命令输入 mimo,打印了一串 pppppp ,不知道是何用意 多发几次聊天页面就乱套了，新旧内容叠在一起，乱七八遭 ai 输出完一大堆内容以后，居然不能翻看前面的内容，只能看当前屏，无法滚动 估计都是用 mimo 写的，还没咋测试
命令输入 mimo,打印了一串 pppppp ,不知道是何用意 多发几次聊天页面就乱套了，新旧内容叠在一起，乱七八遭 ai 输出完一大堆内容以后，居然不能翻看前面的内容，只能看当前屏，无法滚动 估计都是用 mimo 写的，还没咋测试
命令输入 mimo,打印了一串 pppppp ,不知道是何用意 多发几次聊天页面就乱套了，新旧内容叠在一起，乱七八遭 ai 输出完一大堆内容以后，居然不能翻看前面的内容，只能看当前屏，无法滚动 估计都是用 mimo 写的，还没咋测试
命令输入 mimo,打印了一串 pppppp ,不知道是何用意 多发几次聊天页面就乱套了，新旧内容叠在一起，乱七八遭 ai 输出完一大堆内容以后，居然不能翻看前面的内容，只能看当前屏，无法滚动 估计都是用 mimo 写的，还没咋测试
命令输入 mimo,打印了一串 pppppp ,不知道是何用意 多发几次聊天页面就乱套了，新旧内容叠在一起，乱七八遭 ai 输出完一大堆内容以后，居然不能翻看前面的内容，只能看当前屏，无法滚动 估计都是用 mimo 写的，还没咋测试
我今天一直在用 gpt-5.5 开发项目，但刚才去看 any 站今天用了多少额度，然后傻眼了，自己根本没用过 opus-4.8 但一直显示在被使用，使用了 80 多的额度…什么鬼，吓得我删了之前的 key，新创建的 key，过了一会儿，更诡异的事发生了，有出现了一次 opus-4.8 的请求… 大家有遇到过这种情况么？该如何解决？ L 站是通过 GitHub 授权登录的，GitHub 绑了二次验证，目前没看到过有异常… 我是 mac 操作系统，应该没有什么病毒，如果有也不会只盗刷 any 站的吧… 我重新登录了 any 站，然后又创建了一个新 key，我看看还会不会被盗刷额度…10几分钟了，似乎没有再触发盗刷的情况了… 22 个帖子 - 17 位参与者 阅读完整话题
Gemini Web UI 好像又更新了，在站里搜索了一下，好像没看到。 新旧对比如图： 新： 旧： likeness 功能 添加你的虚拟形象 快速录制一段自拍视频，只需轻点一下，即可将你的虚拟形象与声音带入任何场景。 https://gemini.google.com/likeness Daily brief 每日简报 隆重推出您的每日简报 您的全能清单。连接 Google Workspace，将您的生活集中在一处，开始高效整理。 2 个帖子 - 2 位参与者 阅读完整话题
如果我学AI的故事也是一部剧的话，那我想在进入下一阶段的新旧状态的裂缝之间，应该有一个好我的第一季的结尾了。这一季里，我看到了如何用AI完成了对自己的救赎，如何初次接触AI的一些信息，如何从各种渠道找到了我该通过什么途径来学习AI，以及如何如愿以偿地用AI上手做了一些东西。 分享这个故事不是因为觉得自己学AI学的有多好，相反我是一个非常不擅长学习的人，和我一起长大的小伙伴都知道，而是我觉得一定得有一个地方记录下这些，方便自己回头看看曾经走过的路。 故事的开始，我和大部分人一样，不知道拿业余的时间学点什么好，只是盲目的在考各种证。我当然知道这对个人的提升有限，但它给了我一样很重要的东西，就是安全感，让我感觉自己至少在积累的这么一种安全感。 直到ChatGPT出现，也和大多数人一样，看到了这件事情背后藏着一个巨大的东西。我隐约觉得我应该在这个领域多学习、多了解。但很可惜，我依然有点像无头苍蝇，不知道学习渠道，也不知道学习方法。我曾经关注过快刀青衣的AI学习圈，但说实话，最开始快刀青衣本人自己也在摸索阶段，所以从中能获取到的东西，有是有，但总感觉像是在AI领域的外围打转。 直到有一天，我的师弟佳伟给我推荐了一期播客，我记得很清楚，那是一期访谈，秘塔创始人的播客。具体内容我有点记不太清了，但是当时真的给我很大的震撼，我才知道原来一期播客的信息量能有那么大。于是慢慢的，我开始用小宇宙找各种播客。于是我找到了张小珺商业访谈录，找到了十字路口Crossing，找到了罗永浩的十字路口，又通过和同事的交流，了解到了更多的播客。 