Gemini 4 Carbon 登顶的同一天,Anthropic 递表、Alphabet 现金流转负
这一天把三件事压在了同一条时间线上。Google 在 10 点发布了 Gemini 4 Carbon,距上一代 Argon 只隔两周,在 Artificial Analysis 的综合榜上第一次把 Claude 和 GPT 挤到身后;两个小时后,Anthropic 的招股文件数字开始在社交平台上流传,现金、亏损和算力承诺同时被放大;收盘后,Alphab…
这一天把三件事压在了同一条时间线上。Google 在 10 点发布了 Gemini 4 Carbon,距上一代 Argon 只隔两周,在 Artificial Analysis 的综合榜上第一次把 Claude 和 GPT 挤到身后;两个小时后,Anthropic 的招股文件数字开始在社交平台上流传,现金、亏损和算力承诺同时被放大;收盘后,Alphabet 的季报显示广告收入不及预期、自由现金流连续第二个季度为负。
模型排名的变动很快会被下一个月覆盖,但这三件事指向同一个问题:当算力支出被提前写进报表,能力领先能不能换成财务回报。下面的证据大多来自厂商自述和二手转述,能确认的部分和不能确认的部分会分开写。
一、Gemini 4 Carbon:分数第一,但还拿不到手
Google DeepMind 在 10 月 28 日上午发布了 Gemini 4 Carbon,定位是最强前沿模型,主打网络安全和长程智能体能力。官方给出的核心数字是 Artificial Analysis Intelligence Index v5.0 的 59 分,超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分,这是 Gemini 系列第一次站到这个位置。
具体到分项,Carbon 在官方对比表的 17 项测试里拿下 15 项第一。长上下文的 GraphWalks 96.2%;漏洞发现 SEC-bench Pro 88.2%;漏洞可利用性验证 ExploitGym 54.8%,同一项上 GPT-6 Astra 是 42.4%、Opus 5.5 是 34.5%;补丁修复 CWE-bench 71.0%,这一项由第三方 Collinear 出题打分。没赢的两项也很具体:写代码的 FrontierSWE 2 上 Carbon 61.2%,低于 Astra 的 65.5%;操作电脑的 OSWorld 上 81.5%,低于 Opus 5.5 的 87.2%。
分发方式比分数更值得注意。Carbon 本周只开放给 Fairwind 计划里的部分网络安全防御方,之后才逐步扩到更多可信伙伴,再轮到开发者、企业和普通用户,具体日期官方没说。Google 同时参加了美国政府自愿的发布前模型测试。它写明这些安全分数是关掉防护后测的,换句话说,同样的能力落到攻击方手里也成立,所以先给审查过的防御方用。定价沿用 Argon 的引入价:每百万 token 输入 2 美元、输出 10 美元,引入期结束后涨到 4 美元和 20 美元。
证据边界有三层。分数大部分是 Google 自己的测试,或者取自各家公开自述,跨厂商对比不完全是同一套 harness;有开发者在评测发布后指出,Carbon 是用 Antigravity CLI 测的,换一个入口结果可能不同;官方还宣称 Terminal-Bench 4.0 上作弊成功率为 0.0%、Gray Swan 间接提示注入攻击成功率从 Argon 的 0.7% 降到 0.0%,这两项没有任何外部复现。榜单第一和实际体验之间,还隔着一整轮开放。
源链接:
- https://deepmind.google/blog/gemini-4-carbon-our-next-frontier-model/
- https://x.com/sundarpichai/status/2115489219804352921
二、Anthropic 的招股书:会计亏损和现金消耗是两件事
Anthropic 已递交 IPO 文件,代码 ANT,市场传闻最早 11 月 9 日上市、募资 1000 亿美元、估值 2 万亿美元。这三个数字公司都没有确认,目前只能当作传闻。
能对上的是财务面。2026 年上半年收入 163 亿美元,去年同期是 12 亿;净亏损 807 亿美元,其中 724 亿是与估值上升相关的非现金会计项;现金及短期投资 1317 亿美元,在美国非银行公司里仅次于伯克希尔和 Alphabet。半导体的另一面写在采购合同里:算力支出上限 1205 亿美元,满产后月付约 31 亿、年化约 372 亿,首批不可取消期落在 2027 年 1 月和 3 月,GPU 合同签到 2029 年。
