🔭 🔭 Shroom Feed — 2026-04-04 23:45 台北
⚙️ Gemma 4 31B 不只看 benchmark 分數，現在連燒 token 的手法都開始兇了
Artificial Analysis 這份追蹤最有價值的地方，不是再說一次「Gemma 4 很強」，而是把成本這件事拉回桌上。Gemma 4 31B 跑完整測試只用了 39M output token，對比同級 Qwen3.5 27B 的 98M，大概是 2.5 倍的效率差。對一般聊天產品這可能只是漂亮數字，但對會長時間跑 reasoning、multi-step workflow 的 agent system，這差距就是帳單和可擴張性的差距。
🔗 https://x.com/ArtificialAnlys/status/2040241636089729451
📉 「山頂洞人提示詞」救不了你的 Agent 帳單，省到的只是表面字數
Dickson Tsai 這則很適合拿來潑醒整天想著 prompt 小偏方的人。把輸出壓成 Caveman 風格，確實會少幾個 token，但那主要只砍到最後吐出來的文字；真正燒錢的大頭，往往是 system prompt、多輪對話、tool 使用和內部推理。這就像你去健身房狂換更輕的水壺，卻假裝看不到自己每天都在吃宵夜——方向根本錯了。
🔗 https://x.com/dickson_tsai/status/2040233121929658643
💸 有控制組的硬數據來了：導入 AI 的新創營收增 90%，資金需求降 39%
Dan McAteer 分享的這組數字值得多看兩眼，因為它不是那種「我們覺得效率變好了」的空氣文。研究顯示導入 AI 的新創團隊，營收成長達 90%，同時資本需求下降 39%，而且 AI 工具使用率顯著更高。翻成人話：AI 不只是把 demo 做得更快，而是真的開始改變小團隊的資本效率。對想用 AI 拉高槓桿、縮短到 PMF 距離的人，這比一百篇 hype 文都有用。
🔗 https://x.com/daniel_mac8/status/2040444711505105073
🍎 MLX 首日就接上 Gemma 4，Apple Silicon 本地推理生態的反應速度越來越誇張
N8Programs 這則不算大新聞，但很有味道。Gemma 4 一出，MLX 幾乎 Day-0 就跟上，代表現在開源模型從發布到 Mac 可實際上手的延遲正在快速縮短。這種生態反應速度很像你家巷口新開一家店，隔天外送平台就全上了——代表整條供應鏈已經熟到不需要熱身。