Uber公开AI成本优化实践：通过将总花费拆解为六个可独立优化的变量，并采用四层架构管理智能体，实现了周活跃用户增长7倍、请求量增长9.4倍的同时，AI总支出自4月起保持稳定，单次请求成本下降34%，会话成本下降52%。核心方法包括模型选型基准测试、MCP工具CLI化、Code-Mode压缩Token、优化Prompt Cache TTL及构建上下文图谱，强调成本可见性与文化引导，为AI编程降本提供了系统化工程方案。

Codex发布新版本，修复了多个导致用户配额消耗过快的问题，包括上下文压缩、记忆、目标、自动化、子智能体、计算机历史、滚动任务摘要和MCP协议等。修复后用量可提升10%-40%。今天早晨已重置配额作为补偿，明天将再次重置以庆祝用户量里程碑。建议用户尽快升级新版本。

本文介绍用AWS CUR分析Amazon Kinesis Video Streams用量的三维拆解法：将总用量分解为活跃设备数×推流时长×等效码率，通过Athena查询追踪各维度变化定位费用增长原因。文章详解KVS计费模型、CUR统计陷阱（如月初设备数虚高、BytesHr误导），并通过实战案例展示归因分析，最后给出清理Signaling Channel、优化存储分层等针对性建议。

Codex因用量消耗过快遭用户抱怨，团队调查发现可能与长会话图片压缩低效、计算机历史功能使用率过高及对话标题生成超预期有关。作为补偿，将于8月24日早晨5点重置所有订阅用户配额，并发布新版本修复问题，下周还将部署新方案提升效率。

AI提升效率，但带来空洞与焦虑。Vibe coding快速实现想法，却削弱思考；LLM即时回应，缺乏深度。焦虑源于能力下滑、竞争加剧及被替代风险。解法在于适应技术，如蒸汽机时代，驾驭而非对抗，同时警惕效率提升不解决竞争，需持续努力。

Frugal Tokens是一款本地运行的AI会话成本分析工具，支持Claude Code、Cursor等助手，提供Token用量、费用拆解、缓存效率及跨模型价格对比。数据本地处理，隐私安全，基于Deno和SQLite，适合开发者优化AI编程开销。

Codex将于2026年7月31日恢复5小时窗口限额，此前因调查Sol模型用量问题临时取消。社区猜测恢复时会再次重置周用量，但未获证实。用户需注意时差，合理规划使用，避免额度耗尽后长时间等待。

本文介绍使用Amazon Athena分析Kiro团队用量报表的实践。针对CSV中动态模型列可能导致数据错位的问题，通过ETL将宽表转为长表，采用Parquet格式和Partition Projection建表，实现稳定查询。方案完全Serverless化，月成本低于1美元，并接入Amazon QuickSight构建看板，便于团队观测用量、治理额度。

OpenAI的新模型GPT-5.6显著提升了科研效率，研究员的角色从操作工转变为指挥员。该模型能够自动诊断故障、优化系统、设计实验和解读数据，显示出AI在科研中的重要性。尽管流程加速，研究的创造性和判断力仍需人类掌握。

Codex 最近修复了用量消耗过快的问题，实际使用配额显著增加。ChatGPT Plus 的每周用量从 145 美元降至 112 美元后，现已暴增至 191 美元。修复后，用户反馈用量消耗明显减少。

Codex 付费订阅用户因系统混乱获得额外重置次数，问题源于 OpenAI 的滥用防护机制，导致部分用户被错误标记，使用额度被大幅缩减。Codex 现允许用户在30天内手动重置，增加灵活性，故障仍在调查中。

OpenAI 承认部分 ChatGPT Plus/Pro 用户因系统故障被错误降级至免费版，导致 Codex 用量下降。问题已解决，但是否重置用户配额尚未确定，影响了依赖 Codex 的开发者。

本文介绍了一种基于AWS无服务器架构的Kiro费用分摊与自动化报告方案。该方案利用AWS CUR 2.0、Athena、Lambda和EventBridge实现费用的自动采集、用户级分摊和CSV报告生成，并通过飞书Webhook推送可视化摘要。该方案无需管理服务器，运营成本低，适合企业团队使用。

本文介绍了如何利用AWS Budgets和Budget Actions监控Amazon Bedrock的使用情况，设置预算告警，并在超预算时自动阻断用户访问。通过IAM用户追踪花费，设置预算阈值，达到时发送告警邮件，并在超预算时附加拒绝策略，以确保成本控制。该方案完全基于AWS原生服务，无需额外组件。

研究表明，传统小样本生物医学研究存在统计效力不足的问题。德国法兰克福大学研发的genESOM生成式AI模型，通过分离结构学习与数据生成，有效恢复小样本中的生物学信号，降低假阳性率。在多发性硬化研究中，该模型表现优异，能减少动物用量30%-50%，为小样本研究提供了新方案。