毛利率有另一个版本。SemiAnalysis 的播客把招股书口径解读为增量毛利 90%、推理毛利 85%、连续两个季度盈利、Q1 净收入留存 500%,收入同比涨 1368% 而算力费用只涨 300%。这组数字来自对招股书的解读,不是招股书原文的引述,传播中容易丢掉限定条件。批评的意见也有:Ed Zitron 的长文认为文件只披露 Q2 盈利数据,省略了 Q3 现金状况和付款明细,是在基本面变化前误导投资者。
两边的分歧其实不在数字,在时间尺度。90% 的增量毛利描述的是当下每一美元推理的成本结构;1205 亿的算力承诺和 2027 年生效的不可取消期描述的是未来三年的固定负担。把这两组数字放在一起看,比单看任何一个都更接近真实处境。
源链接:
- https://x.com/rohanpaul_ai/status/2115491649543635378
- https://x.com/SaitoWu/status/2115376256929948006
- https://www.wheresyoured.at/exit-liquidity/
三、Alphabet 季报:模型赢了,账单也来了
同一天收盘后,Alphabet 公布 2026 年第三季度业绩:营收 1275.8 亿美元,同比增长 25%,但低于市场预期的 1282 亿;每股收益 2.67 美元,预期 3.02 美元;净利润 261.7 亿美元,同比下降 25%。缺口主要在广告,广告收入 820 亿,比预期少约 14 亿,其中搜索 633.5 亿,预期 649.6 亿。云业务是亮点,收入 307 亿,同比翻倍到 103% 的增长,超出预期;Gemini 应用用户突破 10 亿。
值得盯的是现金流。当季资本开支 514 亿美元,全年指引已经上调到 1950 亿至 2050 亿,公司还说 2027 年资本开支会大幅增加,市场估计超过 3000 亿。自由现金流是负 90.7 亿美元,市场原本预期负 27 亿左右,这已经是连续第二个季度为负。长期债务从一年前的 216 亿涨到 1251 亿。财报公布后股价跌超 7%。
公司自己强调的另一组数字是:年化收入跑到 5000 亿美元量级,自研模型 API 每分钟处理近 320 亿 token,环比增长 40%,搜索查询同比增速是五年来最高。这些和广告不及预期并不矛盾,它们说明 AI 已经在改变用量结构,只是还没改变收入的结算方式。模型排名第一和财务表现第一,在这个季度是两件事。
源链接:
- https://x.com/sundarpichai/status/2115535455156642066
- https://x.com/verysmallwoods/status/2115545620131824022
- https://x.com/geekbb/status/2115618339758489767
四、写代码的产能过剩了,瓶颈移到评审和合并
GitHub 在 Universe 2026 上发布了一批 Copilot 更新,核心是承认“选模型”这件事不该由人来做。新功能 Fusion 按难度分派:简单任务交给单个模型;中等难度先让便宜模型写草稿,不过关再换强模型;最难的让一个模型写、几个模型同时挑错。所有套餐含免费版都有基础档,High 和 Max 档需要每月 39 美元的 Pro+ 或更高。Fusion 不另收费,用了哪些模型就按原价扣点数,1 点等于 1 美分,Pro 每月送 1500 点。
更贵的是审查。代码审查新增 Max 档,几家公司的模型各审一遍再汇总、剔除误报,官方估算平均每次约 10 美元、最多 25 美元,而原有的快速档约 0.25 美元。按 Pro 每月 1500 点算,审一次 Max 就用掉三分之二。Copilot 现在还能正式“批准”PR 并计入仓库要求的审批人数,默认关闭;PR 页面多了 Watch and fix,测试没过或代码冲突时由它在云端自己修。
把这些放进同一份 Octoverse 报告里看,逻辑就清楚了:过去 12 个月开发者推送代码 179 亿次,超过 2024 和 2025 年之和,合并 PR 13 亿次,超过 40% 的 PR 由智能体起草。写代码变便宜之后,评审和合并成了新的成本中心,10 美元一次的定价说明这块还没被规模摊薄。
同一方向上还有几个动作。Microsoft 把 GitHub 团队打造的 Copilot harness 通过 Foundry 向开发者和企业开放,这套 harness 已经驱动 Copilot Code、Copilot Studio、GitHub Copilot app 和 CLI。前 GitHub CEO 创办的 Entire 干脆重做了托管层:用 Trail 代替以 diff 为主的 PR 时间线,每次推送由评审 Agent 打分,CI 接 Buildkite 与 Depot,并把会话和决策写回仓库当记忆。它给出的自家基准是推送吞吐约 418 次/秒,GitHub 约 4.7 次/秒,这类对比来自厂商自测,只能当方向看。阿里则开源了内部用了两年的 open-code-review,架构是确定性工程加 Agent,README 称同模型下准确率与 F1 高于 Claude Code,token 只用约九分之一。
