市场从Token Maximize转向Token Efficie

核心摘要

本集回答的是：AI Agent从“无脑烧Token”转向“Token高效使用”是否成立，以及Agent技术形态如何随模型能力升级而演变。判断：模型能力强到一定程度后，本地开源模型与顶级闭源模型协同、精准消耗Token，成为更优路径。

干货提炼

主题一：市场从Token Maximize转向Token Efficient

• 硅谷正在经历从无脑烧Token到控制Token成本的转折：Uber四个月烧穿全年AI预算，Meta计划限制员工Token消耗量，Stripe内部大模型页面直接弹出“Opera 4.8很贵，先用其他模型”的提醒。
• 洪江判断基础设施没有泡沫：理由是Token消耗量增长快，价格过去几年每年降10倍，从占GDP比例看远低于历史上互联网或铁路网基建的投入，但股票市场是否存在泡沫是另一回事。
• 东旭认为Token最大化是被误读的策略：真正有效的是“经过思考地去Token Maximize”，而大公司只要设立Token消耗排行榜，就必然导致无效调用和刷榜，Meta和Nvidia提出Token Mass时他已经预见这个问题。

主题二：Token Maximizing阶段的实战价值

• 东旭用最强模型做最复杂项目，账单惊人但ROI极高：从2025年11月起用Opus从0到1构建分布式数据库DB9，一天花400-500美金（Claude Pro Max订阅加200美金额外用量），一个人三个月做出能带来每年约1,000万美金直接收入的软件产品。
• 当时选最强模型是因为能力断崖：去年11月Opus和GPT-5.1对第二档的Coding Agent是断崖式领先，开源模型只能做简单的“1+1=2”级别的事，复杂软件编程完全不靠谱，所以Token Maximize是那个阶段的正确策略。

主题三：Agent形态演变——OpenClaw到Hermes到Slack

• OpenClaw的意义是捅破窗户纸：Peter用Claude Web Coding一周做出来，开源、local first，标志大模型能力过坎——推理和编程能力强到让一个软件工程师而非科学家能短时间做出系统。但代码质量和稳定性不够，Peter用30天130万美元API也没精雕细作，后来Peter去了OpenAI，OpenClaw更多扮演普罗米修斯角色。
• Hermes的亮点是Skill机制绕开记忆问题：记忆仍是开放问题，Hermes不是把记忆模块做得出彩，而是在Agent框架里不停总结成功经验为可复用的Skill，本质是“用模型能力加工程化手段把成功经验沉淀下来”，与其说自我改进，不如说是更好的学习习惯。
• Slack（后改名RFT）是多Agent群组讨论：钱宇超创立，Agent在群里互不共享context，只共享聊天频道信息。东旭用它做代码审查，10个顶级模型互相挑刺迭代，挑出问题的深度远超单个模型一次到位，但Token消耗是普通的10倍，账单一天三四百美金。

主题四：Fable 5与DeepSeek V4带来的Token Efficient转折

• 绝对智商碾压让多Agent讨论变得不必要：Fable 5和GPT-5.5强到“一群人讨论半天讨论不出来的东西，一次就精准解决”，东旭给Agent群设定规则——解不了就写报告说明为什么解不了，然后把报告直接发给更强模型解决。
• 本地开源模型进入实用状态：DeepSeek V4 Flash跑在Mac Studio上，约30 token每秒，跟在线API的ChatBot速度接近。东旭用它做大量重复性日常工作和批量任务（如全量总结几千篇CPPR/IPS论文），成本只有满载时每月二三十美元电费。
• 现在的账单状态：云端顶级模型（GPT-5.5/5.6、Codex）+本地开源模型搭配后，东旭月度账单降到两三百美金，主要是Claude最高版本套餐加Codex。

主题五：投资方向与Agent Native的判断标准

• 基础设施层有机会，但入口和应用层有区分：东旭倾向投“在多个Agent间产生更好结果”的基础设施，包括数据平台、记忆和context management、可观测性。他新投的Inforge定位是Agentic Cloud——以前的云面向开发者，未来Agent Native应用的基础设施面向Agent，需要设计Agent友好的接口和成本效率兼顾的资源分配。
• 数据护城河比算法能力更关键：洪江认为做垂直Agent应用时要掌握企业级数据，垂直行业方法论加数据才能避免被通用大模型碾压；用AI做传统移动互联网效率工具很容易被打穿。
• 判断Agent Native公司的思想实验：东旭的方法是——如果把AI/Agent元素去掉，这个事就不成立或成本涨1000倍，那才是Agent Native；另外看创始人 mindset 是否Agent First，是否让Agent做主位和决策权。

高光金句

• ❝ 我依然会非常有信心我不觉得是存在的太大的泡沫当然你说股票市场是不是存在泡沫那是另外回事但是呢技术的发展应用的发展我不觉得存在的什么泡沫 ❞
• ❝ 我过去这一年学到最大的事情就是千万别随便说什么叫终局哈对第二呢永远相信s c al ing low永远相信智能 ❞
• ❝ 机器的学习能力超越了人的学习能力

提及资源

• 人物/公司/组织：Peter - OpenClaw作者，已去OpenAI；钱宇超 - Slack的创始人，前Kimicli负责人，东旭是其天使投资人和最早用户；Nars Research - Hermes背后的Web3机构；Nvidia、Meta、Uber、Stripe - 转录稿中Token成本控制的案例公司；Anthropic、OpenAI - 大模型公司；清华大学 - 发表论文提出“三个臭皮匠超过一个诸葛亮”；微软 - 三天前宣布成立6,000人团队做frontier相关业务；Inforge - 东旭新投的Agentic Cloud公司