<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>大模型成本优化 on AI内参</title>
    <link>https://www.neican.ai/tags/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%88%90%E6%9C%AC%E4%BC%98%E5%8C%96/</link>
    <description>Recent content in 大模型成本优化 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 03 Sep 2025 15:40:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%88%90%E6%9C%AC%E4%BC%98%E5%8C%96/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>超越性能竞赛：大模型“算力经济学”与智能路由的底层逻辑</title>
      <link>https://www.neican.ai/insights/article-20250903154004960-5/</link>
      <pubDate>Wed, 03 Sep 2025 15:40:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250903154004960-5/</guid>
      <description>大模型产业正从性能导向转向算力效率优化，OpenAI的GPT-5路由和DeepSeek的混合推理技术，旨在通过智能调度计算资源来解决高昂的成本和延迟问题。这场变革不仅是技术上的创新，更是应对“AI成本悖论”、确保商业可持续性，并最终提升“算力兑换智力”效率的关键战略，将重塑大模型未来的产业格局与应用生态。</description>
    </item>
    <item>
      <title>重塑可见性范式：从LLM指标到数字实体图谱，解码AI原生应用的未来运维</title>
      <link>https://www.neican.ai/insights/llmai-20250903131004578-1/</link>
      <pubDate>Wed, 03 Sep 2025 13:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/llmai-20250903131004578-1/</guid>
      <description>随着DeepSeek等AI原生应用的崛起，传统可观测性面临挑战。业界正通过定义TTFT、TPOT等LLM专属指标、基于OpenTelemetry构建深度追踪探针，并结合AI智能体实现故障诊断与自愈，致力于解决性能、成本与质量评估难题。未来可观测性将演进为连接数字世界实体的统一图谱，并由AGI赋能，成为保障AI系统稳定、高效运行与伦理合规的核心基石。</description>
    </item>
  </channel>
</rss>
