网页版 · 全库视图

搜索直达任何模块、章节、已核实的事实、现场问答和关键技术词；跨模块关系与保鲜排期在这一页看全。每章末尾还有一条串联行，从这一章牵到相关主题的落点。按问题找答案去全库问答库，拿不准一个词在库里指哪件事去全库术语表；知识地图与每日取用在首页。

    搜索需要 JavaScript；未启用时可从顶栏回首页按层查找，或直接翻全库问答库（不需要 JavaScript 也能整页读完）。

    按问题找客户问的话，多半已经有人问过

    21 册各印各的「现场高频追问」，加上实战包的电梯版交锋题，全汇在全库问答库——搜一句话就能找到它在哪册、答案是什么。那一页只登记题目与去处，答案留在原处，所以不会出现两处各说一套。

    另一半是词：同一个词在两册指两件事（漂移、训练、评估、平台……），或者两个词常被当成一件事——这类认错了，两边的人会一路谈到验收才发现说的不是同一件事。全库术语表专收这种，一句话加一个去处。

    知识地图 · 链接图

    全库 21 个模块按七层排开（和 PPT 总览同一套层级），模块之间的连线是「讲这一块时该带上的另一块」——关系登记在各模块清单的「串联出边」里，这里把它们连成一张图。21 册讲义各印各的、纸面上没法互相指，这是网页版才做得到的事。

    按 7 层排布的全库 21 个模块。两种学法——单点学习：直接点模块进那一册；关联学习：点一个模块，它滑到中间、散开它的关键技术词；点一个词就跳到讲它的那一章去读，同时散开相关的词，顺着技术名词一步步深挖。

