromium 的常驻 daemon（首次 3 秒、之后每命令 100-200ms，登录态全程保留，/qa 边点页面边改码边复验）
careful/freeze/guard 三个护栏用 PreToolUse hook 真拦截，不是靠提示词“记得小心”
4. multica-ai/andrej-karpathy-skills — LLM 通病的行为补丁
这个之前推荐过，karpathy的编程准则，非常适合写入claude.md中
本体就是一份 2.3KB 的 CLAUDE.md，四组守则：
Think Before Coding（不静默假设）
/ Simplicity First（不过度抽象，“200 行能写 50 行就重写”）
/ Surgical Changes（每行改动可追溯到用户请求，不顺手重构）
/ Goal-Driven（“修 bug”→“先写复现测试再让它通过”）
5. anthropics/skills — 官方能力扩展 + 写 skill 的标尺
GitHub: anthropics/skills（16.7 万星，官方仓库）
17 个能力型技能：docx/pptx/xlsx/pdf 操作、Playwright 网页测试、MCP 构建指南等
它给 Claude 加“会做的事”，不管“怎么工作”，和上面四家不构成竞争
最值钱的是 skill-creator：唯一带闭环评测的技能（自动跑 with-skill vs baseline 对照、优化 description 触发率、格式校验脚本）
你以后自己写 skill 时它是标尺
适合场景：
/plugin marketplace add anthropics/skills，装 document-skills（pdf/xlsx/docx）；另装 skill-creator
这些套件的共同点是：它们都在用代码重新定义“什么是好的 AI 编程工作流”
以前写代码是在 IDE 里敲，现在是在跟 AI 描述你要什么
但 AI 不懂工程规范，所以这些开源作者做的事，本质上是把工程纪律编译成了 AI 能理解的规则
我认为每一个资深的开发者都值得搭建一个自生长的专属ai编程套件，从而适配自己的编程习惯！
如果这次的分享对你有帮助，欢迎大家点赞支持一下！谢谢大家～
我先花了几天收集和测评了 5 个 GitHub 26 万星的 AI 编程套件！直接把结论分享给大家：
1. obra/superpowers
这个应该大家都很熟悉了，superpower已经存在了2年左右
14 个技能硬编码工作流：brainstorming（苏格拉底式提问出 spec）→ writing-plans（拆成 2-5 分钟粒度任务）→ 子代理逐任务实现 + 双阶段评审（5 轮修复上限，超限强制停机裁决）
适合场景：你在意“防 AI 跑偏”多于交互流畅，需要无人值守的长任务
2. mattpocock/skills — 按需取用的工程工具箱
这个最近可以说是火爆了，我实测下来单环节的效果最好，强烈推荐大家用用，我之后的ai套件也会基于这个skill体系进行优化
两个杀手级技能值得单独说：
/grill-with-docs — 把需求对齐变成文档资产
这是我测下来最聪明的一个设计
它不是简单的“AI 问你问题”，而是边问边写 CONTEXT.md 和 ADR（架构决策记录）
举个例子，你说“课程里的 lesson 变成真实文件时有问题”
它会逼你定义“真实文件”是什么，然后把这个概念写进 CONTEXT.md，术语统一叫“materialization cascade”
下次 AI 看代码时直接用这个词，不用每次都解释一遍
更绝的是：它会拿你的新想法去撞现有的 CONTEXT.md，发现矛盾就当场质疑你
“你上周说 X，这周又说 Y，到底哪个对？”
这个反向质疑机制，是我见过唯一能防止需求飘移的工具
/diagnosing-bugs — 6 步诊断法，强制你别瞎猜
这个技能解决了 AI 调试最大的问题：跳过复现直接改代码
它强制执行 6 个阶段：
先写一个能让 bug 稳定复现的测试（红灯）
最小化复现场景（删到不能再删）
提出假设（不许直接改代码）
加 log 验证假设
修复
写回归测试
3. garrytan/gstack — Web 产品从想法到上线的流水线
YC CEO Garry Tan 开源的个人配置，59 个技能，角色分工（CEO 拷问 /office-hours、安全官 /cso、发布工程师 /land-and-deploy）
这个skill我主要吸收以下两块内容：