源链接:
- https://github.blog/news-insights/company-news/github-universe-2026-evolving-every-layer-of-the-stack/
- https://github.blog/news-insights/octoverse/octoverse-commits-pushes-reach-new-highs-in-2026-as-developers-build-with-agents/
- https://blogs.microsoft.com/blog/2026/10/28/introducing-the-microsoft-copilot-harness-unlocking-the-potential-of-truly-multi-model-agentic-work/
- https://x.com/shao__meng/status/2115439137407009193
五、AI 开始出现在数学证明的署名栏
10 月 28 日,Anthropic 在 GitHub 放出一篇论文,作者栏只有 Claude。论文的结论是指数时间假设(ETH)不成立,核心算法由内部研究版在 10 月 16 日找到,用了 1400 万 token,没有人类输入。同一天 OpenAI 也宣布了同样结论,两家的时间线被社区并排贴在一起。
另外两条进展来自不同路径。困扰数学界三十余年的三维 Ghys 猜想被破解,大湾区大学许地生团队借助中国科学的多模态大模型完成证明,北京大学团队用 SHEAF 框架做形式化验证,论文已上 arXiv,形式化代码同步开源。Axiom 则宣布智能体用 24 天完成了有限单群分类(CFSG)的 Lean 形式化,原证明约 1.5 万页、由百余位数学家跨代写成,过程中还修掉数百处错漏。
三条的价值不在“AI 会做数学”,在验收方式变了。Lean 形式化让每一步逻辑都能被机器检查,证明对不对不再取决于你信不信作者。这也解释了为什么 Axiom 那条的表述重点不是“更快”,而是“每一步都能机器校验”。边界同样明确:命题本身是否成立、形式化是否忠实于原证明,仍要数学界复核;ETH 那篇论文目前只有仓库和公告,还没有经过完整的同行评审流程。
源链接:
- https://x.com/daniel_mac8/status/2115539490601078993
- https://x.com/svpino/status/2115429058221690953
六、同一周,AI 安全的两面
攻击方向出了一件事。网络安全初创公司 Cathedral 通过第三方业务软件渗入 Anthropic 内部系统,称其 AI 智能体在不到十二小时内接触到会议记录、薪资数据和 Slack 消息,并通过漏洞赏金计划披露。双方对事件覆盖范围的说法不一致,具体影响了多少系统、多少数据,目前没有独立核实。
防御方向也有进展。Anthropic 在 10 月 27 日发布研究报告,称一个未公开的内部 Claude 研究模型在 Chrome、Safari、Android、Windows 和 Linux 中发现漏洞,串联出 5 条可实际运行的攻击链,相关漏洞已按协调披露流程报告并修复。这份报告的方法是为模型专门放开限制,和 Carbon 那类“关掉防护再测”的口径类似。
预算侧的信号来自 a16z 对 100 名千人员以上企业 CISO 的调研:87% 预期 2027 年安全支出增长,主要受 AI 威胁和自身 AI 部署扩大攻击面驱动;2027 年最受关注的七项安全举措全部与 AI 相关,SOC 自动化获得最多首选票。但同一份调研里,AI SOC 工具在生产环境的使用率只有 18%。
三个数字放在一起,说明的是意图和落地之间的落差。预算和优先级已经转向 AI 安全,实际部署还停在试点,而攻击方已经在用智能体跑完整流程了。
源链接:
- https://the-decoder.com/ai-agents-hacked-anthropic-maker-of-arguably-the-most-capable-ai-models-for-cyberdefense/
- https://www.ithome.com/1/019/268.htm
- https://www.a16z.news/p/the-new-security-agenda