    关联＝点模块散关键词、顺着技术名词深挖；单点＝直接进册
    解决方案层 应用模式层 协议层 工程保障层 基础层 算力底座层 数据底座层 A2A ↔ Agent　·　跨 Agent 协作 A2A ↔ AI-Gateway　·　统一身份传递 A2A ↔ MCP　·　纵向 vs 横向 Agent ↔ AI-Gateway　·　统一入口 · 护栏 Agent ↔ AI-Governance Agent ↔ Evaluation　·　轨迹评估 Agent ↔ LLM　·　上下文工程根源 Agent ↔ LLM-Inference　·　Prefix Caching Agent ↔ LLM-Training　·　推理模型 · RLVR Agent ↔ MCP　·　工具接入 · MCP Agent ↔ Multimodal　·　多模态感知 · CU Agent ↔ Prompt-Engineering　·　上下文工程 · ReAct Agent ↔ RAG　·　Agentic RAG Agent ↔ Security　·　记忆投毒 · 控权 Agent ↔ Solution-Patterns　·　低代码平台 AI-Gateway ↔ AI-Ops　·　trace 贯通 AI-Gateway ↔ Evaluation　·　路由质量验收 AI-Gateway ↔ LLM-Inference　·　网关 vs 引擎 AI-Gateway ↔ MCP　·　MCP 网关治理 AI-Gateway ↔ Model-Landscape　·　路由 · 防锁定 AI-Gateway ↔ Security　·　护栏 · 爆炸半径 AI-Gateway ↔ Solution-Patterns　·　token · 并发治理 AI-Governance ↔ AI-Ops AI-Governance ↔ Data-Engineering AI-Governance ↔ Evaluation AI-Governance ↔ Security AI-Governance ↔ Solution-Patterns AI-Infra-Compute ↔ AI-Infra-Platform　·　硬件 vs 平台 AI-Infra-Compute ↔ LLM-Inference　·　KV Cache · HBM AI-Infra-Compute ↔ LLM-Training　·　并行 · 显存切分 AI-Infra-Platform ↔ AI-Ops　·　集群可观测边界 AI-Infra-Platform ↔ Fine-tuning　·　云上托管训练 AI-Infra-Platform ↔ LLM-Inference　·　P/D 分离 · 承载 AI-Infra-Platform ↔ LLM-Training　·　调度 · 容错 AI-Infra-Platform ↔ Predictive-AI-MLOps AI-Ops ↔ Data-Engineering　·　坏答案回流 AI-Ops ↔ Evaluation　·　离线 vs 在线评估 AI-Ops ↔ Model-Landscape　·　换模型回归 AI-Ops ↔ Prompt-Engineering　·　提示词发布工程 AI-Ops ↔ Predictive-AI-MLOps AI-Ops ↔ Security　·　急停 · 事故响应 AI-Ops ↔ Solution-Patterns　·　运营包 · SLA Data-Engineering ↔ Fine-tuning　·　数据配方 Data-Engineering ↔ Predictive-AI-MLOps Data-Engineering ↔ RAG　·　解析 · 向量库 Data-Engineering ↔ Security　·　ACL · 越权测试 Data-Engineering ↔ Solution-Patterns　·　数据就绪 · 报价 Evaluation ↔ Fine-tuning　·　微调验收门禁 Evaluation ↔ LLM-Inference　·　质量 vs 延迟 Evaluation ↔ LLM-Training　·　选 vs 炼模型 Evaluation ↔ Model-Landscape　·　榜单幻觉 · 自建集 Evaluation ↔ Multimodal　·　MMMU · OCRBench Evaluation ↔ Prompt-Engineering　·　评估驱动优化 Evaluation ↔ Predictive-AI-MLOps Evaluation ↔ RAG　·　RAG 三角验收 Evaluation ↔ Security　·　红队 · 注入抵抗 