AI学习和AI创业我是能听懂的（比如十字路口Crossing和罗永浩的十字路口），但聊技术我是很难听懂的（比如张小珺的商业访谈录），但是通过这些内容，我至少了熟悉了AI领域大家在关注什么内容，都用了一些什么样的研究方法，AI演进的大体思路是什么。更尤为重要的是，嘉宾们时不时提到的一些书籍、论文，还有一些生活习惯、平时的思考方法，都给了我太多的启发。有些时候的启发，甚至能让我感觉自己开车时大脑在冒青烟，连眼前的天空颜色都变得有些不一样。那几个瞬间我是真的感受到了醍醐灌顶是一种什么样的体验。 罗永浩的好几期嘉宾都如此的热爱产品，让我感受到这个大家天天谈论柴米油盐的周遭，依旧有很多角落在不停的发光发亮。周鸿祎在最开始就相信未来一定是多Agent协作的时代，现在看来，他确实是对的，张咋啦说，学习AI一定要动手实践，然后小步迭代的做点什么，以及 learn in public，我也受到了他的启发，开始通过公众号把自己的所学整理出来。 这我就觉得不只是在围绕AI领域的外围打转了，而是转着转着往里面进了一层，有那么一点螺旋上升的味道了。稍微知道一点皮毛之后，开始和同事聊起AI。这里尤其感激有两位同事，从和他们的沟通中，我又学习到了很多很多。 李经常和我分享一些AI的技术细节。有些是他从极客里面了解到的，有些是从我没关注过的播客里了解到的。这对我后续理解一些偏技术类的播客内容非常有帮助。当然，我由此也知道了不少AI圈里的优质公众号创作者。钟和我分享了一些我没有关注到的学习渠道，比如一些公众号作者，比如一些YouTube的UP主。现在我每天AI学习有一半的时间是从公众号文章中进行的。数字生命卡兹克等一系列作者太多，我就无法一一列举了。 而正是因为数字生命卡兹克写的文章，几乎篇篇都做到了在内容上吸引人，在文风和结构上也吸引人，所以我每天都看。看的过程中有一种很明显的感觉，就是眼前的这个人是一个普通的设计师，AI出现之后持续的学习，慢慢的成长。而我作为读者也跟着他每天一起学习，一起成长。这种学习路上有个伴的感觉。说起来也挺微妙的 。 后来，卡兹克在北京亦庄举办了AI Future大会，我毫不犹豫的就去了。大会本身收满满自不必说，两天的内容抵得上我学习两个月的内容。更重要的是，也因此了解到了更多的学习渠道，比如，WayToAGI的知识库，他们家每天推送的文章精选真是顿顿管饱。 而这个节点开始，我的信息渠道就真正意义上的感觉满了。以前我会需要把每天学习AI的时间规划好，以确保这些内容被我学习完。而从这个节点开始之后，我知道，信息渠道已经多到我是学不完的了。那我的学习任务之前就增加了一个事情，就是先筛选出认为今天或者本周应该学习的内容。所开始搭配比例，两成技术，三成行业思考，五成应用实践。 正如张咋啦所说，看过再多的文章、听再多的播客，都不如自己实际动手做一些东西出来。关于实践，我一直很在意自己没有动手实践这件事情上面。一是没能在工作中找到对应的场景，二是我对工具掌握的还不够。这两个其实是相辅相成的，一旦在某一点上找到突破口，飞轮就能转起来了。 我下一次再专门记录一下自己在实践上走过的路。 前阵子， 韩给我推荐了Linux.do 。我在申请账号的时候，自我介绍里面有一句话叫，AI从某种程度上救了我的命。这话并不夸张，我是真心的。我过去一直是一个有努力焦虑的人，AI给了我一个方向。感谢这个世界上还有这么多对世界保持好奇的人，对产品无比热爱的人，对新技术潜心研究的人。正是因为这些人输出的内容，让我们每一个人的世界都不只是局限在两点一线和柴米油盐里。这份心量的扩充，让我对他们产生敬意。 我因为他们而再次热爱起这个世界。 1 个帖子 - 1 位参与者 阅读完整话题
如题，现在的中转站支持的格式参差不齐，a家只支持a家的api，OpenAI还搞新旧两种互不兼容，要是能统一转换成一种格式实现大一统就好了 12 个帖子 - 9 位参与者 阅读完整话题
首先是更新了新版本CPA,只保留一个账号进行测试。 1.使用之前幸存的free账号，该账号是将近一个多月的老兵，结果一轮回话没完成就被秒掉。 2.前一个账号秒掉后，环境不变，使用昨天新注册的free账号，由于项目比较大，两轮回话下来额度剩下30%，依旧坚挺目测能平安用完额度。 可以看出来401的出现并不是因为环境或者客户端，和账号有很大的关系，同一批的账号基本上都是同时401 4 个帖子 - 4 位参与者 阅读完整话题