Playwright 驱动真实 Chromium 的常驻 daemon（首次 3 秒、之后每命令 100-200ms，登录态全程保留，/qa 边点页面边改码边复验）
careful/freeze/guard 三个护栏用 PreToolUse hook 真拦截，不是靠提示词“记得小心”
4. multica-ai/andrej-karpathy-skills — LLM 通病的行为补丁
这个之前推荐过，karpathy的编程准则，非常适合写入claude.md中
本体就是一份 2.3KB 的 CLAUDE.md，四组守则：
Think Before Coding（不静默假设）
/ Simplicity First（不过度抽象，“200 行能写 50 行就重写”）
/ Surgical Changes（每行改动可追溯到用户请求，不顺手重构）
/ Goal-Driven（“修 bug”→“先写复现测试再让它通过”）
5. anthropics/skills — 官方能力扩展 + 写 skill 的标尺
GitHub: anthropics/skills（16.7 万星，官方仓库）
17 个能力型技能：docx/pptx/xlsx/pdf 操作、Playwright 网页测试、MCP 构建指南等
它给 Claude 加“会做的事”，不管“怎么工作”，和上面四家不构成竞争
最值钱的是 skill-creator：唯一带闭环评测的技能（自动跑 with-skill vs baseline 对照、优化 description 触发率、格式校验脚本）
你以后自己写 skill 时它是标尺
适合场景：
/plugin marketplace add anthropics/skills，装 document-skills（pdf/xlsx/docx）；另装 skill-creator
这些套件的共同点是：它们都在用代码重新定义“什么是好的 AI 编程工作流”
以前写代码是在 IDE 里敲，现在是在跟 AI 描述你要什么
但 AI 不懂工程规范，所以这些开源作者做的事，本质上是把工程纪律编译成了 AI 能理解的规则
我认为每一个资深的开发者都值得搭建一个自生长的专属ai编程套件，从而适配自己的编程习惯！
如果这次的分享对你有帮助，欢迎大家点赞支持一下！谢谢大家～
00:18
3 01
一个连续五年的草根创业者给年轻人的三个建议
第一个建议：跟随时代，去找到时代下一步的落脚点
过去几年，我接触到了非常多的创业者，我发现所有的年轻创业者往往是从信息差开始的
比如AI自媒体，很多人会问：自媒体还是机会吗？
2026年下半场，全国自媒体创作者数量逼近2亿，远超宠物饲养总量，创作者遍地扎堆、赛道严重内卷，自媒体早已从风口红利行业，沦为极度饱和的红海修罗场，仅4%的创作者能实现年入十万以上，超六成从业者月收入不足1800元
所以我的答案是：自媒体不是时代的下一步落脚点，AI OPC（一人公司/超级个体）才是
什么是 AI OPC？
2026年国家七部委联合发文，首次将 AI OPC（一人公司/超级个体）纳入国家级新质生产力培育体系，明确扶持 AI 单人创业、超级个体就业，设立 OPC 首席运营师官方岗位体系
简单来说，就是用 AI 工具武装自己，成为一个人就能干一支队伍活的超级个体
你可以用 AI 做自媒体，也可以用 AI 做设计、做编程、做咨询、做教育、做任何你看得见的生意
自媒体只是 AI OPC 的一个训练场，而不是终点
为什么我还劝你做自媒体？
因为自媒体是最低成本的试错场：不需要租办公室、囤货或招员工，一部手机加一台电脑就能开始，最大成本只是时间，失败代价小，今天发得不好可以明天继续，账号不行可以重新开始
你在自媒体上折腾，本质上是在训练三个核心能力：
内容生产能力：如何用 AI 快速生产高质量内容
流量获取能力：如何理解平台算法，获取精准流量
商业变现能力：如何把流量转化为收入
这三个能力，是 AI OPC 的底层能力
等你在自媒体上跑通了这套逻辑，你就可以把这套能力迁移到任何领域
我大一卖电话卡，本质上是在训练流量获取能力
我大二做小程序，本质上是在训练产品能力和商业变现能力
现在我做 OPC，这些能力全都用上了，相信自己的判断，勇敢去做，后来者永远有机会
第二个建议：先做自己看得见的事情，从小事做起，先培养一个人成功的性格底色
这是我大三亏钱后最大的领悟
很多人想创业，第一反应就是：我要做个大项目，我要融资，我要招团队
但真相是：性格底色才是第一性原理
所以你要做的，不是一上来就做大项目，而是先培养成功的性格底色
什么是成功的性格底色？