Evaluation ↔ Solution-Patterns　·　POC 签字指标 Fine-tuning ↔ LLM-Inference　·　多 LoRA 部署 Fine-tuning ↔ LLM-Training　·　SFT · DPO 落地 Fine-tuning ↔ Model-Landscape　·　开放权重 · 许可证 Fine-tuning ↔ Prompt-Engineering　·　选型链 · 到头才微调 Fine-tuning ↔ Predictive-AI-MLOps Fine-tuning ↔ RAG　·　改知识 vs 改行为 Fine-tuning ↔ Security　·　投毒 · 来源验证 LLM ↔ LLM-Inference　·　KV Cache 机制↔系统 LLM ↔ LLM-Training　·　架构 vs 训练 LLM ↔ Model-Landscape　·　MoE 稀疏激活 LLM ↔ Multimodal　·　ViT · 注意力复用 LLM ↔ Prompt-Engineering　·　窗口 · 注意力 LLM ↔ RAG LLM-Inference ↔ LLM-Training　·　训练 vs 推理账 LLM-Inference ↔ Model-Landscape　·　思考预算 · decode LLM-Inference ↔ Multimodal　·　视觉 token 膨胀 LLM-Inference ↔ RAG　·　1M 窗口不是终结者 LLM-Training ↔ RAG　·　微调 vs RAG MCP ↔ Security　·　工具投毒 · 供应链 Model-Landscape ↔ Multimodal　·　原生 vs 拼管线 Model-Landscape ↔ Predictive-AI-MLOps Model-Landscape ↔ RAG　·　1M 窗口 vs RAG Model-Landscape ↔ Security　·　平台合规 · 备案 Model-Landscape ↔ Solution-Patterns　·　模型可替换件 Multimodal ↔ RAG　·　多模态检索 Multimodal ↔ Security　·　跨模态注入 Multimodal ↔ Solution-Patterns　·　语音客服 · 数字人 Prompt-Engineering ↔ RAG　·　提示词 vs RAG Predictive-AI-MLOps ↔ Security Predictive-AI-MLOps ↔ Solution-Patterns RAG ↔ Security　·　向量库投毒 · ACL RAG ↔ Solution-Patterns　·　检索路线选型 Security ↔ Solution-Patterns　·　权限感知检索 Solution-Patterns · 关联 11 个模块 SP Solution-Patterns Model-Landscape · 关联 11 个模块 ML Model-Landscape Agent · 关联 13 个模块 AG Agent Multimodal · 关联 8 个模块 MM Multimodal RAG · 关联 12 个模块 RA RAG A2A · 关联 3 个模块 A2 A2A MCP · 关联 4 个模块 MC MCP AI-Governance · 关联 6 个模块 AI AI-Governance AI-Ops · 关联 10 个模块 OP AI-Ops Security · 关联 13 个模块 SE Security Fine-tuning · 关联 10 个模块 FT Fine-tuning AI-Gateway · 关联 9 个模块 GW AI-Gateway Evaluation · 关联 14 个模块 EV Evaluation Predictive-AI-MLOps · 关联 8 个模块 PR Predictive-AI-MLOps LLM · 关联 7 个模块 LM LLM LLM-Training · 关联 8 个模块 LT LLM-Training LLM-Inference · 关联 11 个模块 LI LLM-Inference Prompt-Engineering · 关联 6 个模块 PE Prompt-Engineering AI-Infra-Compute · 关联 3 个模块 IC AI-Infra-Compute AI-Infra-Platform · 关联 6 个模块 IP AI-Infra-Platform Data-Engineering · 关联 7 个模块 DE Data-Engineering

