//💰Claude 的中文稅竟然是真的？問同樣內容比英文多花 65% token，OpenAI 只多 15%
AI 研究員 Aran Komatsuzaki 將 Rich Sutton 的知名論文「苦澀的教訓」（The Bitter Lesson）翻成 9 種語言
餵進 OpenAI、Gemini、Qwen、DeepSeek、Kimi、Claude 6 家模型的分詞工具
結果：同樣的內容用中文問 Claude，token 消耗是基準的 1.65 倍；用 OpenAI 只有 1.15 倍
6 家橫評裡 Anthropic 墊底。
翻譯會改變文字長度，所以跟英文比的倍數不完全精確。
但更有說服力的是同一段中文在不同模型上的表現：Kimi 只花 0.81 倍（比英文還少），Qwen 0.85 倍，到 Claude 上變成 1.65 倍。
文本完全一樣，差距顯然來自於分詞工具的效率。
而中國模型處理中文比英文還省，表示問題不在中文本身，而在分詞工具有沒有為該語言做過優化。//
AI 研究員 Aran Komatsuzaki 將 Rich Sutton 的知名論文「苦澀的教訓」（The Bitter Lesson）翻成 9 種語言
餵進 OpenAI、Gemini、Qwen、DeepSeek、Kimi、Claude 6 家模型的分詞工具
結果：同樣的內容用中文問 Claude，token 消耗是基準的 1.65 倍；用 OpenAI 只有 1.15 倍
6 家橫評裡 Anthropic 墊底。
翻譯會改變文字長度，所以跟英文比的倍數不完全精確。
但更有說服力的是同一段中文在不同模型上的表現：Kimi 只花 0.81 倍（比英文還少），Qwen 0.85 倍，到 Claude 上變成 1.65 倍。
文本完全一樣，差距顯然來自於分詞工具的效率。
而中國模型處理中文比英文還省，表示問題不在中文本身，而在分詞工具有沒有為該語言做過優化。//
能够将本地运行的 AI Agent 接到你常用的即时通讯平台，比如飞书、钉钉、Slack、Telegram、Discord 等主流平台。同时支持 Claude Code、Cursor、Gemini CLI 等 7 种 AI 编程助手，实现通过聊天软件远程控制本地 AI Agent，执行各种开发相关任务。
使用官网下载安装包制作，去除多余菜单，去除主页横条，集成注册码，集成王苏大佬汉化的帮助文件，包含单文件版和安装版。
一款基于 FFmpeg 做的图形化界面的转码软件
官网：https://3fui.top/ 和 https://ffmpegfreeui.top/
GitHub 仓库：https://github.com/Lake1059/FFmpegFreeUI
标签：#设计 #软件 #Win
✈️ 合作/投稿 频道群组 频道标签
OtterHub 基于 Cloudflare Pages + KV 提供后端逻辑与元数据存储，实际文件存储则使用 Telegram Bot
📮投稿 📢频道 💬群聊
[ 當 AI Agent 變成工程解答時 ]
因為 GDE 身份關係，從上週跟 Google 的非公開線上會議、Agent CLI 的提前試用，到今天 Developer Keynote 的發表，自己觀察到幾件事情：
1. AI Agent 的開發架構已經逐漸成熟、標準化與浮出檯面：
當今天你可以使用 Google ADK 作為開發架構，或者是使用 Agent Designer 的自然語言及圖形化介面，搭配著現今的 Coding CLI 工具，都可以幫助你去快速建立起自己的 AI Agent，這在一年前開始推行 Google ADK 的我，其實是很難想像的。
2. Agent 之間，可以更好的溝通：
之前看到 A2A 發表 1.0 時，我就有聞到不尋常的味道，因為 Agent 之間的溝通之前最詬病的就是怎麼很好的進行溝通，但是 A2A 1.0 的到來，讓 Agent 可以更穩定更好的知道自己在跟誰溝通，要怎麼對話，讓 Multi-Agent systems 的可能性和機制往成熟面去做發展。
3. Agent 的可監控性：
企業最擔心的，其實就是 Agent 亂講話，但是當軟體工程開始逐漸去建置監控之後，就有機會知道 Agents, Tools, Skills, Memories 之間的關係，也讓你之間所聽到的所有 AI 技術，都能夠很好地融入在 AI Agent System 中，像是 RAG 就很適合放在 Memory 中做檢索、Context Engineering 中做好上下文控管等等。
4. 任何地方的部署：
