标题：开源模型真的更“浪费”token吗？ 正文： 近期研究发现，像DeepSeek-R1等开源模型在回答问题时往往显得不够“节制”，尤其是在简单问题上，容易陷入过于复杂的思考。这种冗长的推理过程可能导致其单位token成本优势被抵消。 NousResearch团队的研究试图解答一个关键问题...

国务院新闻办公室今日举行发布会，国家数据局局长刘烈宏透露，截至2024年6月底，我国日均Token消耗量突破30万亿，较2024年初增长300多倍，展现人工智能应用规模的快速增长。同时，我国已建成超3.5万个高质量数据集，总量超400PB，累计交易额近40亿元人民币。北京数交所高质量数据集占比从去年10%提升至近80%。此外，中文数据在大模型训练中占比普遍超60%，部分达80%，对提升模型性能作用显著。

正文：2025年7月，GMI Cloud在WAIC 2025期间发布“AI应用构建成本计算器”，助力开发者量化海外AI商业化成本。该工具基于Token消耗与吞吐量，实时对比15家供应商性价比，优化总拥有成本（TCO）。数据显示，使用GMI Cloud方案可降低IT成本40%，缩短回本周期至行业平均的1/3。例如，处理900万字任务仅需15小时，远快于某些服务商的83小时，且费用更低。其底层依托英伟达H200、B200芯片，实现硬件到软件的全栈优化，支持快速部署与扩展。用户可通过官网体验工具并了解更多详情。