    「单点学习」点模块直接进册；「关联学习」下点模块散开它的关键技术词，点一个词跳到讲它的那一章、并散开相关词，最多联想 3 步；点中心可读该册，按返回全景 / Esc 回总图。需要逐条读关系，展开下面的文字表。

    换成文字表看（逐模块列出边）

    关联最密的三块：Agent（23）、Evaluation（22）、RAG（20）——括号是它连出与连入的模块数。讲这几块时最容易牵出别的话题，也最值得先吃透。

    模块讲它时还该带上谁会引到它相关模块
    A2AAgent、MCPAgent、AI-Gateway、MCPAgent、AI-Gateway、MCP
    AI-GatewayA2A、Agent、AI-Ops、Evaluation、LLM-Inference、MCP、Model-Landscape、SecurityAI-Ops、MCP、Model-Landscape、Solution-PatternsA2A、Agent、AI-Ops、Evaluation、LLM-Inference、MCP、Model-Landscape、Security、Solution-Patterns
    AI-GovernanceAgent、AI-Ops、Data-Engineering、Evaluation、Security、Solution-PatternsAgent、AI-Ops、Data-Engineering、Evaluation、Security、Solution-PatternsAgent、AI-Ops、Data-Engineering、Evaluation、Security、Solution-Patterns
    AI-Infra-ComputeAI-Infra-Platform、LLM-Inference、LLM-TrainingAI-Infra-Platform、LLM-Inference、LLM-TrainingAI-Infra-Platform、LLM-Inference、LLM-Training
    AI-Infra-PlatformAI-Infra-Compute、Fine-tuning、LLM-Inference、LLM-Training、Predictive-AI-MLOpsAI-Infra-Compute、AI-Ops、Fine-tuning、LLM-Inference、LLM-Training、Predictive-AI-MLOpsAI-Infra-Compute、AI-Ops、Fine-tuning、LLM-Inference、LLM-Training、Predictive-AI-MLOps
    AI-OpsAI-Gateway、AI-Governance、AI-Infra-Platform、Evaluation、Model-Landscape、Prompt-Engineering、Predictive-AI-MLOps、Security、Solution-PatternsAI-Gateway、AI-Governance、Data-Engineering、Evaluation、Predictive-AI-MLOps、Solution-PatternsAI-Gateway、AI-Governance、AI-Infra-Platform、Data-Engineering、Evaluation、Model-Landscape、Prompt-Engineering、Predictive-AI-MLOps、Security、Solution-Patterns
    AgentA2A、AI-Governance、Evaluation、LLM、MCP、Multimodal、Prompt-Engineering、RAG、Security、Solution-PatternsA2A、AI-Gateway、AI-Governance、Evaluation、LLM、LLM-Inference、LLM-Training、MCP、Multimodal、Prompt-Engineering、RAG、Security、Solution-PatternsA2A、AI-Gateway、AI-Governance、Evaluation、LLM、LLM-Inference、LLM-Training、MCP、Multimodal、Prompt-Engineering、RAG、Security、Solution-Patterns
    Data-EngineeringAI-Governance、AI-Ops、Fine-tuning、Predictive-AI-MLOps、RAG、Security、Solution-PatternsAI-Governance、Predictive-AI-MLOps、RAG、Solution-PatternsAI-Governance、AI-Ops、Fine-tuning、Predictive-AI-MLOps、RAG、Security、Solution-Patterns
    EvaluationAgent、AI-Governance、AI-Ops、Fine-tuning、LLM-Inference、LLM-Training、Model-Landscape、Prompt-Engineering、Predictive-AI-MLOps、RAG、SecurityAgent、AI-Gateway、AI-Governance、AI-Ops、Model-Landscape、Multimodal、Prompt-Engineering、Predictive-AI-MLOps、RAG、Security、Solution-PatternsAgent、AI-Gateway、AI-Governance、AI-Ops、Fine-tuning、LLM-Inference、LLM-Training、Model-Landscape、Multimodal、Prompt-Engineering、Predictive-AI-MLOps、RAG、Security、Solution-Patterns
    Fine-tuningAI-Infra-Platform、LLM-Inference、LLM-Training、Prompt-Engineering、Predictive-AI-MLOps、RAGAI-Infra-Platform、Data-Engineering、Evaluation、LLM-Training、Model-Landscape、Prompt-Engineering、Predictive-AI-MLOps、RAG、SecurityAI-Infra-Platform、Data-Engineering、Evaluation、LLM-Inference、LLM-Training、Model-Landscape、Prompt-Engineering、Predictive-AI-MLOps、RAG、Security