最近使用AI重构了老系统，想验证新旧系统的行为是否一致。都是网页端的，想问问大家有没有好用的AI自动化插件。 1 个帖子 - 1 位参与者 阅读完整话题
先说结论：我自己用的Pro套餐，7亿Credits才用了350M tokens，换算现在实际消耗大约47元 一、套餐用量计算 昨天一天提出的问题总归就两个，正好组合起来就能算出对比 1.已知条件 价格表 一个是说新的Credits积分不明确，跟token混淆的问题，我发了一个 换算mimo credits实际价格 用1亿 = 1块来换算，反倒比之前更好换算看出实际套餐量和优惠结果，也可以说跟正常比，从M换成亿多俩零来看，所以不会变复杂，正如购买页面的最直观写法 剧透 新的价格表： 模型 输入（命中缓存）Token 输入（未命中缓存）Token 输出 Token MiMo-V2.5-Pro 2.5 Credits 300 Credits 600 Credits MiMo-V2.5 2 Credits 100 Credits 200 Credits 2.计算结果 并作对比 另一个就是说套餐实际没增多的问题，我按照之前的 Pro套餐实际使用情况 ，一共用了 350M token ， 按公式计算： （Input Hit × 2.5 + Input Miss × 300 + Output × 600） ， 得出用了 47e Credits ，对比来看，现在套餐是380e，很明显能看出套餐增大了。 实际数据如下图： 二、自己算一算 我建议你可以自己换算一下看看实际情况，我是从5月1号才开始用，如果用的早记着选月份 1.打开token plan platform.xiaomimimo.com Xiaomi MiMo Api Open Platform - Token Plan Global Launch One-time purchase unlocks both MiMo-V2-Pro and Omni flagship models, plus TTS model free across all tiers for a limited time. Unleash powerful productivity with Xiaomi MiMo 2.导出 2 个帖子 - 2 位参与者 阅读完整话题
从 开个帖子聊聊小米MIMO新的定价逻辑背后的原因 继续讨论 首先我必须得喷一下旧版token plan的计费策略， 输入/缓存/输出一视同仁计费是人能想出来的策略啊？ 没有缓存就是导致大家觉得旧版token不耐用的元凶 下来我们详细分析一下旧版plan和新版的区别，以及在不同的使用场景下我们手头的plan到底是增值了还是缩水了 要对比两版的用量，我们需要找到一个没有变化的锚点，在这里选取token数作为锚点。旧版的plan的计费规则很简单，所有token一视同仁，v2.5 1credit=1token，v2.5pro消耗翻倍 2credit=1token。所以旧plan可用的token数拉表如下 套餐档位 旧 credits v2.5（÷1） v2.5-pro（÷2） Lite 0.6亿 60M 30M Standard 2亿 200M 100M Pro 7亿 700M 350M Max 16亿 1600M 800M 新的plan针对输入/缓存/输出做了不同的区分，如下图，v2系列模型没有优化不在讨论范围内 不同的真实应用场景对应的输入，缓存和输出比例是不同的，我们可以通过简单的公式来计算这些场景下实际token可用量，来和旧plan做比较 新 plan 可用 token 数（随工作负载组合变化） 设命中占比 c、未命中占比 u、输出占比 o（c + u + o = 1）： 可用 token = 套餐 credits / (2·c + 100·u + 200·o) # v2.5 可用 token = 套餐 credits / (2.5·c + 300·u + 600·o) # v2.5-pro 分母 = 每 token 平均消耗的 credits，三项系数即三路费率（命中 / 未命中 / 输出）。 