Pi开始给Prompt缓存自动续命，长任务少烧重复Token
相关推荐
阿里云：Token Plan个人版升级，新增12类Agent Harness工具
火星财经消息 9月11日，阿里云Token Plan个人版升级。据介绍，原有价格及Credit额度保持不变，Standard和Pro套餐新增Agent Harness工具权益与用量，覆盖搜索、网页解析、图像生成、语音处理、代码执行等12项Agent开发常用能力。（广角观察）
英伟达给Pi加外挂：Agent自己研究找出4种优化，Token最高省64%
动察 Beating AI 快讯，英伟达 NVLabs 开源 SoL-Pi，给 Coding Agent Harness「Pi」加了一层效率优化。研究团队搭了一套自动研究流程，让多个 Agent 分析 Pi 的运行轨迹、提出优化方案、改代码并自动验证。最初有 152 个候选方向，最后只留下 4 个。 这 4 个优化都在减少重复开销。比如改完代码后直接接着跑测试，少一次模型调用；读过的大文件和长输出先存到本地，需要时再取；子任务结束后判断要不要压缩上下文；超长日志先交给便宜模型筛重点，再核对内容确实来自原日志。 在 EdgeBench 上，SoL-Pi 相比原版 Pi 少用 45%–49% Token，成本低约三分之一；相比 Codex、Claude Code 的原生 Harness，Token 少 35%–64%，按 API 标价计算成本低 50%–54%。 不过省钱会损失一点能力，SoL-Pi 保留了 Pi 约 94% 的平均得分；在 Terminal-Bench 4 的 63 个 CPU 任务里，它解出 15 个，Codex 和 Pi 都是 18 个。
DeepSeek开始模型和Agent一起训：V4.1 Flash为Harness专项优化
动察 Beating AI 快讯，DeepSeek Harness v0.1.5 发布。V4.1 Flash 在训练阶段就针对 Harness 做了专项训练和优化，覆盖标准、PTC 和极简三种模式。Harness 已经直接进入模型训练环节，不再只是模型发布后再接一个 Agent 外壳。 新版还加入实验性的 Agent Teams。父子 Agent 可以双向通信，主 Agent 能给不同子 Agent 指定模型和推理强度；多个 Agent 还能共享任务、互相发消息，最后由主 Agent 汇总。 V4.1 Flash 还有一个很特别的长任务优化：Agent 跑到一半修改系统提示词，也可以尽量保留已有 KV Cache。长任务不用因为前面的规则改了一点，就把后面大段上下文重新计算。 Web 端也加入文件上传和预览，支持 PDF、图片、代码等格式。插件可以往左右 Sidebar 和内容区接入自己的 UI，长会话的加载、恢复和内存占用也一起做了优化。
Qwen27B改成扩散Agent：速度拉到500+Token/s，厂商自测单项超Sol
动察 Beating AI 快讯，专攻超高速大模型的 Celeris 发布一款基于 Qwen3.8-27B 改出来的混合扩散 Agent 模型 Celeris-1 Magnus，官方称在不少场景能跑到 500+ Token/s。 在 τ³-Banking 的 97 个银行客服任务上，Magnus 开启 low reasoning 后完成率达到 41.2%，中位耗时 55 秒。同场的 GPT-5.6 Sol 是 38.1%、79 秒。 传统模型基本一个 Token 一个 Token 往后写，Magnus 能一次生成多个 Token，再反复修正。需要严格按顺序生成的内容再串行处理，因此一次计算可以往前推进更多 Token。
CREAO再融千万美元：让Agent从每次失败里自己改Harness
动察 Beating AI 快讯，企业 Agent 平台 CREAO 完成新一轮千万级美元战略融资，累计融资超过 3000 万美元。CREAO 现在重点做的是 Harness 自我迭代，也就是让 Agent 根据真实任务里的错误和反馈，持续调整自己的执行系统。 Harness 是模型外面控制 Agent 怎么干活的一层，包括任务规划、工具调用、记忆、模型选择和出错后的处理方式。CREAO 已经跑通其中一部分自动纠错：Agent 完成任务后，系统会自动检查结果；发现问题后生成工单，AI 再调查原因、写修复、验证结果。新版本先用少量真实流量测试，效果变差就自动回滚。CREAO 官方此前已经公开过这套系统。 下一步，CREAO 准备把这种改进扩大到更多 Harness 环节。例如，同一类 Agent 反复在某个工具或任务流程上出错，平台可以根据大量真实任务的数据调整整套执行方式，新创建的同类 Agent 也能直接用上这些改进。 再往后，CREAO 还准备把一部分经验训进模型。它计划基于开源模型做垂直场景的后训练，让常见任务更多由成本较低的专用模型完成，复杂任务再调用前沿模型。
Claude Code官方省Token指南：11个技巧让额度用得更久
据动察 Beating 监测，Anthropic 发布 Claude Code 省 Token 指南。核心就一句：上下文越长，后面每一轮越贵。聊天、文件和命令输出都会继续占用 Token，也会因此更快消耗额度。 整理下来，有 11 个最实用的技巧： 1. 换任务就 /clear。一个任务做完就清掉上下文。还在做同一个任务，只是前面的内容没用了，再用 /compact 压缩。长会话越往后越贵，因为每一轮都会重新带上之前的内容。 2. 模型和 effort 开局就选好。中途执行 /model 或 /effort 会打掉 prompt cache（提示词缓存），下一轮需要重新处理整段上下文。Fast mode 也是一样，最好一开始就开。 3. 离开前先 /compact。订阅用户的缓存约 1 小时过期，API Key 默认约 5 分钟。缓存过期后再回来，下一轮通常要重新处理整个上下文。趁缓存还在时压缩更便宜。 4. 最近几轮跑偏就 /rewind。它只删掉后面几轮，前面的缓存还能继续用。/compact 会重写整个对话，成本更高。 5. 文件直接用 @ 文件名。Claude 会在第一轮直接拿到文件，可以省掉一次 Read 或搜索。一个文件通常只需要 @ 一次，重复 @ 反而可能把同一文件再塞一份进上下文。 6. Prompt 尽量说具体。与其说「测试挂了」，不如直接告诉 Claude 哪个测试、哪个文件。否则它可能先 grep、搜索、读一堆文件，这些结果之后每一轮都会继续占上下文。 7. 测试和日志尽量少输出。Build、测试、git log 的输出都会留在上下文。可以加 quiet 参数、只输出错误，或者用 tail 截断。Claude Code 对超过 3 万字符的命令输出反而会自动写入文件，只把摘要和路径留在会话里。 8. 用 /context 查启动负担。新会话一开始就可以看 CLAUDE.md、MCP 和工具定义占了多少上下文。CLAUDE.md 只放通用规则，专项流程放进按需加载的 Skill，不用的 MCP 用 /mcp 关掉。 9. 简单任务用更小的模型、更低的 effort。大模型输入和输出都更贵，thinking 也属于输出 Token。纯执行类任务没必要一直用最高档模型和最高推理强度。 10. 大日志交给 subagent，小任务别滥用。Subagent 有独立上下文，只把最终结果带回主会话，适合读大量日志、搜索文档。但它也要重新读文件、自己跑多轮，小任务反而可能更贵。搜索、读日志这类任务还可以指定 Haiku 或 Sonnet。 11. /loop 最好单独开会话。每次循环都是完整的一轮，会重复携带当前会话的全部上下文。如果间隔超过缓存时间，还可能叠加一次缓存失效。官方建议另开终端，用一个干净会话专门跑循环。 Anthropic 的建议归根结底就是：少塞无用内容，任务结束及时清，会话别拖得太长。