    LLMAgent、LLM-Inference、LLM-Training、Multimodal、Prompt-Engineering、RAGAgent、LLM-Inference、LLM-Training、Model-Landscape、Multimodal、Prompt-Engineering、RAGAgent、LLM-Inference、LLM-Training、Model-Landscape、Multimodal、Prompt-Engineering、RAG
    LLM-InferenceAgent、AI-Infra-Compute、AI-Infra-Platform、LLM、LLM-Training、RAGAI-Gateway、AI-Infra-Compute、AI-Infra-Platform、Evaluation、Fine-tuning、LLM、LLM-Training、Model-Landscape、MultimodalAgent、AI-Gateway、AI-Infra-Compute、AI-Infra-Platform、Evaluation、Fine-tuning、LLM、LLM-Training、Model-Landscape、Multimodal、RAG
    LLM-TrainingAgent、AI-Infra-Compute、AI-Infra-Platform、Fine-tuning、LLM、LLM-Inference、RAGAI-Infra-Compute、AI-Infra-Platform、Evaluation、Fine-tuning、LLM、LLM-InferenceAgent、AI-Infra-Compute、AI-Infra-Platform、Evaluation、Fine-tuning、LLM、LLM-Inference、RAG
    MCPA2A、Agent、AI-Gateway、SecurityA2A、Agent、AI-Gateway、SecurityA2A、Agent、AI-Gateway、Security
    Model-LandscapeAI-Gateway、Evaluation、Fine-tuning、LLM、LLM-Inference、Multimodal、Predictive-AI-MLOps、RAG、Security、Solution-PatternsAI-Gateway、AI-Ops、Evaluation、Predictive-AI-MLOpsAI-Gateway、AI-Ops、Evaluation、Fine-tuning、LLM、LLM-Inference、Multimodal、Predictive-AI-MLOps、RAG、Security、Solution-Patterns
    MultimodalAgent、Evaluation、LLM、LLM-Inference、RAG、Security、Solution-PatternsAgent、LLM、Model-Landscape、RAG、Solution-PatternsAgent、Evaluation、LLM、LLM-Inference、Model-Landscape、RAG、Security、Solution-Patterns
    Predictive-AI-MLOpsAI-Infra-Platform、AI-Ops、Data-Engineering、Evaluation、Fine-tuning、Model-Landscape、Security、Solution-PatternsAI-Infra-Platform、AI-Ops、Data-Engineering、Evaluation、Fine-tuning、Model-Landscape、Security、Solution-PatternsAI-Infra-Platform、AI-Ops、Data-Engineering、Evaluation、Fine-tuning、Model-Landscape、Security、Solution-Patterns
    Prompt-EngineeringAgent、Evaluation、Fine-tuning、LLM、RAGAgent、AI-Ops、Evaluation、Fine-tuning、LLM、RAGAgent、AI-Ops、Evaluation、Fine-tuning、LLM、RAG
    RAGAgent、Data-Engineering、Evaluation、Fine-tuning、LLM、Multimodal、Prompt-Engineering、Solution-PatternsAgent、Data-Engineering、Evaluation、Fine-tuning、LLM、LLM-Inference、LLM-Training、Model-Landscape、Multimodal、Prompt-Engineering、Security、Solution-PatternsAgent、Data-Engineering、Evaluation、Fine-tuning、LLM、LLM-Inference、LLM-Training、Model-Landscape、Multimodal、Prompt-Engineering、Security、Solution-Patterns
    SecurityAgent、AI-Governance、Evaluation、Fine-tuning、MCP、Predictive-AI-MLOps、RAGAgent、AI-Gateway、AI-Governance、AI-Ops、Data-Engineering、Evaluation、MCP、Model-Landscape、Multimodal、Predictive-AI-MLOps、Solution-PatternsAgent、AI-Gateway、AI-Governance、AI-Ops、Data-Engineering、Evaluation、Fine-tuning、MCP、Model-Landscape、Multimodal、Predictive-AI-MLOps、RAG、Solution-Patterns
    Solution-PatternsAgent、AI-Gateway、AI-Governance、AI-Ops、Data-Engineering、Evaluation、Multimodal、Predictive-AI-MLOps、RAG、SecurityAgent、AI-Governance、AI-Ops、Data-Engineering、Model-Landscape、Multimodal、Predictive-AI-MLOps、RAGAgent、AI-Gateway、AI-Governance、AI-Ops、Data-Engineering、Evaluation、Model-Landscape、Multimodal、Predictive-AI-MLOps、RAG、Security