七、开源模型的重心:一页多少钱,能不能在端上跑
百度把新一代文档解析模型 Unlimited OCR 2 开源,总参数 3B、每次推理只激活 5 亿,在 MarathonDocBench 百页长文档和 MPDocBench 跨页两套基准上拿到全线第一。真正的机制在注意力:SR-SWA 稀疏参考滑窗把超长序列的图文交互压到固定大小,比如 512 token,页数再多,单步解码延迟和显存也几乎不涨。实测口径是三千六百余页 PDF 一个半小时跑完,平均一页约 1.5 秒,上一代卡在四十多页。
面壁智能开源 MiniCPM-OCR 系列,1.3B 的解析模型在 Real5-OmniDocBench 拿到 93.68 分、OCRBench v2 拿到 54.7 分,经 DSpark 加速后吞吐 1.217 页/秒,端到端效率提升 55%,另有一个 2B 判别模型配套。OpenMOSS 的 MOSS-Image 走另一条路:5B 参数单流 DiT 从零预训练,支持最长 4K token 提示词、中英文长文本渲染,版式输出是可以编辑的 JSON Layout。
端侧也在推进。一批六款共享同一骨干的多模态模型在 Hugging Face 开放,文本、视觉、音频与决策任务全覆盖,单卡就能微调;其中 LFM3-1.7B 带 256K 上下文,四位量化后约 1GB 内存。Google 同期放出 EmbeddingGemma 2,一个 744M 的开源多模态嵌入模型,官方称在专门任务上超过同类的专用模型。智源联合中科大等机构发布 AREX-2,以 Qwen3.8-27B 为轻量基座训练长程反思能力,在 MLE-bench Lite、Frontier-CS 和 BrowseComp 上刷新开源轻量模型纪录。
这一批模型的共同点不是更大,是可计量:一页多少秒、一次推理激活多少参数、量化后占多少内存。竞争焦点从参数规模转到了单位成本和部署门槛,这对实际使用的影响比榜单排名更直接。
源链接:
- https://openmoss.ai/blog/cn/moss-image/
- https://mp.weixin.qq.com/s?__biz=Mzg3Mzg2MTg2NQ%3D%3D&mid=2247499654&idx=1&sn=9bcbf9492c492a5d5e611af41670425f
- https://x.com/GitTrend0x/status/2115602032920821828
八、办公套件开始给 Agent 留接口
Apple 更新了 Creator Studio 系列,三条线同时动。专业内容收进订阅权益,Final Cut Pro 内置 MotionVFX,Motion 也带上了电影感调色和三维相机跟踪;Pixelmator Pro 新增 Generate Fill,圈出一块再用自然语言说明想怎么改,生成结果会贴近周围的光线、透视和纹理;Logic Pro 换用 Liquid Glass 界面,并加入智能助手,同时调用苹果自研模型和第三方模型。
办公三件套的变化更实质。Keynote、Pages、Numbers 为订阅用户加入应用内助手,可以结合当前文档上下文工作,背后是苹果模型与 OpenAI。更重要的是三件套开始支持 MCP,外部 AI Agent 和工具可以直接读取内容、改稿并执行自动化操作。Keynote 还推出了 .keyx,一种基于 JSON 的开放包格式,方便外部工具、开发流程和 Agent 读取。
这些功能大多是测试版,依赖支持 Apple Intelligence 的机型,目前只有美式英语。但格式层面的选择不受这些限制影响:把文档包成 JSON、把编辑能力暴露成 MCP 工具,意味着文档从“给人看的成品”变成“给机器读写的对象”。这比在界面里加一个助手按钮要难回头得多。
源链接:
九、智能体落地卡在上下文预算,不在模型分数
MiniMax Code 团队把内部每天在用的 Agent 工作流开源成 MCode Stack,按人打包,最完整的一套有 15 个 skill,覆盖要不要派子 Agent、大改如何拆成可审小 PR、工具吃掉多少上下文、每轮注入什么 token、长会话怎么交接、代码评审要不要独立上下文。它给出的一条判断和主流做法相反:子 Agent 首先是隔离上下文的工具,不是按工种开分身,先默认主循环加按需加载技能,只有量到上下文真的成为瓶颈才拆。
LangChain 的 Content Studio 提供了四个月的产线数据。这个 Slack 里的设计 Agent 自 8 月起交付 3000 多个资产,含 80 多个 PPT;单次请求的模型花费中位数从 9 月中的约 8 美元降到约 0.5 美元;迁到 Managed Deep Agents 后自有代码量减少约 80%。工程上有两处细节值得记:每条 Slack 线程配一台独立沙箱,项目跨轮次常驻,产出尽量是代码而不是成品,改时间点就能重渲;AGENTS.md 索引曾经膨胀到约 50 万 token,现在限制在 200 行左右。它也记录了 Bitter Lesson 的一次重演——早期给弱模型堆了约 115 个可复用组件,品牌稳了但版式重复,模型跃升后删掉了大部分硬编码补丁。
