OpenAI为GPT-6 Astra新增configuration_update，允许在长对话中随时调整reasoning effort而不丢失缓存。此前切换档位会导致缓存命中率从98.5%骤降至65%，重建后恢复至97%以上。该更新使难题用High或xhigh、简单任务降回Low，长上下文缓存持续复用，大幅提升长时间运行Agent的效率。

Harness Engineering正成为AI Agent落地的核心议题。文章梳理其定义、兴起时间线，以及Context、Tool、Permission、Memory、Hook、Sub-agent、Prompt Cache七大模块。

高盛在一份 50 页报告中评估了中国 AI 大模型的成本效率、开源策略、变现路径和长期竞争格局。报告认为，中国开源或开放权重大模型正以更低成本逼近全球顶尖专有模型；基础文本模型中，智谱与 DeepSeek 定位最强，多模态领域则由字节跳动领跑。高盛还预计，中国 AI 模型 API 和订阅收入将从 2026 年的 350 亿元增长至 2030 年的 8790 亿元。

Anthropic已限制Claude Pro和Max订阅通过Openclaw等第三方框架调用，重度加密AI代理用户被迫转向按量计费，单日成本在极端情况下或达1000至5000美元。

Anthropic于2026年4月4日暂停Claude Pro/Max订阅对OpenClaw等第三方代理框架的支持，转向按量计费，导致加密货币AI开发者单日成本高达1000-5000美元。社区转向OpenAI、本地模型或Hermes Agent等替代方案。

Coinbase 已开始采用中国 AI 模型 GLM 5.2 和 Kimi 2.7，以降低 AI 推理相关支出。报道显示，其通过自动路由、提升缓存命中率和优化上下文工程，将整体 AI 成本压缩约一半。除 Coinbase 外，Lindy 和 Snowflake 等公司也在转向更便宜的模型方案，反映出企业采购逻辑正从单纯追求头部模型性能，转向更重视性价比与成本控制。这一趋势意味着 AI 行业的定价体系正在重塑，OpenAI 与 Anthropic 等美国头部厂商面临更直接的价格竞争。

美国加密交易所 Coinbase 正在采用中国 AI 模型 GLM 5.2 和 Kimi 2.7，以降低 AI 相关支出。报道显示，Coinbase 通过自动路由、提升缓存命中率和上下文工程等方式，将模型使用成本压缩至原来的一半。除 Coinbase 外，Lindy 和 Snowflake 等公司也在转向更便宜的模型方案。这一变化表明，AI 行业的定价逻辑正在重塑，OpenAI 与 Anthropic 等头部厂商面临更直接的价格竞争压力。

Coinbase 首席执行官 Brian Armstrong 发文披露，公司通过多项基础设施优化将 AI 支出削减近一半，同时 token 使用量仍在增长。核心举措包括：默认采用 GLM 5.2、Kimi 2.7 等开放权重模型，替代高成本前沿模型；引入 LLM 网关实现模型智能路由，根据任务需求匹配最合适模型；实施缓存感知架构，将 LibreChat 缓存命中率从 5% 提升至 60%。此外，公司要求工程师保持上下文精简，以降低推理成本。Armstrong 强调，目标不是限制 AI 使用，而是构建可支撑指数级增长的基础设施，未来模型选择应由 AI 自动完成。