    保鲜看板

    会过期的事实都登记了核实日期，有的还写了定点复查日。这里只放该管的——已过期与一个月内到期。

    截至构建日 2026-10-20，62 条已到期或将在一个月内到期。

    复查日档 / 级模块事实
    已过期 2026-09-0590 天 / B 📌MultimodalGPT Image 2 全新自回归架构，比前代快 3–5×，多约束指令≈98% 准确、文字渲染近字符级
    已过期 2026-10-0590 天 / BAgent生产可用框架短名单：LangGraph、Claude Agent SDK、OpenAI Agents SDK、Google ADK、MS Agent Fra…
    已过期 2026-10-0690 天 / BLLM-Training后训练主流栈为 SFT →（可选 DPO）→ RLVR，GRPO/DAPO 一族为主力算法
    已过期 2026-10-0690 天 / BRAG生产组合主流：LlamaIndex + LangGraph + Langfuse/LangSmith
    已过期 2026-10-0790 天 / BFine-tuning合成数据 + 蒸馏为微调数据主流来源（种子→扩展→judge 过滤）；DeepSeek-R1/Qwen 蒸馏系小模型涌现
    已过期 2026-10-0790 天 / BLLM-Inference投机解码已生产标配：EAGLE-3 主流、vLLM 报告最高 ~2.5x、接受率>80% 时 2–4x
    已过期 2026-10-0890 天 / BAgent低代码选型共识：问答→Dify、集成→n8n、对话 bot→Coze、私有化+治理→HiAgent 类；生产范式 = 平台做壳、复杂节点下沉代码
    已过期 2026-10-0890 天 / BModel-LandscapeGLM-5 为首个完全用华为昇腾训练的前沿模型（零英伟达）
    已过期 2026-10-0990 天 / BData-Engineering向量库口径：pgvector 生产上限约 50–100M 向量（HNSW 重建成瓶颈）；Qdrant p50 4ms/p99 25ms、过滤最强开源；Mil…
    2026-10-3190 天 / A 📌AI-OpsOTel GenAI 语义约定 2026-06-12（semconv v1.42.0）起全部 gen_ai.* span/指标/事件迁入独立仓 semant…
    2026-10-3190 天 / A 📌AgentDify：159k stars、v1.17.1（2026-09-10）；v1.16.0（2026-07-17）起 Dify Agent 进入 Open Be…
    2026-10-3190 天 / A 📌AgentClaude Code sub-agent 机制：`.claude/agents/*.md`（name/description 必填，tools/model…
    2026-10-3190 天 / A 📌EvaluationOpenAI 平台内置 Evals:2026-10-31 起只读,2026-11-30 关停
    2026-10-3190 天 / A 📌Fine-tuningOpenAI 微调平台收摊（官方挂「winding down」告示）：新组织 2026-05-07 起不能创建微调任务、60 天内未跑微调推理的组织 202…
    2026-10-3190 天 / B 📌MCPMCP 工具定义随每条消息进上下文（非每会话一次）；GitHub 官方 server 94 工具 ≈ 17,600 tokens，描述压缩后可降至约 3,9…
    2026-10-3190 天 / B 📌MCPMCP 流量经网关一跳的额外延迟：加密迭代调至约 100 次后 1–2ms／会话；默认 10 万次 KDF 迭代下为数十毫秒
    2026-10-3190 天 / A 📌Prompt-Engineering两个经典提示词旋钮在 Claude 当前主力模型上已移除：temperature/top_p/top_k（Opus 5、Fable 5 及 4.x 代传了返…
    2026-11-0190 天 / A 📌Security立法风向(易过期):网安法修订 2026-01-01 施行新增 AI 专条(第 20 条);国务院 2026 立法计划部署 AI 综合性立法;《人工智能拟人…
    2026-11-1930 天 / BAI-GatewayAzure API Management 原生内置按 token 限流（llm-token-limit 策略族）+ LLM 专属策略，并有统一模型 API（…
    2026-11-1930 天 / BAI-Gateway云厂商格局（2026-10-20 复核）：Cloudflare AI Gateway 已不止「花费上限+缓存」——支持 20+ 家 provider，统一 …
    2026-11-1930 天 / BAI-GatewayAWS Multi-Provider Generative AI Gateway 为 AWS Solutions Library 官方 Guidance（G…
    2026-11-1930 天 / AAI-GovernanceAWS Audit Manager 已转入维护模式：自 2026-04-30 起不再支持在新账号中启用；其 Generative AI Best Pract…
    2026-11-1930 天 / BAI-Infra-ComputeNVIDIA 年更：Blackwell/GB200 在役、GB300 2026 放量（已成 2026 出货主力，TrendForce 2026-08-28）…
