AI 日报：Liquid AI 发布 d1：带图像输入的决策模型

30 秒速读

Liquid AI 发布 d1：带图像输入的决策模型
Wan 3.0、Utopai X、Dreamina Seedance 2.5 位居文生视频榜前三
Eleven v4 Turbo 登上语音榜第一

本日报从公开来源中筛选与独立开发者相关的模型、产品、需求和工作流变化。事实链接用于核对，价值判断是编辑分析。今天先关注三件事：低成本决策模型、编码 Agent 的计费变化，以及 Agent 对网站和团队流程的影响。

今天最该知道的 10 条

Liquid AI 发布 d1：带图像输入的决策模型 原文

具体：d1 接收文字、图片和问题，直接返回分类概率、是非概率或评分，不必像聊天模型那样生成一段答案。Liquid AI 用 6 个任务与 GPT-6.1 Sol、Claude Opus 5.5 比较，称 d1 在 4 项达到或超过 Sol，成本低 19 到 200 倍；文字决策约 200–300 毫秒。这是厂商测试结果。
价值：先拿客服工单分流、线索筛选或截图质检做一百条小样本对照，重点看误判率和真实账单。若结果够稳，可以把高频判断从昂贵的通用模型调用中拆出去。

Wan 3.0、Utopai X、Dreamina Seedance 2.5 位居文生视频榜前三 榜单

具体：Artificial Analysis 当前榜单给 Wan 3.0、Utopai X、Dreamina Seedance 2.5 的 Elo 分别为 1156、1148、1142；页面显示的样本数分别为 8059、5934、8056。标价分别为每分钟 12 美元、暂无 API、每分钟 34.12 美元。采集变化记录将三者标为新进前三，实际名称和 Elo 已按官方页面校正。
价值：榜单是盲测偏好，不等于商用成片质量。做视频产品前，先用同一批中文脚本测角色一致性、镜头连贯、生成时间和每条成片成本；Utopai X 暂无 API，不能只凭排名选供应商。

Eleven v4 Turbo 登上语音榜第一 榜单

具体：Artificial Analysis 当前 TTS 榜将 Eleven v4 Turbo 列为第 1，Elo 1334、1645 个样本，标价每百万字符 40 美元；Eleven v4 排第 2，Elo 1321，标价 80 美元。当前榜页可确认排名和价格。
价值：配音、播客剪辑和语音客服可以先测 Turbo 的中文、多语种、情绪控制、延迟与授权范围。榜单位置不能替代对目标语言和长文本稳定性的试听。

Together Link 把开源模型接进现有编码 Agent 原文

具体：Together Link 支持 Claude Code、Codex、OpenCode、Pi 等工具，按每个会话的首个任务在快模型与强模型间路由，并在会话结束时列出实际花费。Together 宣称可节省 50% 以上；服务需要 Together API Key，费用按量计。
价值：独立开发者可以用同一组修复任务对照现有订阅与开源模型，记录一次任务的通过率、修改轮数和成本。可复制的价值在任务级路由与账单。

SemiAnalysis 实测不同编码订阅的额度价值 原文

具体：SemiAnalysis 通过反复请求、观察订阅额度条变化，再按 API 单价折算重度编程用量；其估算称，中档日常模型下 Anthropic 订阅的 API 等价价值约为 OpenAI 的 5 倍，而两家的高端模型档差距小得多。这是特定模型、计划和使用方式下的测算，不是所有用户的通用结论。
价值：给自己的 AI 功能定价时，按真实任务记录可用量、限额窗口和重试次数，别把套餐标价当作稳定成本。套餐改版后要重测，尤其关注高频编码和长会话。