透過 DevOps 的經驗，你可以透過 Agent CLI 等，部署到 Google Cloud Run 上，並且推送至雲端環境進行使用，讓你今天做完的 Google ADK AI Agent，能夠很好的被 Infra Team 進行部署工作，而且，你也可以靠著 Github, Gitlab, Terraform 等地方，建立起 CI/CD 的水管，讓開發完成、測試、部署到產品環境這件事情能夠成真。
5. 安全可靠的 AI Agent：
聘僱「員工」就要保護「員工」，在安全的環境下去使用 AI Agent 至關重要，所以擁有資安環境的 AI Agent ，才能夠在安全無虞的狀態下，做好每件事情，也讓公司的員工提升信任度，讓部分事情能夠交給 AI Agent 去做實作。
Agentic AI 時代來臨，也讓 Google Cloud 往下一個大疊代繼續發展，而 APMIC 產品也會持續迭代，讓你在地端開發上，能夠擁有主權模型，也同時讓你可以建立起擁有工作能力的 AI Agent。
不過也要提醒大家，下一世代的工作模式，真的會跟上一代差非常多，可以想像下個十年，當 Agent 原生世代開始進入職場時，可能會讓大家又有一波衝擊，大家要趕快習慣這樣的工作模式了！
#GoogleCloudNext2026 #DeveloperKeynote #AIAgent #GoogleDeveloperExpert
同步發表於我的 Medium: https://lnkd.in/gyBtXjHG
因為 GDE 身份關係，從上週跟 Google 的非公開線上會議、Agent CLI 的提前試用，到今天 Developer Keynote 的發表，自己觀察到幾件事情：
1. AI Agent 的開發架構已經逐漸成熟、標準化與浮出檯面：
當今天你可以使用 Google ADK 作為開發架構，或者是使用 Agent Designer 的自然語言及圖形化介面，搭配著現今的 Coding CLI 工具，都可以幫助你去快速建立起自己的 AI Agent，這在一年前開始推行 Google ADK 的我，其實是很難想像的。
2. Agent 之間，可以更好的溝通：
之前看到 A2A 發表 1.0 時，我就有聞到不尋常的味道，因為 Agent 之間的溝通之前最詬病的就是怎麼很好的進行溝通，但是 A2A 1.0 的到來，讓 Agent 可以更穩定更好的知道自己在跟誰溝通，要怎麼對話，讓 Multi-Agent systems 的可能性和機制往成熟面去做發展。
3. Agent 的可監控性：
企業最擔心的，其實就是 Agent 亂講話，但是當軟體工程開始逐漸去建置監控之後，就有機會知道 Agents, Tools, Skills, Memories 之間的關係，也讓你之間所聽到的所有 AI 技術，都能夠很好地融入在 AI Agent System 中，像是 RAG 就很適合放在 Memory 中做檢索、Context Engineering 中做好上下文控管等等。
4. 任何地方的部署：
透過 DevOps 的經驗，你可以透過 Agent CLI 等，部署到 Google Cloud Run 上，並且推送至雲端環境進行使用，讓你今天做完的 Google ADK AI Agent，能夠很好的被 Infra Team 進行部署工作，而且，你也可以靠著 Github, Gitlab, Terraform 等地方，建立起 CI/CD 的水管，讓開發完成、測試、部署到產品環境這件事情能夠成真。
5. 安全可靠的 AI Agent：
聘僱「員工」就要保護「員工」，在安全的環境下去使用 AI Agent 至關重要，所以擁有資安環境的 AI Agent ，才能夠在安全無虞的狀態下，做好每件事情，也讓公司的員工提升信任度，讓部分事情能夠交給 AI Agent 去做實作。
Agentic AI 時代來臨，也讓 Google Cloud 往下一個大疊代繼續發展，而 APMIC 產品也會持續迭代，讓你在地端開發上，能夠擁有主權模型，也同時讓你可以建立起擁有工作能力的 AI Agent。
不過也要提醒大家，下一世代的工作模式，真的會跟上一代差非常多，可以想像下個十年，當 Agent 原生世代開始進入職場時，可能會讓大家又有一波衝擊，大家要趕快習慣這樣的工作模式了！
#GoogleCloudNext2026 #DeveloperKeynote #AIAgent #GoogleDeveloperExpert
同步發表於我的 Medium: https://lnkd.in/gyBtXjHG