敢于进入无人区（不跟随主流路线）
用最少资源做到最好（极致效率）
输了认账继续走（长期主义）
如果真的没有生存资金，那就一边工作一边做自媒体，直到自媒体收入能够维持很好的生活，找到一个业务，直接跳出来创业
第三个建议：不要去害怕折腾，不管折腾是成功还是失败，你已经比别人强了很多了
这是我想说的最重要的一点
2026年，23岁的00后金迦南用半年时间把“AI 短剧创业”从零做起，他说：“AI 让一人公司成为个人工作者比较好的创业方式，先小步试错，别盲目 all in
最大的成长是从学生思维转向了商业思维，学会了独当一面解决问题的方式
折腾的本质，是用时间换经验，而不是用时间换钱
很多人害怕折腾，是因为他们把折腾等同于失败
但真相是：折腾本身就是成功
你折腾了，你就比那些不敢折腾的人多了一次试错的机会
你折腾了，你就比那些不敢折腾的人多了一次成长的机会
你折腾了，你就比那些不敢折腾的人多了一次积累的机会
时间的复利效应，只对折腾的人有效
研究显示，世界上聪明的人太多，但只要你每天都保持学习，没有人能赶得上你，人生会发生巨大的复利效应，持续学习是应对一切变化的核心
财富从来不是单纯的金钱，财富是靠独特专长，叠加时代杠杆，长期沉淀而来的复利结果
当你把时间作为杠杆去撬动这些资源时，时间的复利效应才会真正爆发
最后，送给所有年轻人一句话：这个世界上最珍贵的东西是时间
第一个建议：跟随时代，去找到时代下一步的落脚点
过去几年，我接触到了非常多的创业者，我发现所有的年轻创业者往往是从信息差开始的
比如AI自媒体，很多人会问：自媒体还是机会吗？
2026年下半场，全国自媒体创作者数量逼近2亿，远超宠物饲养总量，创作者遍地扎堆、赛道严重内卷，自媒体早已从风口红利行业，沦为极度饱和的红海修罗场，仅4%的创作者能实现年入十万以上，超六成从业者月收入不足1800元
所以我的答案是：自媒体不是时代的下一步落脚点，AI OPC（一人公司/超级个体）才是
什么是 AI OPC？
2026年国家七部委联合发文，首次将 AI OPC（一人公司/超级个体）纳入国家级新质生产力培育体系，明确扶持 AI 单人创业、超级个体就业，设立 OPC 首席运营师官方岗位体系
简单来说，就是用 AI 工具武装自己，成为一个人就能干一支队伍活的超级个体
你可以用 AI 做自媒体，也可以用 AI 做设计、做编程、做咨询、做教育、做任何你看得见的生意
自媒体只是 AI OPC 的一个训练场，而不是终点
为什么我还劝你做自媒体？
因为自媒体是最低成本的试错场：不需要租办公室、囤货或招员工，一部手机加一台电脑就能开始，最大成本只是时间，失败代价小，今天发得不好可以明天继续，账号不行可以重新开始
你在自媒体上折腾，本质上是在训练三个核心能力：
内容生产能力：如何用 AI 快速生产高质量内容
流量获取能力：如何理解平台算法，获取精准流量
商业变现能力：如何把流量转化为收入
这三个能力，是 AI OPC 的底层能力
等你在自媒体上跑通了这套逻辑，你就可以把这套能力迁移到任何领域
我大一卖电话卡，本质上是在训练流量获取能力
我大二做小程序，本质上是在训练产品能力和商业变现能力
现在我做 OPC，这些能力全都用上了，相信自己的判断，勇敢去做，后来者永远有机会
第二个建议：先做自己看得见的事情，从小事做起，先培养一个人成功的性格底色
这是我大三亏钱后最大的领悟
很多人想创业，第一反应就是：我要做个大项目，我要融资，我要招团队
但真相是：性格底色才是第一性原理
所以你要做的，不是一上来就做大项目，而是先培养成功的性格底色
什么是成功的性格底色？
敢于进入无人区（不跟随主流路线）
用最少资源做到最好（极致效率）
输了认账继续走（长期主义）
如果真的没有生存资金，那就一边工作一边做自媒体，直到自媒体收入能够维持很好的生活，找到一个业务，直接跳出来创业
第三个建议：不要去害怕折腾，不管折腾是成功还是失败，你已经比别人强了很多了
这是我想说的最重要的一点
2026年，23岁的00后金迦南用半年时间把“AI 短剧创业”从零做起，他说：“AI 让一人公司成为个人工作者比较好的创业方式，先小步试错，别盲目 all in
最大的成长是从学生思维转向了商业思维，学会了独当一面解决问题的方式
折腾的本质，是用时间换经验，而不是用时间换钱
很多人害怕折腾，是因为他们把折腾等同于失败
但真相是：折腾本身就是成功
你折腾了，你就比那些不敢折腾的人多了一次试错的机会
你折腾了，你就比那些不敢折腾的人多了一次成长的机会
你折腾了，你就比那些不敢折腾的人多了一次积累的机会
时间的复利效应，只对折腾的人有效