场景取claude给出的三个真实场景和两个极端边界条件（图一乐，有些人就是喜欢看） 三个代表性工作负载场景 agent / 对话 （命中 95% / 未命中 3% / 输出 2%）：高缓存复用、几乎不产生未命中、输出极少。多轮对话和 agent 循环的典型形态——历史前缀逐字复用，每轮只追加少量新内容。 翻译批处理 （命中 5% / 未命中 75% / 输出 20%）：每条请求开头都不同，前缀基本不复用，命中率接近零。摘要、分类、抽取等单轮无状态批量调用同属此类。 生成密集 （命中 40% / 未命中 20% / 输出 40%）：输入端缓存命中尚可，但输出占比极高。长文写作、长链推理（CoT）等以产出为主的负载。 两个极端边界 纯命中 （命中 100%）：所有输入 token 都命中缓存、零未命中零输出。新 plan 的最优场景，每 token 仅耗 2 credits（v2.5），相对旧 plan 放大可达 25–34 倍。 纯输出 （输出 100%）：全部 token 都是输出、零输入。新 plan 的最劣场景，每 token 耗 200 credits（v2.5），可用 token 仅为旧 plan 的 1/4 到 1/3。 下面是拉表的结果 新版 MiMo-V2.5（旧 plan 基线 1 credit/token） 档位 旧 plan agent 翻译批处理 生成密集 纯命中 纯输出 Lite 60M 461M (7.68×) 35.6M (0.59×) 40.7M (0.68×) 2050M (34.2×) 20.5M (0.34×) Standard 200M 1236M (6.18×) 95.6M (0.48×) 109M (0.55×) 5500M (27.5×) 55M (0.28×) Pro 700M 4270M (6.10×) 330M (0.47×) 377M (0.54×) 19000M (27.1×) 190M (0.27×) Max 1600M 9213M (5.76×) 712M (0.45×) 814M (0.51×) 41000M (25.6×) 410M (0.26×) 新版 MiMo-V2.5-Pro（旧 plan 基线 2 credits/token） 档位 旧 plan agent 翻译批处理 生成密集 纯命中 纯输出 Lite 30M 175M (5.85×) 11.9M (0.40×) 13.6M (0.45×) 1640M (54.7×) 6.8M (0.23×) Standard 100M 471M (4.71×) 31.9M (0.32×) 36.5M (0.37×) 4400M (44.0×) 18.3M (0.18×) Pro 350M 1626M (4.64×) 110M (0.31×) 126M (0.34×) 15200M (43.4×) 63.3M (0.18×) Max 800M 3504M (4.38×) 238M (0.30×) 272M (0.34×) 32800M (41.0×) 137M (0.17×) 从表中我们可以得出一个结论，这次的plan变动利好高缓存场景，v2.5的用量提升符合官方宣传口径的5-8倍。 **但是！**在缓存不足且侧重输出的场景下，出现了plan缩水的情况。我们选定的场景中最严重时仅有原plan的30%，这是小米初版token plan设计不合理带来的反噬，各位佬友可以根据自身情况选择是否继续续费它。 以上所有的讨论都是基于plan价值来讨论的，api就是实打实的降价没有什么可分析的。最后依然是大家在论坛中的讨论可以理性一些，少一些主观情绪的输出， 真诚 、友善 、团结 、专业 ，共建你我引以为荣之社区。 7 个帖子 - 4 位参与者 阅读完整话题
