每早八时出报
AI · 模型 · 产业
新闻枢纽 · 日报
中文 AI 资讯
NEWSHUB DAILY
今天的内容围绕AI应用从选型到留存的核心决策展开：Rippling实测15款模型显示精度已趋于平台期，但成本差3倍，选型应看通过率与成本而非最新版本；RevenueCat对3519款AI应用的分析则指出，留存差距发生在首次续订，高留存应用靠纯订阅、试用期和让用户快速获得结果来建立回访理由。另有SaaStr的定价翻倍策略和本地小模型的实测对比，供你评估下一步该改模型、改定价还是改产品。
22:10SaaStr 博客（RSS）
Rippling 总裁 Matt MacInnis 公开了在真实工资单数据上对 15 个 AI 模型的测试：每个模型约 2100 次评分尝试，通过生产级正确性检查才算过，未完成即失败。核心指标只有三个：通过率、成本、最慢 10% 耗时。结果：Opus 4.6 通过率 91.0%、成本 $1453、最慢 10% 154 秒；GPT-5.5 low 88.8%、$1308、130 秒；GLM 5.2 88.7%、$621、243 秒。最贵模型 Fable 5 精度与 GPT-5.5 low 持平但贵 3.3 倍。关键结论：顶部模型精度趋平（7 款在 88.5%-89.5% 之间），价格差异巨大；最新模型不一定最好（Opus 4.6 胜过更新的 Opus 5，且便宜 42%）；
20:00SaaStr 博客（RSS）
SaaStr 创始人 Jason Lemkin 建议，想进入高端市场（upmarket）的 SaaS 公司，在下一个大单上直接报出历史最高价的两倍。具体做法：先找出最大客户，再找管道中相似的潜在客户，对该客户报出两倍于历史最高价的报价。这不是宰客，而是迫使你思考如何提供真正解决问题的方案——工具型产品月费 1000 美元很贵，但能解决 500 人组织里省下招聘工程师问题的年费 1.2 万美元却很便宜。报价翻倍可能要求你增加功能、改善 onboarding、加强客户成功、补齐企业级能力或关键集成、升级销售团队。也可能什么都不用改。无论结果如何，你都会学到东西。成功上探的标志是每个季度都有新的最大客户。完成一次后，把 2 倍设为新的 1 倍，继续循环。
20:00RevenueCat 博客（RSS）
RevenueCat 分析了 3,519 款 AI 应用，按一年后付费订阅留存率分为高、中、低三组。高留存组中位留存率 13.9%，中组 5.3%，低组仅 1.4%。差距主要发生在首次续订：月付计划中，高留存组首次续订率 57.9%，低留存组仅 30.2%。高留存应用更可能采用纯订阅制（高出 16.4 个百分点）、提供 7 天免费试用（高出 12.7 个百分点）、采用免费增值模式（高出 11.4 个百分点）、定价更低（低价区间占比 15.6% vs 8.3%）、上线更早（2020-2023 年上线占比高 10.6 个百分点）。低留存画像为：新上线、无试用、周付、定价高。文章建议：在首次续订前让用户快速获得有用结果并建立回访理由（如输出随学习改进、积累性工作、外部触发）；
08:00Tomasz Tunguz（RSS）
Tomasz Tunguz 实测发现，本地运行的 Qwen3.8-27B 模型在 25 个风投任务（研究初创、总结文章、转录播客）上，与云端 DeepSeek V4 输出质量持平（均为 8.0/9），但推理路径截然不同：云端模型直接给出答案，平均仅用 159 tokens、1.1 秒；本地模型需更多推理，Qwen 27B 平均 369 tokens、7.2 秒，Qwen 3.6-35B-A3B 则用 1,143 tokens、10 秒。作者用“鸟与飞机”比喻：小模型因记忆少，更依赖从第一性原理推理来弥补差距。测试方法：用独立裁判模型对输出盲评完整性、准确性与简洁性，各 3 分共 9 分；本地模型均通过 Ollama 在同一 MLX 运行时服务，排除运行时差异。