研究显示，世界上聪明的人太多，但只要你每天都保持学习，没有人能赶得上你，人生会发生巨大的复利效应，持续学习是应对一切变化的核心
财富从来不是单纯的金钱，财富是靠独特专长，叠加时代杠杆，长期沉淀而来的复利结果
当你把时间作为杠杆去撬动这些资源时，时间的复利效应才会真正爆发
最后，送给所有年轻人一句话：这个世界上最珍贵的东西是时间
4 01
为什么你要关注我？
1.从我身上你既能学到野路子创业的狠劲，又能学到大厂正规军的方法
2.我之前做一件失败一件，现在我做一件成一件，我太清楚中间要经过怎样的修炼
3.我是市面上为数不多的，既讲AI干货，又讲AI落地实践的博主
大部分野路子博主不具备良好的AI方法论，这注定他们吃不到大的AI红利
大部分AI方法论博主，不具备干脏活累活的坚韧，这注定他们看不到水面下的生意
当然，如果你认为我在吹牛，那也没关系
1.从我身上你既能学到野路子创业的狠劲，又能学到大厂正规军的方法
2.我之前做一件失败一件，现在我做一件成一件，我太清楚中间要经过怎样的修炼
3.我是市面上为数不多的，既讲AI干货，又讲AI落地实践的博主
大部分野路子博主不具备良好的AI方法论，这注定他们吃不到大的AI红利
大部分AI方法论博主，不具备干脏活累活的坚韧，这注定他们看不到水面下的生意
当然，如果你认为我在吹牛，那也没关系
AI柿子: 2023年，我做电商拥有了自己的第一家个体工商户 短短三年，我从月入10w回归月入1万的打工人 然后再从月入1万的打工人到月入3万+的高级产品经理 2026年我选择离职创业 2026年，我拥有了自己的第一家公司 人生，就是跌宕起伏才更有意义！
2 02
大三那年，我在电商上亏了一大笔钱（10w+，原因是因为女装退货率太高…
当时整个人是懵的，不知道接下来该怎么办
但现在回头看，那次亏钱是我人生最重要的转折点
因为它让我明白了一件事：做事的底层逻辑，比做什么事更重要
前两天翻到梁文锋26岁的微博，真的是狠狠共鸣了
2011年底，26岁的梁文锋开着一辆破菲亚特进了西藏
同行的人到拉萨玩完就飞回去了，他没回
一个人继续往西，羊卓雍措、珠峰、希夏邦马，一直扎进阿里无人区400公里
车扔了，人走出来了，轻描淡写一句话，然后继续往前走
看到这段经历的时候，我脑子里闪过的第一个念头是：这不就是我大三亏钱后的状态吗
作为一个从大一就开始折腾的草根创业者，我学历确实一般，虽然我是个普通人，但是我对梁文锋的故事有种天然的共鸣
梁文锋：同行的人到拉萨就飞回去了，他一个人继续往西，扎进无人区400公里
我：大一靠卖校园电话卡日入过万，室友都去找实习了，我继续折腾，大二做“微校园”小程序，一个月营收50万，最高养过100多个外卖骑手团队
DeepSeek：大家都在做应用、做商业化、做能快速变现的事情，梁文锋一个人往里走，做基础模型，做 AGI，很长时间都不融资、不社交、不出来参加各种大会
2026年7月投资人会议上，梁文锋说得很直白：DeepSeek 只有一个核心目标——AGI，现在不是通过产品来赚最多钱的时候
梁文锋：用入门级 D50套头，但能等大半天就为了一束光，拍出专业级照片
我：大二用一个小程序撬动50万月营收，不是靠砸钱，是靠死磕产品逻辑和地推 SOP
DeepSeek：DeepSeek-V3用671B 参数，训练成本只有558万美元，推理成本比同类模型降低65%-73%，性能却能逼近 GPT-4o
这不是什么商业策略，这是一个用入门相机等半天光线的人，做模型时会把每一分算力都榨干的必然结果
梁文锋：车扔在无人区，人走出来了，写一句 That‘s the END，然后继续走
我：大三电商亏了一大笔钱，愿赌服输，转做产品经理，从2024年做到现在，我敢说我对整个世界的理解和赚钱的底层逻辑越来越清晰
DeepSeek：开源就开源，被制裁就被制裁，模型放出去就放出去，梁文锋在会议上说，克制是一种策略，你放弃某些东西，换来更多别的东西
现在我一个人出来创业，成为 OPC，心里没有任何焦虑和忐忑，只有对目标的不懈追求，我坚信这个时间节点就一定是我等待了24年最好的机会！
现在的我，不缺时间，不缺精力，不缺资金（也还是缺的…）
相比于传统的草根创业者，我多了产品经理的思考和认知
相比于顶级的AI人才，我多了泥泞中的黑色生命力，我多了无数次失败的经验，我不缺的就是耐心和意志力
还是那句话：干就完了！！
作为一个草根出身、亲自踩过坑的创业者，我想分享三个最真实的感悟
1. 敢于进入无人区，不跟随主流路线
不是说你一定要去做 AGI 或者做什么高大上的事情
而是说，当所有人都在做 A 的时候，你要有勇气去想想 B 是不是更适合你