小米Mimo大降价：API降价99%，TokenPlan改积分计费，1亿积分=1块钱，用量提升5-8倍 前沿快讯 5.27日 0点，小米Mimo宣布： MiMo-V2.5 系列 API 永久降价 Token Plan 计费体系优化，用量提升至原来的 5-8 倍 百万亿 Token 创造者激励计划圆满收官 当前有效 Token Plan 用户额度全量重置 [image] API: 相比原始 API 定价，新定价最高降幅可达 99%，且不再区分输入长度。 [image] 新版Token Pla… 小米Mimo在5.27日官宣了降价，本帖对比一下新旧套餐的用量差异。 首先 API 价格完全对齐DeepSeek 相比原来的奇葩定价，lfl应该被雷总教育了 ，按量付费最高降了99%，不再区分输入长度。 v2.5-pro 每百万 tokens： 类型 调价后 调价前 (≤256K) 降幅 调价前 (256K-1M) 降幅 输入缓存命中 ¥0.025 ¥1.40 ↓98% ¥2.80 ↓99% 输入未命中 ¥3.00 ¥7.00 ↓57% ¥14.00 ↓79% 输出 ¥6.00 ¥21.00 ↓71% ¥42.00 ↓86% v2.5 每百万 tokens： 类型 调价后 调价前 (≤256K) 降幅 调价前 (256K-1M) 降幅 输入缓存命中 ¥0.020 ¥0.56 ↓96% ¥1.12 ↓98% 输入未命中 ¥1.00 ¥2.80 ↓64% ¥5.60 ↓82% 输出 ¥2.00 ¥14.00 ↓86% ¥28.00 ↓93% Token Plan 变化 新计费方式使用Credits，按token类型分别计费，每个类型token对应不同数量的Credits： 模型 缓存命中 未命中 输出 v2.5-pro 2.5 300 600 v2.5 2 100 200 从API定价我们可以得出换算公式： 1亿 credits = ¥1 API 额度 赛博金圆券，虽然数值膨胀，但总归比不透明的额度机制好。 营销这块雷子在中转站面前还得多学，下次直接把credits单位改成$，1元=1亿刀。 对比按量计费： 档位 月价 Credits 等值 API 额度 多出 Lite ¥39 41亿 ¥41 +5% Standard ¥99 110亿 ¥110 +11% Pro ¥329 380亿 ¥380 +16% Max ¥659 820亿 ¥820 +24% Token Plan相比按量计费，折扣看着不高，可能API定价降得太狠。期待DS下半年把价格继续打下来，价格还能降 Token Plan 的其它优惠： TTS模型限时免费 夜间优惠（0:00-8:00 0.8x） 跟旧套餐的比较 下图是新旧套餐99%输入/1%输出下tokens的可用量对比，高缓存下用量大提升，50%命中时新套餐约等于旧套餐。 v2.5： 档位 旧 10% 50% 90% 95% 98% 99% Lite 60M 45M 78M 300M 464M 693M 828M Standard 200M 120M 210M 804M 1.2B 1.9B 2.2B Pro 700M 416M 724M 2.8B 4.3B 6.4B 7.7B Max 1.6B 898M 1.6B 6.0B 9.3B 13.9B 16.6B v2.5-pro： 档位 旧 10% 50% 90% 95% 98% 99% Lite 30M 15M 26M 108M 177M 285M 359M Standard 100M 40M 71M 290M 474M 766M 963M Pro 350M 139M 244M 1.0B 1.6B 2.6B 3.3B Max 800M 300M 527M 2.2B 3.5B 5.7B 7.2B 如何0.01元续费 在 Xiaomi MiMo API Open Platform 页面续订即可。 续费规则： (原套餐剩余额度/原套餐总额度) × 原套餐价格 可抵扣续费价格。如果剩余价值高于续费价格，会将多余部分转为补充额度。 首开自动续费77折。（根据页面折扣确定） 新套餐时间从续费成功时开始计算。 只要剩余额度 ≥ 77%，续费价格就能保持在0.01元。 因此佬们在过期前尽可能晚点续费吧 笔者总结 token plan相比按量付费价格约为8-9折，希望国产模型继续卷，只要ds不降价，其它模型只能跟 1 个帖子 - 1 位参与者 阅读完整话题
