Kilo Code 用 25 万亿 token 数据揭示开发者如何真正采用 AI 智能体
Kilo Code 基于其网关的 25 万亿 token 真实数据，分析了开发者采用 AI 智能体的实际方式，发现其与业界以跑分和上下文窗口为核心的能力叙事明显不符。开发者并非按传统工具的方式采纳模型，信任是关键变量：自动补全、代码对话到多智能体编排构成一级级"信任阶梯"，底层体验不稳就会阻断向上采用。数据还显示采用瓶颈稳定出现在上下文构建、模型路由和反馈回路三个技术环节。
#部署/工程
InfoQ · AI/ML/数据/工程AI 评分3737
InfoQ · AI/ML/数据/工程AI 评分3737 CloudZero 创始人 Erik Peterson：你不能信任你的 AI 账单，我也不能
CloudZero 创始人兼 CTO Erik Peterson 指出，AI 账单数据不可信，即便是做云与 AI 成本管控的公司也无法完全信任自己的账单。他提到 "tokenmaxxing" 这一成本约 50 亿至 150 亿美元的虚荣指标，并称 AI 支出已增长约两倍且仍在上升。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布综述，分析并行推理尤其自适应并行推理的进展，探讨让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法多从模型外部固定并行结构，难以按问题难度调整并行度。