我大一卖电话卡的时候，室友都觉得我不务正业，现在他们有些都没有工作，我已经从大厂辞职开始做 OPC了
2. 用最少资源做到最好，追求极致效率
梁文锋用558万美元训练出逼近 GPT-4o 的模型
我大二用一个小程序撬动50万月营收
不是因为我们有多厉害，而是因为我们把每一分资源都用在了刀刃上
3. 输了认账继续走，保持长期主义
大二破产的时候，我怀疑过自己，大三亏钱的时候，我也怀疑过自己
但我没有停下来，而是转做产品经理，继续学习，继续成长
现在回头看，这几次失败是我最宝贵的财富
因为它让我明白了：技术会迭代，工具会更新，但一个人的性格底色，才是他能走多远的第一性原理
你可以学会用 Claude、用 Cursor、用 DeepSeek
但你学不会梁文锋敢把车扔在无人区的那份笃定
也学不会我大三敢亏钱认账、现在敢一个人单干的那份狠劲
人生很长，把自己的人生当作地球online游戏，大部分人的生活都是一条稳定的横线，但是我想要的是波澜壮阔的山峰，不管是否最终停留在谷底！
当时整个人是懵的，不知道接下来该怎么办
但现在回头看，那次亏钱是我人生最重要的转折点
因为它让我明白了一件事：做事的底层逻辑，比做什么事更重要
前两天翻到梁文锋26岁的微博，真的是狠狠共鸣了
2011年底，26岁的梁文锋开着一辆破菲亚特进了西藏
同行的人到拉萨玩完就飞回去了，他没回
一个人继续往西，羊卓雍措、珠峰、希夏邦马，一直扎进阿里无人区400公里
车扔了，人走出来了，轻描淡写一句话，然后继续往前走
看到这段经历的时候，我脑子里闪过的第一个念头是：这不就是我大三亏钱后的状态吗
作为一个从大一就开始折腾的草根创业者，我学历确实一般，虽然我是个普通人，但是我对梁文锋的故事有种天然的共鸣
梁文锋：同行的人到拉萨就飞回去了，他一个人继续往西，扎进无人区400公里
我：大一靠卖校园电话卡日入过万，室友都去找实习了，我继续折腾，大二做“微校园”小程序，一个月营收50万，最高养过100多个外卖骑手团队
DeepSeek：大家都在做应用、做商业化、做能快速变现的事情，梁文锋一个人往里走，做基础模型，做 AGI，很长时间都不融资、不社交、不出来参加各种大会
2026年7月投资人会议上，梁文锋说得很直白：DeepSeek 只有一个核心目标——AGI，现在不是通过产品来赚最多钱的时候
梁文锋：用入门级 D50套头，但能等大半天就为了一束光，拍出专业级照片
我：大二用一个小程序撬动50万月营收，不是靠砸钱，是靠死磕产品逻辑和地推 SOP
DeepSeek：DeepSeek-V3用671B 参数，训练成本只有558万美元，推理成本比同类模型降低65%-73%，性能却能逼近 GPT-4o
这不是什么商业策略，这是一个用入门相机等半天光线的人，做模型时会把每一分算力都榨干的必然结果
梁文锋：车扔在无人区，人走出来了，写一句 That‘s the END，然后继续走
我：大三电商亏了一大笔钱，愿赌服输，转做产品经理，从2024年做到现在，我敢说我对整个世界的理解和赚钱的底层逻辑越来越清晰
DeepSeek：开源就开源，被制裁就被制裁，模型放出去就放出去，梁文锋在会议上说，克制是一种策略，你放弃某些东西，换来更多别的东西
现在我一个人出来创业，成为 OPC，心里没有任何焦虑和忐忑，只有对目标的不懈追求，我坚信这个时间节点就一定是我等待了24年最好的机会！
现在的我，不缺时间，不缺精力，不缺资金（也还是缺的…）
相比于传统的草根创业者，我多了产品经理的思考和认知
相比于顶级的AI人才，我多了泥泞中的黑色生命力，我多了无数次失败的经验，我不缺的就是耐心和意志力
还是那句话：干就完了！！
作为一个草根出身、亲自踩过坑的创业者，我想分享三个最真实的感悟
1. 敢于进入无人区，不跟随主流路线
不是说你一定要去做 AGI 或者做什么高大上的事情
而是说，当所有人都在做 A 的时候，你要有勇气去想想 B 是不是更适合你
我大一卖电话卡的时候，室友都觉得我不务正业，现在他们有些都没有工作，我已经从大厂辞职开始做 OPC了
2. 用最少资源做到最好，追求极致效率
梁文锋用558万美元训练出逼近 GPT-4o 的模型
我大二用一个小程序撬动50万月营收
不是因为我们有多厉害，而是因为我们把每一分资源都用在了刀刃上
3. 输了认账继续走，保持长期主义
大二破产的时候，我怀疑过自己，大三亏钱的时候，我也怀疑过自己
但我没有停下来，而是转做产品经理，继续学习，继续成长
现在回头看，这几次失败是我最宝贵的财富
因为它让我明白了：技术会迭代，工具会更新，但一个人的性格底色，才是他能走多远的第一性原理