今天登录 MIMO 官网的时候,看见上面明晃晃的提示 Token Plan 加量不加价，Credits 用量提升至 5-8 倍，有效期内已用 Credits 额度全量重置 看到自己用量清零,并且Credits 数字大到让人难以置信,看见 Token plan 价格,Lite 套餐一年 400 多居然有49.2B,以为跟旧版的一样,能使用49.2B的 token,感觉雷总把 token 的价格打下来了. 可是在实际使用的时候,发现现在的 token 消耗异常大,没跑多少 token,居然用了上亿的Credits,故好奇新旧计算方式的比较,于是去做了查找,不查不知道,一查吓一跳. 一句话总结 MiMo Token Plan Pro 新旧版对比：额度涨了，但未必更耐用 以下按 月度 Pro 套餐 简单粗算。 1. 额度变化 旧版 Pro： 700M Credits 新版 Pro： 38B Credits 表面看从 700M → 38B ，涨了约 54 倍 。 但新版每类 token 的扣费也大幅提高，所以不能只看总额度。 2. MiMo-V2.5-Pro 对比 旧版规则： V2.5-Pro 为 2x 消耗 所以旧版 Pro 大约可用： 700M ÷ 2 = 350M tokens 新版规则： 缓存输入：2.5 Credits / token 未缓存输入：300 Credits / token 输出：600 Credits / token 38B Credits 对应： 全是缓存输入：约 15.2B tokens 全是未缓存输入：约 126.7M tokens 全是输出：约 63.3M tokens 如果按常见的 未缓存输入 : 输出 = 1 : 1 粗算： 平均消耗 = (300 + 600) ÷ 2 = 450 Credits/token 38B ÷ 450 ≈ 84.4M tokens 也就是说，在缓存命中率不高的情况下，新版 V2.5-Pro 可能只有约 84M tokens ，低于旧版的 350M tokens 。 版本 规则 约可用 Token 旧版 Pro V2.5-Pro 2x 约 350M 新版 Pro 未缓存输入 300 / 输出 600 约 84M 3. 总结 对于在 Claude Code 上面使用来说,由于 claude 在每次的 prompt 前拼接了一些内容,导致采用 mimo 模型无法直接命中缓存,也就是说新版和旧版,虽然大数字提高了不少,但是实际体验还是不如之前,不愧是营销大师 附上新旧计费方式的页面比较,大家仁者见仁智者见智吧 旧版本: Xiaomi MiMo API Open Platform 新版本: Xiaomi MiMo API Open Platform 10 个帖子 - 9 位参与者 阅读完整话题
由于市场需求疲软，多款新旧世代AMD显卡目前在中国市场的实际售价已低于官方建议零售价，经销商被迫亏本出货。据Channel Gate报道，在华销售的AMD Radeon显卡中，多款型号价格跌破MSRP。在全球其他地区显卡普遍溢价20-30%的背景下，中国市场却出现了罕见的“价格倒挂”现象。过去RX 9000系列在日本和中国等地区一直售价较低，如今这一趋势进一步加剧。 以主流市场的RX 7650 GRE为例，其正常售价约为2099元人民币，但目前最低已跌至1579元，降幅达24%。这一价格水平已接近甚至低于渠道商的采购成本，导致商家卖出一片显卡不但无法盈利，反而面临亏损。同样的问题也出现在定位更高的产品上。 即将上市的RX 9060 XT 8GB版本虽然主要面向整机渠道，其单卡批价预计在2250元左右，但实际成交价已降至2150元，显然无法覆盖成本。渠道端压力不言而喻。即使是旗舰级的RX 9070XT，目前售价约4950元（建议零售价4999元），也意味着厂商和渠道需要在利润上做出巨大让步。 总结来看，无论是入门级的RX 7650 GRE、中端的RX 9060 XT，还是旗舰级的RX 9070 XT，AMD显卡当前在市场上普遍陷入“卖一片亏一片”的困境。这种价格与成本的倒挂状态表明，商家并非主动支持，而是在被动清货。 此外，不仅是RX 9000系列，部分RX 7000系列型号也受到影响。在美国等地区，RX 9070 XT等显卡仍溢价20%以上，而在中国市场的降价是否具有长期性尚不确定。 查看评论
copilot pro取消了ops模型包括新旧的都取消了，刚订阅半个月，ops才用了一半不到，白订阅了。 消息源： Plans for GitHub Copilot 4 个帖子 - 3 位参与者 阅读完整话题