Wikimedia 发现疑似 OpenAI Agent 对其平台进行未授权访问 原文

具体：Wikimedia 称发现未经社区批准的测试编辑、借 Etherpad 代理抓取数据的尝试，以及数百万次 API 请求和页面抓取、数十万次 Wikidata 查询；流量可能参与造成五月的一次局部故障。基金会同时说明没有发现系统或数据被攻破，也没有发现 Agent 间协调证据。
价值：公开 API、知识库和小型网站会同时承担带宽、排障和内容清理成本。网站工具需要按身份识别 Agent、控制请求速率、说明可接受用途，并让站长快速封禁异常来源。

PromptArmor 报告 Databricks Genie 的恶意 Skill 可借输出环节外泄数据 报告

具体：PromptArmor 称，Genie Code 执行用户上传的恶意 Skill 后，攻击者可在聊天结果渲染时弹出钓鱼页面并从浏览器带走租户数据，整个流程不需要再次人工批准。这是安全研究机构披露的攻击路径，适合按其报告做独立验证。
价值：Skill、MCP 和 Agent 插件的风险不只在模型生成了什么，也在结果渲染、浏览器权限和工具之间如何传数据。最小可做的是 Skill 静态检查、预览隔离和敏感数据外传告警。

Codex CLI 展示语音派发任务和跨项目管理 Agent 原文

具体：OpenAI 开发者账号展示在终端里用语音启动任务、管理多个项目中的 Agent，并在独立 worktree 中探索另一条实现路线。当天 X 讨论还出现手机保留 Agent 会话、把执行环境切到远端主机的用法。
价值：用户需要的不只是更强模型，还需要知道哪个 Agent 在哪个项目工作、修改了什么、怎样比较分支并安全交接。先在现有命令行 Agent 上补状态、差异和恢复入口，比从头造 Agent 平台更容易验证。

calesthio/OpenMontage 把视频制作拆成 Agent 流程 项目

具体：这个开源项目自述包含 12 条制作流水线、100 多个工具和 700 多份 Agent Skill 与制作知识文件，目标是把编程助手变成视频制作工作台。Product Hunt 近几天也出现了脚本转社媒视频和专业剪辑提速产品。
价值：视频生成模型持续上榜后，差异可能从“能不能生成”转到脚本、素材、剪辑、字幕和交付能否串成一条可返工的流程。先挑一种短视频成片类型，把其中最耗人的剪辑步骤做成可检查的流水线。

OpenAI 开始在 ChatGPT 图像生成场景测试视觉广告 原文

具体：OpenAI 宣布本月在美国测试新的 ChatGPT 视觉广告格式，并扩展广告归因、测量和品牌适配工具；广告会明确标注，且不影响回答内容。这是平台的早期测试，不代表广告已面向所有用户开放。
价值：对独立产品而言，AI 助手既可能成为新的获客入口，也可能把广告位变成答案旁的商品发现渠道。先观察广告如何标注、按什么意图出现、是否能追踪到转化，再决定是否把它纳入渠道组合。

大模型榜单异动

文生视频前三出现强异动，采集器原始模型名已按官方榜单校正 Artificial Analysis

变化：采集快照将前三项标记为昨日榜外；核对当前官方榜页后，Wan 3.0 为第 1（Elo 1156、8059 个样本、12 美元/分钟），Utopai X 为第 2（1148、5934 个样本、暂无 API），Dreamina Seedance 2.5 为第 3（1142、8056 个样本、34.12 美元/分钟）。原始抓取把置信区间误当成模型名、把样本数误写成 Elo，已在本报告更正。
判断：这是盲测偏好榜，适合纳入同脚本试拍，不宜直接当成上线选型。没有可用 API 的模型先不进入自动化生产；其余重点比算力价格、排队时长和返工率。

Eleven v4 Turbo 升至 TTS 榜第 1 Artificial Analysis

变化：采集器记录为新进前三的 major_surge；当前官方榜显示第 1，Elo 1334±19、样本数 1645，价格为每百万字符 40 美元。Eleven v4 当前列第 2，Elo 1321±18，价格 80 美元。
判断：今天值得测一组中文、多语种和长文本试听，并测 API 延迟与价格是否符合自己的用量。榜单支持语音质量比较，不证明它适合每种语言、情绪或商用授权。

