# AI

不是跑分榜，是一份从日常使用出发的 2026 总结：幻觉、长上下文、成本、Agent 脆弱、模型漂移，再看 MiMo-V2.6 用开源 RL 与价格给出了什么答案。

向量库只是起点，真正决定答案质量的是切分、混合检索、重排和一套能跑的评估。

不换模型也能降延迟，先搞清楚显存和带宽到底花在了哪里。

把「模型会说」变成「模型能做」，关键在工具契约、错误回路和权限边界。

少写玄学咒语，多用 schema、少样本和一套能回归的评测集。

数据规模、过滤条件、更新频率和运维成本，比榜单上的 QPS 更值得先算清楚。

几十行 PHP 调用一次模型，自动生成摘要并缓存进本地文件，失败还能优雅降级。