    2026-11-1930 天 / AAI-Infra-Compute**AMD Helios 已从「承诺」翻页为「投产」**：MI350X/MI355X 早已量产（288GB HBM3e）；MI400 + Helios 在 …
    2026-11-1930 天 / BAI-Infra-Compute昇腾 950 系列已成 2026 主力：950PR 2026-05 起出货、6 月近 10 万片、Q3 单月目标 12–13 万片；950DT 高带宽版提前…
    2026-11-1930 天 / BAI-Infra-Compute成本量级：H100 级时租 $2.89–3.99/卡·时（neocloud 按需档）、自建盈亏线利用率随当期卡价与 API 价重算、托管 API 分两档（开…
    2026-11-1930 天 / BAI-Infra-Platform自建盈亏线利用率随当期卡价与 API 价重算、托管 API 分两档（开源 70B 级约 $1、前沿旗舰 $12–50/百万输出 token）
    2026-11-1930 天 / AAI-OpsBraintrust（观测评估一体，免费档 Starter：1 GB 处理数据/月 + 10k scores/月 + 14 天留存，超出后 $4/GB、$2…
    2026-11-1930 天 / AData-Engineering「接进来」相关服务的生命周期状态（核实 2026-10-20）：①Amazon Q Business 官方原文「no longer open to new …
    2026-11-1930 天 / AData-Engineering服务名与形态是当日快照，且正在动：Google 两处连改——Dataplex Universal Catalog 自 2026-04-10 起改名 Know…
    2026-11-1930 天 / AData-Engineering托管标注这一格四家云都已收缩或退场：Amazon SageMaker Ground Truth 官方文档页顶注记「不再对新客户开放，现有客户可照常使用，AW…
    2026-11-1930 天 / BEvaluationGPQA Diamond 头部：GPT-6 Astra 96.0 居首；其后 Sakana Fugu-Ultra 与 Fugu 并列 95.5 / GPT-…
    2026-11-1930 天 / BEvaluationHLE 前沿模型约 45~65%（llm-stats 与 BenchLM 2026-09 榜首同为 65.0/65，均为 Claude Fable 5.1；…
    2026-11-1930 天 / BEvaluation2026-10 头部格局：Claude Opus 5（2026-07-24 发布）仍以 96% 领跑 SWE-bench Verified（BenchLM …
    2026-11-1930 天 / BLLM托管商用模型 ≥1M 上下文窗口已成 2026 旗舰标配（Gemini 3.1 Pro 1M；开源 Llama 4 Scout 标称 10M）；RULER/…
    2026-11-1930 天 / BLLM-Inference成本量级参考（2026-10-20 核）：H100 级时租 $2.89–$3.99/卡·时（RunPod H100 PCIe $2.89、SXM $3.99…
    2026-11-1930 天 / AModel-LandscapeGPT-5.6 家族（2026-07-09 GA，07-30 降价，Sol 再降至促销价）：Sol $4/$20（官方注明至少持续到 2026-11-21；…
    2026-11-1930 天 / AModel-LandscapeClaude 5 家族：Fable 5.1（Mythos 级、1M 上下文/128K 输出、$10/$50，Fable 5 降 legacy）、Mythos…
    2026-11-1930 天 / AModel-LandscapeGemini 4 Argon（新旗舰推理模型，已 Stable、1M 上下文；尝鲜价 $2/$10 至 2026-11-30，2026-12-01 起 $4…
    2026-11-1930 天 / BModel-LandscapeGrok 4.3：$1.25/$2.50、缓存输入 $0.20（<200k 档；≥200k 档翻倍为 $2.50/$0.40/$5.00）；2026-06-…
    2026-11-1930 天 / BModel-Landscape开源榜首（2026-10 快照）：DeepSeek V4 Pro 1.6T/49B 激活（SWE-bench Verified 80.6 追平闭源；MIT；…
    2026-11-1930 天 / BModel-Landscape国产四强（2026-10 快照，与「开源榜首」行口径并齐）：GLM-5.2（753B 权重口径 / 论文口径 744B、40B 激活；继任 GLM-5.3 …
    2026-11-1930 天 / BModel-Landscape豆包：2.1 Pro 2026-06-23 发布（¥6/¥30、缓存命中 ¥1.2）；2.1 Turbo 半价；Seed-Evolving 月更 2–4 次…
    2026-11-1930 天 / AModel-Landscape价格光谱：地板 gpt-5-nano $0.05/$0.40、GPT-6 Luna $0.10/$0.50、DeepSeek Flash（现由 V4.1-F…