你可以学会用 Claude、用 Cursor、用 DeepSeek
但你学不会梁文锋敢把车扔在无人区的那份笃定
也学不会我大三敢亏钱认账、现在敢一个人单干的那份狠劲
人生很长，把自己的人生当作地球online游戏，大部分人的生活都是一条稳定的横线，但是我想要的是波澜壮阔的山峰，不管是否最终停留在谷底！
5 05
上周 WAIC，我一个在 4A 做调研的朋友给我发消息
“完了，央视新闻直播间都在报道 AI 调研了，我们这行要完了”
我说你慌啥，先看看人家到底做了啥
央视那段报道的是我之前安利过很多次的atypica
（之前安利的时候一堆小黑子在评论区喷我，这下啪啪打脸了）
这次重点讲了他们怎么构建 AI Persona
不是让大模型扮演用户那种玩法
是基于一个叫主观世界模型的架构，四层数据协同训练出来的——社交语料学语言风格、真实深访学行为动机、心理学量表校正偏差、经济学实验标定决策倾向
Atypica
@atypica_AI
就是基于这个模型构建的
说实话之前用的时候就觉得比 GPT 扮演用户靠谱，但没想过底层差别这么大
看完报道我就想做个测试
正好有个朋友在做出海产品，面向北美市场的轻量级个人效率工具，想搞清楚定价策略——订阅制、买断制、还是混合模式，哪种更容易让目标用户掏钱
我把同一个选题，分别丢给了 Atypica 和 GPT
GPT 那边我用的是最标准的做法，给它详细的 prompt，让它做一份完整的定价策略分析——竞品调研、用户分群、定价建议全都要
Atypica 那边我直接输入同样的研究问题，它自动匹配目标用户 Persona，组了一个 Panel 做深度访谈，还跑了一轮受众盲测验证
结果差距大到我截图发给朋友的时候他以为我在开玩笑
（哈哈哈哈笑死我了…
GPT 给的回答：
一份很标准的市场分析报告——竞品价格整理得很清楚，Todoist $7/月、TickTick $3.99/月、Things $49.99 买断、Motion $19-34/月，全都列出来了
结论也中规中矩：建议先用 Free + $39.99/年低价订阅切入，配一个限量 Lifetime $79-99 做早期现金流
听起来没毛病对吧？
但你仔细想，这些结论你自己花半天做竞品调研也能得出来。它给的是行业共识，不是针对你这个产品、你这群用户的定制化洞察
整份报告里没有一个具体的用户声音，没有人告诉你“我为什么愿意付”或“我为什么犹豫”
Atypica 给的回答：
6 个 AI Persona 做了深度访谈，每个人有名字、有职业、有完整的决策逻辑
一个资深开发者说：我拒绝为本该在本地运行的工具支付数字租金，这对我来说就是随时可能断供的负债——他要的是 $49 纯买断
一个 UI 设计师说：$4.99/月这个价格不是在交租，是在为我的心理安宁支付订阅费——但她同时说，价格定太低反而让她不信任这个产品
一个初创 SaaS CEO 说：一次性购入基建，按需支付算力，这才是初创公司该有的现金流管理
6 个人里 5 个选了混合模式，0 个人首选纯订阅——但最关键的是，选同一个模式的理由完全不同
知识工作者接受 AI 订阅是因为它代表工具在持续进化，相当于买了一份生命力保险
团队创始人接受混合模式是因为它契合“基建一次性购入+算力弹性伸缩”的成本管理心智
同一个价格，需要对两类用户讲两个完全不同的故事——这个洞察 GPT 的报告里根本没有
最后 Atypica 的报告里还有一个让我意外的发现：受众盲测显示，如果你把买断价定在 $29，用户不会觉得实惠，反而会质疑“这公司有没有能力长期维护这个产品”——价格太低本身就是一个负面信号
它建议的策略是：
$49 买断基础功能 + $9.99/月 AI 订阅作为可选增强层，用“永久拥有核心工具+按需付费 AI 算力”的组合降低信任门槛
这个结论我朋友拿去和他在北美的几个真实用户验证了，反馈高度一致——尤其是“价格太低反而不信任”这个点，好几个人都提到了
整个测试我花了不到 20 分钟
GPT 给你的是“你自己也能查到的行业共识”，Atypica 给你的是“你绝对想不到的用户真实决策逻辑”
这两个东西的价值差了十倍不止，甚至都不是同一个物种，我认为不能混为一谈
如果你也在做产品、做出海、做任何需要理解用户的事，去跑一次就知道区别了：
atypica.ai
“完了，央视新闻直播间都在报道 AI 调研了，我们这行要完了”
我说你慌啥，先看看人家到底做了啥
央视那段报道的是我之前安利过很多次的atypica
（之前安利的时候一堆小黑子在评论区喷我，这下啪啪打脸了）
这次重点讲了他们怎么构建 AI Persona
不是让大模型扮演用户那种玩法
