东方无解

模型 & 价格

下表所列模型价格以“百万 tokens”为单位。Token 是模型用来表示自然语言文本的的最小单位，可以是一个词、一个数字或一个标点符号等。我们将根据模型输入和输出的总 token 数进行计量计费。

模型细节

模型		deepseek-v4-flash(1)	deepseek-v4-pro
BASE URL (OpenAI 格式)		https://api.deepseek.com
BASE URL (Anthropic 格式)		https://api.deepseek.com/anthropic
模型版本		DeepSeek-V4-Flash	DeepSeek-V4-Pro
思考模式		支持非思考与思考模式（默认） 切换方式详见思考模式
上下文长度		1M
输出长度		最大 384K
功能	Json Output	支持	支持
	Tool Calls	支持	支持
	对话前缀续写（Beta）	支持	支持
	FIM 补全（Beta）	仅非思考模式支持	仅非思考模式支持
价格	百万tokens输入（缓存命中）(2)	0.02元	0.025元（限时2.5折(3)）0.1元
	百万tokens输入（缓存未命中）	1元	3元（限时2.5折(3)）12元
	百万tokens输出	2元	6元（限时2.5折(3)）24元

(1) deepseek-chat 与 deepseek-reasoner 两个模型名将于日后弃用。出于兼容考虑，二者分别对应 deepseek-v4-flash 的非思考与思考模式。
(2) 全系列模型，输入缓存命中的价格已降至首发价格的 1/10。
(3) 当前 deepseek-v4-pro 模型限时 2.5 折，优惠期至北京时间 2026/05/31 23:59。

扣费规则

扣减费用 = token 消耗量 × 模型单价，对应的费用将直接从充值余额或赠送余额中进行扣减。 当充值余额与赠送余额同时存在时，优先扣减赠送余额。

产品价格可能发生变动，DeepSeek 保留修改价格的权利。请您依据实际用量按需充值，定期查看此页面以获知最新价格信息。

贴身精髓

• 用AI工具减少重复劳动
• 专注于创意和业务逻辑
• 快速验证想法

要点分析：

🚀 效率提升

• 减少检索时间 → 专注核心问题
• 效率大幅提升 → 快速迭代验证

🎯 技术简化

• 降低技术复杂性 → 降低门槛
• 技术大同 → 统一标准，减少选择困难

🌟 创新探索

• 探索未知可能 → 更多创意实现
• 便利性更佳 → 更好的开发体验

一个边干边学的新人。

• 每完成15个任务，他会自己复盘总结，把经验变成新技能
• 三月份刚开始处理客服，六月份就已经熟练很多了
• 你不需要手动更新他的”手册”，他自己会进化
• 适合长期运营的业务场景

优势：越用越强，有”复利效应”

Anthropic 近日公布了一项与 Mozilla 的安全合作成果：其大模型 Claude Opus 4.6 在短短两周内发现了浏览器 Mozilla Firefox 中的 22 个安全漏洞，其中 14 个被评为高危漏洞，显示出 AI 在软件安全审计中的潜力。

根据官方披露，这项合作属于 Mozilla 与 Anthropic 开展的安全研究项目。研究人员让 Claude Opus 4.6 在受控环境中分析 Firefox 代码和组件，结果在两周内发现 22 个此前未知的漏洞。

其中：

• 14 个漏洞被认定为高严重级别
• 约占 2025 年全年 Firefox 高危漏洞修复数量的近五分之一
• 这些漏洞大多已在 Firefox 148 等版本中得到修复

研究团队指出，这一发现速度远高于传统人工安全审计，显示 AI 可以显著加速漏洞挖掘流程。除了安全漏洞之外，Claude 还检测到了约 90 个其他类型的软件问题，包括断言失败、逻辑错误等。其中一部分问题与传统模糊测试（fuzzing）能够发现的类型重叠，但也有一些新的逻辑错误类别 是此前自动化测试工具没有发现过的。

研究团队还进一步测试了 Claude 的能力：向模型提供已发现漏洞的细节，以及要求其尝试生成可利用的攻击代码（exploit）。

结果显示，在数百次实验、约 4000 美元 API 成本的测试中，Claude 成功将漏洞转化为可利用攻击的情况只有两次。这表明 AI 在漏洞发现方面表现突出，但在稳定生成攻击利用方面仍然有限，需要人工研究者参与验证。Anthropic 认为，这次合作说明大型语言模型可以成为安全研究人员的 “加速器”：

• 自动探索复杂代码库
• 提供可复现的漏洞测试用例
• 帮助安全团队更快定位问题

Mozilla 方面也表示，AI 辅助安全测试未来可能成为浏览器开发流程的一部分。

https://www.oschina.net/news/409110/anthropic-mozilla-firefox-security

OpenAI 最新发布了 GPT-5.3-Codex，这是一个专注于 Agentic Coding 的强大模型。

✨ 主要特性

性能提升

• 速度：比 GPT-5.2-Codex 快约 25%
• 基准测试：在 SWE-Bench Pro、Terminal-Bench、OSWorld 等多个测试中表现领先
• 能力范围：不仅限于代码生成，还能处理复杂任务和长上下文理解

交互体验

• 支持实时交互和工作中反馈
• 可以在任务执行过程中进行提问、修正和调整
• 更像是一个可以持续沟通的工作伙伴

功能扩展

• 自动化调试、部署和监控
• 撰写产品需求文档和测试方案
• 处理数据分析和用户研究
• 制作表格和演示文稿

🔐 安全特性

• 被定义为网络安全领域的高能力模型
• 推出了 “Trusted Access for Cyber” 安全访问计划
• 包含身份验证和自动监控机制
• 帮助合法组织发现和修复漏洞

