

> 谷歌全新升级大模型推理计费策略，通过引入弹性折扣、极致响应与缓存计费等多维矩阵，精细化匹配不同商业场景的算力诉求，助力企业实现成本与效率的最优解。

## 精细化分层满足多样算力诉求

谷歌近期对其基础核心模型 API 的计费结构进行了大幅度革新，旨在更精准地贴合开发者在不同部署阶段的真实推理诉求。本次升级摒弃了单一的计费模式，转而构建了包含标准、弹性、优先、批量和缓存版在内的全方位服务矩阵。

在这一系列更新中，标准档位继续充当着稳定可靠的基础基石，为常规业务提供稳定支撑。而最具创新意义的弹性档位，则巧妙利用了系统非高峰时段的闲置算力资源，为用户提供高达五折的费率优惠。该模式的执行延迟区间被设定在 1 至 15 分钟之间，彻底打破了传统即时响应的成本壁垒，为时间敏感度较低的后台任务提供了极佳的降本方案。

## 批量处理与缓存策略重塑数据流

面对企业级用户日益庞大的数据吞吐需求，批量档位同样拿出了标准费率五折的诚意。该选项的响应宽限期最长可达 24 小时，这在进行海量文献检索、大规模市场数据清洗时，能够将企业的底层算力开销降至最低。

![12.png](https://static.downly.cn/images/546ea5b78fc5d4ef55e566b955aaa09f.png) <center>图源备注：图片由AI生成</center>

缓存计费版块的引入同样具有行业风向标意义。系统将严格依据缓存的词元总量与实际存储时长进行阶梯计费。对于那些需要频繁拉取固定复杂指令的客服机器人系统、长视频语境分析以及超大文档集的持续问答场景，这一机制能够避免冗余计算，大幅度提高整体架构的运行能效。

## 毫秒级响应确保关键业务不掉线

针对金融交易监控、实时反欺诈系统以及高敏度智能助手等对延迟零容忍的场景，谷歌特别推出了优先档位。虽然其定价上浮了 75% 至 100%，但平台承诺提供毫秒到秒级的极限响应控制。官方强烈建议对高并发和低延迟有严苛要求的核心业务线采用此档位，以确保终端应用在复杂网络环境下的流畅度和极速体验。

通过这一系列商业化路径的重新梳理，大型科技企业与初创团队都能在此次计费矩阵中找到最契合自身财务模型的算力配置方案。

谷歌优化Gemini计费矩阵 弹性与优先分层重塑商业化路径



> 今日AI界风起云涌：Tahoe Bio利用AI解码生命奥秘，剑指癌症研究新突破；Anthropic则将AI利刃伸向金融界，推出能直连Excel的Claude，解放分析师；同时，国产模型DeepSeek在股市交易中一举夺魁，展现强大实力；Mistral AI、MiniMax也分别发布新平台与模型，竞逐企业级应用与智能体赛道；而在消费领域，Fitbit和谷歌地球则将AI融入健康与地理探索，让尖端技术走入日常生活。

## AI化身生命解码器，Tahoe-x1模型加速癌症研究革命

Tahoe Bio公司发布了参数量达30亿的AI模型Tahoe-x1，该模型采用Transformer架构，能解析基因、细胞与药物间的复杂关系，标志着AI在生命科学领域从辅助工具迈向生命系统建模引擎，有望加速癌症靶点发现和个性化疗法的研发。

![image.png](https://static.downly.cn/images/efaf2d2e5713ada0abc6526255fbeb21.png)

<center>图源备注：图片由AI生成</center>

## Mistral AI 亮剑企业市场，推出 Studio 平台简化应用开发

Mistral发布AI Studio平台，旨在借助其强大模型，赋能用户快速部署AI应用，支持企业大规模构建、监控和管理AI，助力其完成从概念验证到企业级生产的战略转型。

![image.png](https://static.downly.cn/images/d3eccde35b1cde4dc546acf18ecbe0f6.png)

<center>图源备注：图片由AI生成</center>

## 告别繁琐数据处理，Anthropic 发布金融版 Claude 直通 Excel

Anthropic发布金融版Claude，旨在解决金融从业者数据搬运和重复建模的痛点。新功能核心包括Excel原生交互插件、实时全球金融数据源连接和投行级AI代理技能。通过基于Sonnet 4.5模型的Excel插件，可实现数据自动化处理，让Claude成为“分析师第二大脑”，有望将分析师的工作负担减轻80%。该功能目前正面向企业客户进行测试。

![image.png](https://static.downly.cn/images/68009791e4cf9af3618be3d4496d6a85.png)

<center>图源备注：图片由AI生成</center>

## 国产AI模型DeepSeek炒股夺冠，年化回报率远超GPT

中国自主研发的DeepSeek模型在香港大学主导的人工智能交易实验中，凭借10.61%的年化回报率，显著优于GPT等国际顶尖AI模型及纳斯达克100指数，有力证明了AI在无人值守股市交易领域的巨大潜能。

![image.png](https://static.downly.cn/images/fd88845a44f44e53dde82313aeef633b.png)

<center>图源备注：图片由AI生成</center>

## 你的腕上AI私教，Fitbit 推出 Gemini 健康教练

Google将推出基于Gemini大模型的AI“健康教练”功能，为Fitbit Premium订阅用户提供全天候个性化健身、睡眠和健康指导，该功能将于明起在美国安卓用户中预览开放，并将随后登陆iOS平台，旨在通过动态适应能力超越传统预设方案的局限。