    2026-11-1930 天 / BModel-Landscape小模型：Phi-4 / Gemma 4（26B MoE 激活 3.8B；E2B 2.3B 有效参数，32k 上下文 + int8 KV 口径 bf16 约 …
    2026-11-1930 天 / AModel-Landscape火山方舟：Doubao-Seed-2.1 Pro（06-23）¥6/¥30、缓存命中 ¥1.2（在线推理 [0,1024] 单档计价；批量推理与在线低优 ¥…
    2026-11-1930 天 / AModel-Landscape阿里百炼：Qwen 全系+DeepSeek/GLM（已含 GLM-5.3）/Kimi/MiniMax/小米 MiMo（Llama 已不在官方模型列表；「15…
    2026-11-1930 天 / BModel-Landscape百度千帆：文心 5.0 正式版 2026-01-22（2.4 万亿参数原生全模态）、5.1（2026-05-09 发布，厂商称搜索登顶国内/预训练成本 6%…
    2026-11-1930 天 / AModel-Landscape腾讯：混元 2.0 2026-03-13 起涨价——HY2.0 Instruct ¥4.505/¥11.13 每百万 tokens（此前 ¥0.8/¥2）、…
    2026-11-1930 天 / AMultimodal闭源旗舰原生多模态：GPT-6 Astra（OpenAI 旗舰，1.05M 上下文、128K 输出、文本+图入，$10/$50 每 M token）/ Ge…
    2026-11-1930 天 / BMultimodal开源 VLM 换代：Qwen3-VL（Apache-2.0，Instruct / Thinking 双档，2B–235B-A22B）与 InternVL3.…
    2026-11-1930 天 / BMultimodal原生图像生成两大流派：扩散（FLUX.2 / Midjourney）vs 自回归（GPT Image 2〔2026-04〕、Nano Banana 2 = …
    2026-11-1930 天 / BMultimodal端到端 S2S 格局：OpenAI **gpt-realtime-2.1 / 2.1-mini**（2026-07-06 发布；128K 上下文、32K 输…
    2026-11-1930 天 / BMultimodal语音成本：级联 $0.01–0.17/分钟（组件各自计价，可预测）；端到端的 gpt-realtime-2.1 只公布 token 单价——音频进 $32 …
    2026-11-1930 天 / BMultimodal视频生成格局重组：**Sora 已退场**——OpenAI 消费端 2026-04-26 停服、Videos API 与 sora-2 / sora-2-p…
    2026-11-1930 天 / BPrompt-Engineering提示词缓存：截至 2026-10 三大厂缓存读取价多数约为基础输入价 0.1×（约 1 折，省约 90%），新一代更低：Anthropic Opus 5.5…
    2026-11-1930 天 / BSecurity备案现状:截至 2026-08-31 累计 1112 款生成式 AI 服务备案、731 款应用/功能登记;双备案全流程 5–8 个月(北京 8–10),算法…
    2026-11-1930 天 / BSolution-PatternsGlean：ARR $300M（2026-05，+89% YoY）、估值 $7.2B（2025-06 Series F）；Glean Agents 年化 1…
    2026-11-1930 天 / BSolution-PatternsAI Coding 格局：SpaceX $60B 全股票收购 Cursor 母公司 Anysphere（2026-06-16 宣布、2026-08-14 已…
    2026-11-1930 天 / BSolution-Patterns语音客服成本：级联 $0.01–0.17/分钟（组件各自计价，可预测）；端到端主线仍按 token 计价——gpt-realtime-2.1 音频进 $32…
    2026-11-1930 天 / BSolution-Patterns成本速查卡量级：文本客服 $0.01–0.05/会话、文案 $0.001–0.01/条、图 $0.02–0.1/张、AI Coding $19–40/人/月…
    2026-11-1930 天 / BSolution-Patterns会议助手格局：两分野（笔记器 vs agentic 平台）；原生派 Zoom Workplace 内置 AI（2026-06 起不再用 AI Compani…

    全库共 318 条时效性事实；另有 256 条排在一个月之后，见 完整保鲜看板。

    做到哪儿了

    全库 21 册都有网页版

    从 MCP 一册样板起步，分八批扩建（2026-07-22 收官），2026-08-02 新增的两册同批补齐，至此全库 21 册都有网页版。每册都是一页读完：章节按讲义顺序重组、关键数字标注核实日期与信源、现场高频追问带「下一步」，并各配一个交互件（选型器、计算器或分诊器）；每条定量结论都写明不可外推边界——这个数字在什么条件下不成立。 21 册的现场高频追问与实战包的交锋题另汇成一份 全库问答库，按一句话搜、点进去读答案。每章末尾新增一条「串联」：这一章牵出的其他主题——相关章节与关键技术词——点一下就跳到它在库里的落点，顶部搜索也能直接搜关键词。

    接下来

    新增模块仍是「先出讲义、再补网页版」——知识地图里会先标「仅 PPT」。内容更新只改各模块清单，本页的关系网与保鲜看板自动重建。