🚀 使用方式

• Codex 桌面/网页版客户端
• 命令行工具（CLI）
• IDE 扩展插件
• ChatGPT 付费计划

💡 个人思考

这个模型在研发过程中参与了自身的训练和测试，自举式开发方式很有意思。从代码生成工具演变为通用工作助手，代表AI 编程工具的发展方向。

当我们这代人开始规划养老时，一个严峻的现实摆在面前：传统的养老方式正在失效。无论是”养儿防老”还是”社保养老”，都面临着前所未有的挑战。而一个全新的可能性正在浮现——通用人形机器人辅助养老。

传统养老模式为何难以为继？

家庭养老的困境

在农业社会，多生孩子意味着更多劳动力，养老成本相对较低。但现代社会完全不同：

• 抚养成本飙升：从出生到大学毕业，平均需要投入数十万甚至上百万
• 城市化改变了家庭结构：独生子女面临”4-2-1″的赡养压力
• 养育本质上已成为消费行为，而非投资

社保养老的挑战

现收现付制的社保体系依赖一个关键前提：充足的劳动力供给。然而：

• 人口老龄化加速，抚养比持续上升
• 未来可能出现劳动力短缺，护理服务供不应求
• 即使有退休金，也可能面临”有钱买不到服务”的窘境

机器人养老的经济学逻辑

作为资产的价值

人形机器人的出现改变了游戏规则：

• 一次性投资：预计售价在15-20万人民币区间
• 长期使用：不需要工资、社保，只需电费维护
• 回本周期短：相比雇佣保姆的持续支出，2-3年即可收回成本

生产力私有化

这本质上是从”购买服务”转向”拥有生产资料”：

• 不再依赖日益稀缺的人力服务市场
• 避免了服务价格上涨的风险
• 获得稳定可控的照护能力

技术可行性分析

当前AI技术的突破让这一设想成为可能：

• 端到端学习能力：机器人可以通过观察学习复杂任务
• 硬件成本下降：关键零部件价格每年显著降低
• 泛化能力提升：能够处理非标准化的养老服务场景

必须警惕的风险

理性分析需要考虑可能的障碍：

能源成本风险：如果电价大幅上涨，运营成本可能超出预期

技术瓶颈：复杂场景下的应急处理能力仍需验证，医疗护理等专业领域的可靠性有待提升

政策风险：大规模应用可能引发就业问题，进而导致监管和税收政策调整

个人应对策略

面对这一趋势，值得思考的方向包括：

1. 关注技术发展：跟踪人形机器人和AI的进展
2. 财务规划调整：考虑将”硅基资产”纳入养老储备
3. 投资布局：相关产业链企业可能带来长期价值

结语

我们正处于养老模式变革的前夜。传统方式的局限性日益明显，而技术进步提供了新的可能性。未来的养老保障，可能不再单纯依靠子女或社保，而是人类智慧、社会保障和科技力量的结合。

这不是科幻，而是正在发生的趋势。提前思考和准备，或许能让我们在这场变革中更从容。

淘汰的不是努力的人，而是无法适应变化的人。

1. 努力≠有效学习与进化
农业革命淘汰了只会狩猎、拒绝学习耕种的人；
工业革命淘汰了只会手工缝纫、拒绝学习操作缝纫机的裁缝；
信息革命淘汰了只会打字、拒绝学习电脑操作的文员。
他们的努力可能停留在重复过去的经验，而非面向未来的技能更新。

2. “努力的方向”比“努力的程度”更重要

• 马车夫在汽车时代越努力养马，越可能被淘汰
• 胶卷工程师在数码时代越努力优化胶片化学配方，转型越困难
• 传统零售员在电商时代越努力推销店内商品，可能越难适应直播带货
  他们的努力聚焦于正在消失的赛道。

3. 产业革命真正淘汰的是“思维刚性”
科技革命淘汰的是：

• 认知固化者（认为“从来都是这样做的”）
• 技能单一者（只有一招鲜，缺乏跨界学习能力）
• 风险规避者（害怕离开舒适区尝试新工具）
• 系统依赖者（只会在原有系统中优化，不会重建新系统）

4. 幸存者的共同特征
历史表明，能在产业革命中存活甚至崛起的人，往往具有：

• 敏锐的环境感知力（提前嗅到变化）
• 快速学习迁移能力（把旧经验转化为新技能）
• 心理弹性（能接受暂时的失败和身份转换）
• 协作进化意识（主动融入新生态而非对抗）

当代启示：
在AI革命加速的今天，这个规律愈发明显：

• 淘汰的不是体力劳动者，而是可被算法标准化的脑力工作者
• 淘汰的不是使用工具的人，而是拒绝理解新工具逻辑的人
• 淘汰的不是某个职业，而是不能持续重构自身价值的生存方式

真正的“努力”，在这个时代应该定义为：
持续校准方向的学习力 + 敢于打破经验的重塑力 + 在变化中寻找新可能性的洞察力。

所以，面对科技革命，最危险的状态不是“不努力”，而是“很努力地做注定被淘汰的事”。保持警惕的恰恰是那些在旧体系中最成功的人——他们的成功经验，可能成为阻碍他们适应新世界最沉重的包袱。