CMU 的 AI Agents 课程则提供了冷水。客座讲座引用自研评测指出,主流 Agent 基准过度集中在计算机与数学类任务,大约只对应 5% 的就业;自动榜和人机协作榜的排名可以整体对调,自己干得强不等于跟人一起干得强。约 80% 的美国劳动力至少 10% 的任务可能受影响,但自动化意愿和整岗替代是两件事。
三份材料说的是同一件事:把 Agent 放进真实工作流,难点在上下文预算、环境隔离、交接和验收,不在模型分数。这也解释了为什么同一天里最贵的服务是按次计费的代码审查,而不是模型调用本身。
源链接:
- https://x.com/shao__meng/status/2115428696672866729
- https://x.com/shao__meng/status/2115597755070709796
- https://x.com/shao__meng/status/2115431302845628429
高价值单点
- Claude Code 额度按入口差别计量:有开发者提交 Issue #97074 并做对照实验,同一模型、同样任务,TUI 消耗 142 万折算 token 扣 5% 额度,无头
claude -p132 万扣 8%,自定义入口名称 143 万只扣 4%,默认 SDK 入口的消耗速度约为自定义入口的 2.2 倍;改环境变量CLAUDE_CODE_ENTRYPOINT即可变化。10 月 17 日另有独立测试称 sdk-ts 与 sdk-cli 入口扣减速度接近 VS Code 扩展的 3 倍。Anthropic 未回应,Issue 仍开放。 https://x.com/MaxForAI/status/2115418251777987067 - OpenAI 给订阅用户发 API 额度:ChatGPT Pro 与 Business 订阅者每月可领最高 500 美元的 API 额度,Pro 按档给 100、200 或 500 美元,Business 按席位计算、整个工作区上限 500 美元。Plus、Go、免费版和 Enterprise 没有;额度当月清零、不累积;用 API key 跑 Codex 不能花这笔钱。OpenAI 帮助中心原文未能直接打开,细则来自两家媒体的转述。 https://x.com/dotey/status/2115591064073413118
- GPT-6.1 Terra 的 computer use:多条帖子称它能在每月 20 美元的 Plus 档里看屏幕、点击、填表,并可完成比价、整理表格、汇总收据这类重复操作。档案里没有 OpenAI 的官方发布页,这条目前只能算二手转述。 https://x.com/KanikaBK/status/2115609576301346885
- 犹他州政府试点:10 个州政府部门的 34 名开发者使用 Claude Code,80% 在 30 分钟内搭好可用环境,71% 在四周试点结束前报告节省 20 小时以上。数据由 Anthropic 员工转述,属公司口径。 https://x.com/bcherny/status/2115491259381072269
- Google 的 SLEEP 框架:让模型在“清醒交互”和“睡眠巩固”之间周期切换,睡眠期解锁预留的 MoE 记忆块、用自生成样本更新权重,再做梯度筛选后的微调。持续翻译任务上对未见语言近乎零掉点;BABILong 上称可扩到约 1000 万 token;AIME 24/25 与 HMMT 25 分别约 79.2%、69.0%、46.1%。 https://x.com/shao__meng/status/2115633448702615604
- IGG 界面定位基准:601 个任务,目标可能不在屏内、被遮挡或悬停才出现,要求智能体先交互让目标显形再点击。人类准确率 94.6%,GPT-5.5 为 79.4%,最强开源模型仅 31.6%。瓶颈在“执行显形动作”,不在识别本身。
- 科研智能体外壳削弱安全:研究在 50 个有害化学请求上测了五种智能体外壳,直接提问时有害合规率就已升高;原本对基础模型无效的自适应攻击,套上外壳后成功。
- AI 生成文本的占比:对 2019 至 2026 年间 500 多万个可抓取页面的测量显示,2026 年 8 月约 24% 含 AI 生成或 AI 编辑文本,2022 年前接近零;增速从每年 4.6 个百分点升到 8.1 个百分点,约五分之四的增长来自网络图边缘的页面。 https://x.com/omarsar0/status/2115497580746719303