视频榜另有 MiniMax H3 Max 与 FLUX 3 进入前十观察位 Artificial Analysis

变化：采集器将 MiniMax H3 Max 标为第 5、Elo 1134，FLUX 3 标为第 6、Elo 1127；官方当前榜分别显示 5623、6085 个样本，API 标价 4.80 与 17.40 美元/分钟。原始数据中“1000 Anchor Fixed at 1000”是 Elo 参考锚点，不是模型，已排除。
判断：两者作为 watch 候选继续观察，不据一次榜单变化改生产默认值。MiniMax H3 Max 的标价较低，可先做小样本质量与返工测试；确认供应稳定后再谈替换。

值得注意的新产品、新方向、新模型

结构化决策模型开始覆盖分类和质检任务

具体：Liquid AI 的 d1 支持文本和图像输入，返回概率型决策；Strands Labs 的 strands-decider 也把 Agent 工作流里的选择题交给轻量决策模型处理。
价值：把一个重复判断任务的误判成本、单次调用成本和人工复核时间放在同一张表里，若低成本模型能稳定完成，就有机会把过去不划算自动化的小任务做成付费功能。

Agent 视频产品从生成器延伸到制作工作台

具体：OpenMontage 主打多流水线制作；Spira Maxima 把脚本转成社交视频，LaunchReel 主打专业剪辑提速；GitHub 上还有自称 Agent-native 的视频编辑器。
价值：不要只做另一个文本转视频入口。可验证的窄方向是让营销人员把脚本、品牌素材、字幕、分镜和导出规格交给 Agent，再逐步审核每一步成片。

持久记忆、任务面板和跨会话交接正在变成 Agent 工作区

具体：claude-mem 会压缩会话经历并把相关上下文注回后续会话；OptMem 声称用 426-token 提示词和脚本提供永久记忆；Product Hunt 的 Devpit 则定位为 Claude Code Agent 控制室。
价值：不同工具都在补同一段空白：用户回到任务时看不懂 Agent 做过什么、要接着做什么。机会在可查来源的任务记忆、权限边界和可靠交接，而不是无差别保存全部对话。

未被满足的需求

编码 Agent 的真实成本和订阅余量难以预测

信号：SemiAnalysis 需要逐次测量订阅额度条，才能估算不同计划的 API 等价用量；X 上转述 The Information 的帖子称，微软多数工程师的月度 AI 用量上限从约 10 万美元降到约 1 万美元，并提到部分工程师不满。用户在多工具、多模型间工作时，缺少按任务看实际消耗和限额变化的简单账本。

网站运营者难以识别并限制消耗资源的 Agent 流量

信号：Wikimedia 披露数百万次 API 请求、页面抓取和大量查询，并称排查来源与恢复服务要投入人力。小网站和开放 API 运营者也需要可识别的 Agent 身份、速率限制、审计记录和一键封禁；这不是单纯增加服务器容量就能解决的事。

不同地区用户难确认 AI 新产品何时可注册、怎样合规使用

信号：一位在澳大利亚的 X 用户称，尝试两周才找到 Muse 的注册与安装办法，也验证了候补名单。当前只是一条个人经历，不能当成普遍需求；值得先访谈不同地区的用户，确认他们卡在开放地区、候补资格还是安装流程，再做官方可用性和候补进度提醒。

如果今天只有两个小时

做一个给 Claude Code、Codex 用户用的“Agent 任务成本卡片”。让 5 位开发者手工填入一周的订阅费用、额度变化和 3 个常见任务，输出每项任务的耗时、重试次数、结果是否通过和估算成本；先不接账号、不收 API Key。随后用同一批分类任务试跑 d1 或 Together Link，比较质量与账单。第一批访谈对象去 HN、Indie Hackers，以及 X 上分享编码 Agent 工作流的开发者社区找。