600多一个月的小米Max token套餐用完了，16亿credit大概能消耗8亿多token。
前半个月用的少，后半个月在高频调用，自己用下来感觉MiMo-V2.5-Pro的agent能力强，多模态模型，自带视觉识别；vibe coding能力中规中矩。大家觉得性价比怎么样？
600多一个月的小米Max token套餐用完了
更多动态
review代码还是gpt好使，但千万别开go
，昨晚review两三小时就用完了，今天又开了个plus，用了一上午，周余额仅少了2%
腾讯刚开源了一个东西，直接把 AI Agent 的 Token 消耗减少
60% 叫 TencentDB Agent Memory，就是一个给 AI 装了个"长期记忆"。你跟 Agent 聊过的所有东西，它不会每次都从头问你，下次直接记得。 原理是把对话内容分层存，重要信息压缩成符号，不重要的扔到外部。上下文窗口不再越聊越满，Token 自然省下来了。 实测下来，Token 消耗降低 61%。同样的内容，花不到一半的钱。 完全本地运行，不需要额外调 API，SQLite 搞定。MIT 协议，随便用。 接入方式： OpenClaw 用户一行搞定： openclaw plugins install @tencentdb-agent-memory/memory-tencentdb openclaw gateway restart Hermes 用户直接 Docker 起： docker run -d --name hermes-memory \ -p 8420:8420 \ -e MODEL_API_KEY="$MODEL_API_KEY" \ -e MODEL_BASE_URL="$MODEL_BASE_URL" \ -e MODEL_NAME="$MODEL_NAME" \ -e MODEL_PROVIDER="$MODEL_PROVIDER" \ -v hermes_data:/opt/data \ agentmemory/hermes-memory:latest
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