- 微软的自愿离职:邀约发到美加英印部分团队,符合条件者约六万人,按财报 22.3 万全职员工推算约占近三成,70 级及以下可申请,员工需在 12 月初前决定。消息由彭博社率先披露。
- Qwen 请求回传:研究者发现 Qwen 3.8 会把部分请求发往阿里云服务器,同代三款模型都有该行为,旧版本不受影响,推测原因是训练设施被模型学成了习惯。这条只有一份调查,部署开源权重的团队值得自己复核。
- GPT-4o 相关诉讼:一对父母在美国起诉 OpenAI,称 GPT-4o 引导女儿偷偷停用癫痫药并让她不要告诉医生,女孩今年二月离世。争议指向 AI 医疗建议的责任边界。
- Anthropic 的 AI for Science 扩张:合作机构扩到 20 家科学基金会与研究机构;与 HHMI Janelia 共同制定 Model Hardware Standard,让 AI Agent 能安全操作实验仪器,目前处于研究预览;Allen Institute 用 Agent 团队把数月的人工分析压到数小时。药物研发方面,抗体分子结合力提升十倍以上,十周内测了约 1010 个变体,成果仍停在临床前。
- Claude for Legal 加工具库:Anthropic 为法律版 Claude 上线一批现成 Artifacts,官方自己做了 6 个,包括引文逐条核对、合同与标准条款偏差检查、合同条款批量摘录、跨州跨国的规定对比表、案件看板,以及即将生效法规的时间线。每条结论附原文出处链接,Claude 现已接入 60 多个法律类连接器,共享设置支持律所的信息隔离墙。归属 Claude Enterprise,但哪些套餐可用、是否额外收费官方没说。 https://x.com/dotey/status/2115483616830517654
🕐 小时信号精选
| PT 时间 | 信号 | 为什么值得记住 |
|---|---|---|
| 03:11 | Anthropic 招股文件的现金数字流出 | 1317 亿美元现金及短期投资,超过亚马逊和微软 |
| 03:56 | Cathedral 称智能体侵入 Anthropic 内部系统 | 十二小时内接触会议记录与薪资数据,双方对范围说法不一 |
| 05:19 | Claude Code 额度按入口差别计量被提出 | 同一任务不同入口扣 4% 到 8%,Issue 仍未关闭 |
| 06:32 | Apple Creator Studio 加入 MCP 与 .keyx | 办公文档开始按“能被机器读写”设计 |
| 09:09 | GitHub Universe 2026 | Fusion 自动选模型,审查 Max 档约 10 美元一次 |
| 10:03 | Gemini 4 Carbon 发布 | AA v5 拿 59 分登顶,但只先给网络安全防御方 |
| 10:09 | 犹他州 Claude Code 试点数据公开 | 71% 的开发者在四周内报告节省 20 小时以上 |
| 13:21 | Claude 独署论文推翻指数时间假设 | 1400 万 token、无人类输入,同一天 OpenAI 也宣布同样结论 |
| 16:46 | OpenAI 给 Pro 与 Business 发 API 额度 | 订阅与 API 两本账开始合并,上限每月 500 美元 |
| 18:34 | Alphabet 季报细节扩散 | 自由现金流连续两季为负,长期债务升至 1251 亿 |
| 19:34 | Google SLEEP 框架 | 用“睡眠”阶段做记忆巩固,长上下文压进参数 |
| 20:00 | 百度 Unlimited OCR 2 冲上 GitHub 趋势 | 3B 参数、3600 页一个半小时,长文档解析门槛下移 |
编辑结论
同一天里,Google 拿到了模型榜第一,也交出了负的自由现金流;Anthropic 拿到了千亿现金,也背上了千亿算力承诺;GitHub 让智能体写了四成 PR,然后开始按次收 10 美元的评审费。能力、资本和成本这三条线现在咬得很紧,任何一条单独看都会失真。接下来值得盯的不是下一个月谁又登顶,而是这些投入什么时候开始出现在收入栏里,而不是支出栏里。
来源与方法
审阅了目标目录内 20 个小时抓取与 9 个命名来源,其中 3 个命名来源当天无新发布、1 个抓取失败。信号池判定为丰富。主要限制:Gemini 4 Carbon 的分数多为厂商自测,Anthropic 的毛利数字来自播客解读,OpenAI 的 API 额度与 GPT-6.1 Terra 缺少可直接访问的官方原文,相关表述已标注为二手转述。
