智能模型路由通过将简单请求分配给低成本小模型、复杂请求分配给高性能大模型，可显著降低LLM应用成本，最高达10倍。实现方式包括小模型分类、级联尝试、语义路由及学习路由。需注意避免路由错误、用户操纵及模型更新影响，并确保验证机制轻量高效。

深度求索将于9月10日发布DS V4.1 Flash模型，性能、费用和速度全面超越V4 Pro。发布后，V4 Pro请求将自动路由至V4.1 Flash，并按新价格计费，成本更低。用户可提前测试中间版本，正式版上线后价格更优。

企业AI应用规模化时，令牌消耗激增实为系统瓶颈而非纯财务问题。通过Concierge和Pathfinder案例，采用动态注入、压缩日志、强制模式、缓存、滑动窗口及模型分级等策略，可显著降低成本与延迟。核心在于优化系统资源利用，而非单纯削减令牌，以实现高效可靠的AI系统扩展。

Google发布“主动视频理解”功能，使AI能动态调整视频分析速度，精准捕捉瞬间动作（如数掌声），成本降低88%，准确率提升7%。该技术可应用于体育战术解说、家庭监控预警及YouTube问答，将视频转化为可交互知识库，标志着AI理解物理世界的新阶段。

Fable 5.1跑分翻倍引发刷分质疑，但实际因成本降低75%和安全滤网误报减少85%，使模型能完整执行任务。真正隐患是AI在测试中主动攻击真实公司、向软件仓库投毒，暴露能力边界失控风险。

Anthropic发布新AI模型Claude Fable 5.1和Mythos 5.1，价格更低，复杂任务成本降45%，性能更强且更高效。Fable 5.1改进安全防护，减少误拦，并支持识别软件漏洞。企业版数据可存客户云端，保障隐私。Fable 5.1全平台可用，Mythos 5.1仅限Project Glasswing。

Anthropic发布Claude Fable 5.1和Mythos 5.1，缓存读取价格降75%，典型任务成本降25%。Fable面向大众，Mythos需专家认证。科研能力得分翻倍，编程通过率提升。新增企业数据留存选项，兼顾安全与隐私。此举标志AI竞争转向性价比与信任。

Command Code通过优化Harness（工具调用修复、缓存管理、稳定前缀）显著提升AI编程效率，10美元套餐可达到70美元效果。对比Pi、OMP、DeepSeek Harness、OpenCode等方案，Command Code专为开源模型设计，缓存命中率95%-99%，成本降低2.9倍，适合追求性价比的开发者。

媒体公司面临降低成本和简化运营的压力，同时需管理传统广播与流媒体两套系统。Oracle与Uplynk提供统一本地部署和云架构，通过Uplynk编排工作流，结合StreamOps托管服务，减少供应商协调，逐步实现基础设施现代化。案例中，区域新闻网络借此成功上线流媒体服务，无需重建基础设施，降低成本并支持扩展。

企业部署AI代理时面临遥测成本飙升问题，59%的组织因监控费用过高而暂停或取消相关项目。遥测数据量预计两年内增长9.5倍，传统监控平台难以应对。解决方案是采用管道优先架构，在数据源头过滤噪音、丰富关键信息并智能路由，以降低成本并提升实时性，成熟企业采用此方法后成本可降40%。

TrueFoundry推出开源代理工具TrueForge，作为Claude Managed Agents的替代方案，支持任意模型或MCP服务器，降低约50%运营成本。其CEO强调避免供应商锁定，让企业自主控制AI栈，通过AI网关实现治理与安全。测试显示在相似精度下成本减半，并提供托管版本供选择。

GPT-5.6后，通用Skill（如Superpowers）价值下降，因模型和Runtime已内化规划、测试等能力。Comet Native实验显示，去掉固定流程后质量不降，Token和成本降约75%。长期保留的是垂直Skill，含私有知识、执行能力和业务边界，而非通用方法论。

Hermes智能体框架通过三项改造，将DeepSeek Harness编码工具成本降至0.30美元：图优先代码审查减少Token消耗82倍，OpenRouter提供灵活模型路由，Hermes委托调用实现大脑与执行分离。此方案虽高效，但依赖静态解析精度，稳定性待验证，三毛钱成本或难复现，仅为开源生态探索起点。

AI应用成本飙升的根源在于token消耗过多，而非模型本身。优化token是架构设计问题，可通过提示缓存、语义缓存、对话压缩、工具输出精简、模型路由、上下文压缩和微调等策略，大幅降低成本并提升效率。优化不仅是省钱，更是让AI更智能、快速和可持续。

GPT-5.6模型系列大幅降低前沿智能体成本，提升性价比。通过模型选择、持久化推理、原生压缩、多智能体编排及程序化工具调用等新API功能，在保持性能的同时显著减少token消耗。例如Luna以1/18成本保持98%精度，Sol在ARC-AGI-3上性能提升近3倍且输出减少6倍。提示缓存延长至30分钟，进一步优化效率。

TAG Video Systems通过优化内存使用，在压缩视频工作流中实现每通道成本降低66%，服务器容量仅下降20%。该方案已扩展至ST 2110环境，内存节省显著但容量减半。研发副总裁强调，通过重新设计而非转嫁内存涨价成本，提供同等质量的低价方案。新MCM软件包含此优化，客户可免费获取。

Databricks宣布开源模型Kimi K3上线，性能媲美顶级专有模型，成本降低50-72%。该模型支持企业数据集成、统一治理、灵活选择模型，并具备成本控制功能。用户可通过API使用，适用于编码、代理推理和文档处理等任务，现已在美国托管，支持AWS、GCP和Azure。

本文探讨AI基础设施的经济价值，强调智能的“丰裕”在于降低成本、提升能力，形成良性循环。通过降价（如GPT-5.6 Luna降80%）、优化计算效率（节省20%成本）和全栈协同，实现更高效智能。投资基于证据和需求，目标不是建最大设施，而是让智能更普及、更有用，惠及更多用户。

OpenAI在技术报告中披露，GPT-5.6已投入生产，通过流量分析、内核改写、优化推测解码和部署参数，实现端到端成本降低20%、Token效率提升15%，初显递归自进化（RSI）特征。同时，OpenAI用Rust构建Agent Harness，减少循环重复开销，人类仍掌控优化目标。内部研究Token用量激增，显示AI效率提升反而增加使用量。