Stripe花了超70亿美元要拿下OpenRouter。要知道，这家做AI网关的初创公司5月才刚拿到1.13亿美元的B轮融资。巨头们正疯抢模型路由层，基础设施这赛道说白了已经杀红了眼。另一头，AI编程助手Cursor投奔了SpaceX，算力跟模型研发彻底绑死。Cursor早就不是那个只会补全代码的工具了，现在它能直接产出实际生产力。这次整合，实际上盯上的就是大模型扩张背后那个深不见底的算力黑洞。
算力不够用怎么办？得想辙。深度求索从8月17号零点开始搞起了API峰谷分时计价。高峰期调用直接翻倍，空闲期半价。最狠的是V4Pro，高峰期价格直接飙升到空闲时的11倍。计费全按元/百万tokens算，两款主力模型一起执行。说白了，就是用价格杠杆逼着开发者错峰用算力，把白天的拥堵分担出去。这招简单粗暴，但确实管用。
智能体的训练也没闲着。现在有个叫LOPD（潜在在线策略自蒸馏）的新路子，能让AI把自己的经验直接揉进策略里。它不需要设计者喂什么特权信息，全靠端到端去学上下文。在工具调用和代码生成的实验里，它把RLVR、OPSD这些主流自蒸馏方法按在地上摩擦，而且rollout预算连对手的30%都不到。不过得清醒点，这还停留在实验阶段，离真正的自主自我改进实际上还差得远。
光练不行，评估工具也得跟上。PRM-as-a-Judge 1.5现在能把机器人干活的视频变成密集的进度曲线，失败在哪、恢复得咋样、执行好不好，全都量化得明明白白。配套的RoboPulse++专门用来测流程奖励模型靠不靠谱。这套件主打就是一个透明、能复现。从训练到评估，具身智能这套闭环越收越紧了。