是基于一个叫主观世界模型的架构，四层数据协同训练出来的——社交语料学语言风格、真实深访学行为动机、心理学量表校正偏差、经济学实验标定决策倾向
Atypica
@atypica_AI
就是基于这个模型构建的
说实话之前用的时候就觉得比 GPT 扮演用户靠谱，但没想过底层差别这么大
看完报道我就想做个测试
正好有个朋友在做出海产品，面向北美市场的轻量级个人效率工具，想搞清楚定价策略——订阅制、买断制、还是混合模式，哪种更容易让目标用户掏钱
我把同一个选题，分别丢给了 Atypica 和 GPT
GPT 那边我用的是最标准的做法，给它详细的 prompt，让它做一份完整的定价策略分析——竞品调研、用户分群、定价建议全都要
Atypica 那边我直接输入同样的研究问题，它自动匹配目标用户 Persona，组了一个 Panel 做深度访谈，还跑了一轮受众盲测验证
结果差距大到我截图发给朋友的时候他以为我在开玩笑
（哈哈哈哈笑死我了…
GPT 给的回答：
一份很标准的市场分析报告——竞品价格整理得很清楚，Todoist $7/月、TickTick $3.99/月、Things $49.99 买断、Motion $19-34/月，全都列出来了
结论也中规中矩：建议先用 Free + $39.99/年低价订阅切入，配一个限量 Lifetime $79-99 做早期现金流
听起来没毛病对吧？
但你仔细想，这些结论你自己花半天做竞品调研也能得出来。它给的是行业共识，不是针对你这个产品、你这群用户的定制化洞察
整份报告里没有一个具体的用户声音，没有人告诉你“我为什么愿意付”或“我为什么犹豫”
Atypica 给的回答：
6 个 AI Persona 做了深度访谈，每个人有名字、有职业、有完整的决策逻辑
一个资深开发者说：我拒绝为本该在本地运行的工具支付数字租金，这对我来说就是随时可能断供的负债——他要的是 $49 纯买断
一个 UI 设计师说：$4.99/月这个价格不是在交租，是在为我的心理安宁支付订阅费——但她同时说，价格定太低反而让她不信任这个产品
一个初创 SaaS CEO 说：一次性购入基建，按需支付算力，这才是初创公司该有的现金流管理
6 个人里 5 个选了混合模式，0 个人首选纯订阅——但最关键的是，选同一个模式的理由完全不同
知识工作者接受 AI 订阅是因为它代表工具在持续进化，相当于买了一份生命力保险
团队创始人接受混合模式是因为它契合“基建一次性购入+算力弹性伸缩”的成本管理心智
同一个价格，需要对两类用户讲两个完全不同的故事——这个洞察 GPT 的报告里根本没有
最后 Atypica 的报告里还有一个让我意外的发现：受众盲测显示，如果你把买断价定在 $29，用户不会觉得实惠，反而会质疑“这公司有没有能力长期维护这个产品”——价格太低本身就是一个负面信号
它建议的策略是：
$49 买断基础功能 + $9.99/月 AI 订阅作为可选增强层，用“永久拥有核心工具+按需付费 AI 算力”的组合降低信任门槛
这个结论我朋友拿去和他在北美的几个真实用户验证了，反馈高度一致——尤其是“价格太低反而不信任”这个点，好几个人都提到了
整个测试我花了不到 20 分钟
GPT 给你的是“你自己也能查到的行业共识”，Atypica 给你的是“你绝对想不到的用户真实决策逻辑”
这两个东西的价值差了十倍不止，甚至都不是同一个物种，我认为不能混为一谈
如果你也在做产品、做出海、做任何需要理解用户的事，去跑一次就知道区别了：
atypica.ai
03:15
3 00
杀疯了，刚刚刷 HuggingFace，被榜单前排震惊了！
Kimi K3，开源30分钟登顶，刷新平台史上最快增长纪录，HuggingFace CEO 亲自下场点赞
百度 Unlimited OCR 更离谱，发布一个多月后热度不减，二次冲榜，再次杀回全球趋势榜前列！AI 教父杨立昆转发推荐！！
两个中国模型，直接包揽 HuggingFace 全球趋势榜 TOP2！
硅谷都看傻了吧…
其实我作为 PM，看到的不是“中国模型牛逼”这么简单，而是两条完全不同的技术路线在分叉：
硅谷那边，OpenAI、Anthropic 把模型当黑盒卖订阅，中国这边，月之暗面、百度直接开源权重
我觉得这不是慈善，是生态位战略
闭源模型拼的是 API 调用量，赚订阅费，开源模型拼的是生态渗透率，赚的是开发者心智和技术标准话语权
Unlimited OCR 就是个典型案例：
传统的 OCR 逐页切割文档，跨页的表格会断裂，阅读顺序丢失，跨页上下文消失；