![image.png](https://static.downly.cn/images/80380eaca0e6aef1db0f2c065d553b76.png)

<center>图源备注：图片由AI生成</center>

## 为智能体而生，MiniMax 发布 M2 推理模型实现高速响应

MiniMax发布新一代开源推理模型M2，专为智能Agent设计，采用2300亿参数的混合专家架构，每次推理激活100亿参数，实现了每秒100个token的惊人速度，尤其适合实时交互场景。

![image.png](https://static.downly.cn/images/e47606a65e31398c11a8c084b71164b2.png)
<center>图源备注：图片由AI生成</center>

## 与地球对话，Google Earth 集成 Gemini 实现自然语言地理分析

谷歌在其Earth平台引入Gemini大模型，用户能通过自然语言对话进行地理推理，识别风暴、分析干旱，该功能结合了地理空间推理模型、天气预报、卫星图像及人口数据等AI能力，显著提升了交互效率。

![image.png](https://static.downly.cn/images/3709c2d481ce330fe7ded28ace6b6c81.png)

<center>图源备注：图片由AI生成</center>



每日AI资讯1028：AI深入垂直领域，从金融交易到生命科学全面开花

> 在人工智能快速发展的浪潮中，不断有新的概念和技术涌现，试图突破现有模型的局限。近日，由知名 AI 研究者创办的 Sakana AI 公司发布了一项引人注目的新技术——The Continuous Thought Machine (CTM)，即“连续思维机器”。这项技术旨在赋予 AI 模型更接近人类的“连续”思考能力，有望在复杂任务处理和实时决策方面带来显著提升。

## 一 传统 AI 的局限性：离散与片段

当前主流的 AI 模型，特别是大型语言模型，在处理复杂任务时往往表现出“离散”或“片段化”的特点。它们在生成文本或执行指令时，通常是基于当前的输入和已有的训练数据进行一步一步的预测和输出，缺乏一种持续、连贯的“思考”过程。

1.  **缺乏长程连贯性**

    在处理需要长期规划、多步骤推理的任务时，传统模型有时难以保持逻辑上的连贯性，容易出现前后矛盾或遗漏关键信息的情况。

2.  **对即时输入的依赖**

    模型的输出很大程度上依赖于当前的输入提示，当任务复杂或需要持续交互时，模型的表现可能会受到限制。

## 二 连续思维机器 (CTM) 的核心理念

Sakana AI 提出的 Continuous Thought Machine (CTM) 技术，旨在解决传统 AI 的这些局限，赋予模型一种更加“连续”和“整体”的思考能力。

1.  **模拟“连续”的思维过程**

    CTM 的核心思想是让 AI 模型能够像人类一样，在处理任务时保持一种持续的内部“思考”状态，而不是简单地对输入做出反应。这种“思考”过程可能是模型内部信息的流动、整合和优化。

2.  **增强内部状态的维护**

    CTM 可能通过改进模型的内部架构和算法，使其能够更好地维护和更新内部状态，从而在处理连续的任务或信息流时保持连贯性。

    ![image.png](https://static.downly.cn/images/20250513062536.135687757.png)

## 三 CTM 的潜在技术实现

虽然具体的实现细节尚未完全公开，但可以推测 CTM 可能结合了多种先进的 AI 技术。

1.  **改进的循环神经网络或 Transformer 变体**

    CTM 可能在传统的循环神经网络 (RNN) 或 Transformer 模型的基础上进行改进，使其能够更好地处理序列信息并维护长期的依赖关系。

2.  **引入外部记忆或知识库**

    为了支持连续的思考过程，CTM 可能结合外部的记忆模块或知识库，让模型能够随时访问和利用相关信息。

3.  **强化学习或自监督学习**

    CTM 的训练可能利用强化学习或自监督学习方法，鼓励模型在处理任务时发展出更有效的内部“思考”策略。

## 四 CTM 的潜在应用前景

如果 CTM 能够成功实现其设计目标，将在多个领域带来显著的应用价值。

1.  **更自然的对话系统**

    CTM 有望让 AI 对话系统更加连贯和智能，能够更好地理解上下文、跟踪话题并进行多轮深度交流。

2.  **复杂任务的自动化处理**

    在需要多步骤规划、决策和执行的任务中，例如自动化流程、机器人控制等，CTM 可以提供更强大的支持。

3.  **实时决策与响应**

    在需要快速、连续决策的场景，例如金融交易、自动驾驶等，CTM 有望提高 AI 的响应速度和决策质量。

4.  **增强创意生成能力**

    连续的思维过程也可能有助于 AI 生成更具创意、更具整体性的内容，例如长篇故事、音乐作品等。

   ![image.png](https://static.downly.cn/images/20250513062706.809286573.png)

## 五 总结与展望

Sakana AI 推出的 Continuous Thought Machine (CTM) 代表了 AI 领域一个令人兴奋的新方向。通过赋予 AI 模型更接近人类的“连续”思维能力，CTM 有望突破现有模型的局限，在复杂任务处理和实时决策方面实现新的突破。虽然这项技术仍处于早期阶段，但其核心理念和潜在应用前景都值得我们持续关注。未来，我们可以期待看到 CTM 如何改变我们与 AI 交互的方式，并为人工智能的应用带来新的可能性。

![image.png](https://static.downly.cn/images/20250513062734.484804680.png)

搜索结果: 金融交易