中国AI大模型周调用量首次超越美国，达4.69万亿Token，引发行业关注。这一突破主要得益于极致的价格优势、中文场景的本地化适配以及Agent生态的快速完善。虽然简单应用场景调用量领先，但复杂任务仍由GPT占优。数据表明中国AI正从"追赶者"向"并跑者"转变，通过应用场景验证和生态建设，逐步实现量变到质变的过程，这一发展路径与中国制造业成功经验高度相似。

第一，中国AI在应用侧确实跑得很快。 调用量的领先说明国内AI产品的普及度在提升，这是真实的市场反馈。第二，数字大不代表一切。 调用量反映的是使用规模，模型能力、应用深度还需要持续关注。不能因为数字领先就忽视短板。第三，规范化时代来了。 国家数据局发布"词元"标准，意味着AI行业正在从野蛮生长走向规范发展。这对整个行业是好事。

本文从技术和商业双视角解析月之暗面（Kimi）赴港IPO事件。技术层面，Kimi以200K token超长上下文处理能力为差异化起点，采用稀疏注意力机制优化计算效率，并逐步向多模态、搜索增强（RAG）架构演进。商业化方面，Kimi主要依靠C端订阅、API调用和企业定制三种模式，当前以会员收入为主。

小米2026年发布三款自研大模型技术解析：MiLM-Edge（1.8B端侧模型）采用INT4量化和稀疏注意力机制，实现手机端200ms内低延迟推理；MiLM-Pro（72B云端模型）基于vLLM框架优化，支持128K长文本处理；MiLM-Vision（7B多模态模型）结合ViT-L和LLM，强化截图识别能力。三款模型形成端云协同AI架构

4月，腾讯将正式发布混元3.0。比起之前版本的参数堆量，这次升级的核心关键词只有一个：Agent。

《中美AI大模型差距缩小至2.7%：开发者如何选择》摘要： 斯坦福最新报告显示中美顶级AI模型差距从5.8%缩小到2.7%，反映出国产模型的快速进步。关键因素包括：1）开源模型爆发（如Qwen3.6-Plus、DeepSeekV4）；2）工程化能力提升（推理效率提高40%）；3）中文语料优势。实测显示国产模型在中文场景表现优异，但在代码生成等任务上仍有差距。建议开发者：中文项目优先国产模型，技术任

本文描述了Agent 学习从入门到生产落地的核心技术体系，篇幅较长，有暂时不理解的，不用纠结，对整体流程有印象即可，这篇文章会持续迭代优化。后续针对大家普遍有疑问的知识点，会单独出问题详解的文章，具体问题可以留在评论区。

今日（5月22日）A股三大指数集体走强，科技板块全面开花，成交量能爆发。全市场情绪高涨，呈现出典型的科技主升浪特征：- **成交额突破2.92万亿元**，较前日显著放量，市场活跃度创近期新高- 行业板块多数收涨，**元件、玻璃玻纤、金属新材料、电子化学品、有色金属**板块领涨- 白酒、证券板块收跌，资金明显向科技制造业集中迁移- **全市场主力资金净流入301.15亿元**，16个申万一级行业净流

2026年5月28日，A股三大指数低开高走，午后上演V型反转。上证指数收报4098.64点（+0.12%），创业板指大涨1.96%报4125.07点，科创50涨1.59%报1844.25点。全市场3018家上涨，涨停127家——而推动这场反攻的核心力量，正是**CPO（共封装光学）、MLCC（多层片式陶瓷电容）、PCB（印制电路板）** 三大AI硬件赛道。

我同时使用了Trae（字节跳动）、Cursor、通义灵码三款AI编程工具。本文从实际开发场景出发，对比它们的核心能力、使用体验和适用场景。