Unlimited OCR 一次推理搞定数十页文档，跨页表格完整保留，阅读顺序不乱，更关键的是，推理速度和成本不随页数增长，这对处理长文档来说是质变
开发者拿去就能用，这就是开源的打法：先送能力，再建生态
对于我们这些超级个体，更直白点说：你现在可以零成本拿到 frontier 级别的模型能力
想做文档解析的产品?Unlimited OCR直接本地跑
想做长上下文AI应用？Kim K3百万token随便用
HuggingFace 榜单前两名，全是中国模型，这不是终点，是我们新的起点
这就是开源的力量
说实话，五年前，chatgpt问世，我们这边连影子都没，现在，HuggingFace 榜单前两名，全是中国模型
这不是终点，是新起点，开源这条路，中国模型公司跑出了自己的节奏！
Kimi K3，开源30分钟登顶，刷新平台史上最快增长纪录，HuggingFace CEO 亲自下场点赞
百度 Unlimited OCR 更离谱，发布一个多月后热度不减，二次冲榜，再次杀回全球趋势榜前列！AI 教父杨立昆转发推荐！！
两个中国模型，直接包揽 HuggingFace 全球趋势榜 TOP2！
硅谷都看傻了吧…
其实我作为 PM，看到的不是“中国模型牛逼”这么简单，而是两条完全不同的技术路线在分叉：
硅谷那边，OpenAI、Anthropic 把模型当黑盒卖订阅，中国这边，月之暗面、百度直接开源权重
我觉得这不是慈善，是生态位战略
闭源模型拼的是 API 调用量，赚订阅费，开源模型拼的是生态渗透率，赚的是开发者心智和技术标准话语权
Unlimited OCR 就是个典型案例：
传统的 OCR 逐页切割文档，跨页的表格会断裂，阅读顺序丢失，跨页上下文消失；
Unlimited OCR 一次推理搞定数十页文档，跨页表格完整保留，阅读顺序不乱，更关键的是，推理速度和成本不随页数增长，这对处理长文档来说是质变
开发者拿去就能用，这就是开源的打法：先送能力，再建生态
对于我们这些超级个体，更直白点说：你现在可以零成本拿到 frontier 级别的模型能力
想做文档解析的产品?Unlimited OCR直接本地跑
想做长上下文AI应用？Kim K3百万token随便用
HuggingFace 榜单前两名，全是中国模型，这不是终点，是我们新的起点
这就是开源的力量
说实话，五年前，chatgpt问世，我们这边连影子都没，现在，HuggingFace 榜单前两名，全是中国模型
这不是终点，是新起点，开源这条路，中国模型公司跑出了自己的节奏！
3 02
这和把 Codex 开源了有啥区别啊，这也太牛了,直接把所有的模型接进 Codex 里....
Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama
全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样
这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了
我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM
但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端
现在统一在 Codex 里切，真是爽翻了
三行搞定：
npm install -g @bitkyc08/opencodex ocx init ocx start
xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配
Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama
全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样
这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了
我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM
但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端
现在统一在 Codex 里切，真是爽翻了
三行搞定：
npm install -g @bitkyc08/opencodex ocx init ocx start
xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配
00:12
5 02