會定時呼叫 AI 的排程，就是 AI Agent 嗎？ 每天早上九點，自動抓取信件、請 AI 寫摘要，再把結果傳給你，這算不算 AI Agent？ 區分 AI Agent 與一般排程，關鍵在於執行過程中的下一步，是誰決定的。 你現在可以使用 ChatGPT / Claude / Grok Bot 建立固定啟動的排程， 拿我自己的排程來說，我有一個排程由程式找出未讀信件，把內容交給模型分類，再將結果存進工作台。模型負責理解文字，執行順序仍由程式安排，這比較適合稱為「有使用 AI 的固定工作流程」。 我的 AI 選題排程就不同了。 它必須比較候選題目、搜尋來源、判斷資料是否足夠；發現證據不足，還要決定是否繼續查資料、換題目，或是停止動作，直接交題目給我。 這些選擇會影響後續行動，因此具有 Agent 的性質。 我現在只有不到 10 個 AI Agent ，因為管理 Agent 也是很耗精力的，但是高手就不同了，例如 Cursor 工程師 Lauren Tan 能夠同時操作數百個 AI Agent 。 你現在有幾個 AI Agent 幫你工作呢？

同一個巴黎鐵塔 3D 場景，MiniMax M3.1 Flash 收了 0.24 美元，DeepSeek V4.1 Flash 1017 收了 0.53 美元，時間都差不多 1 小時，DeepSeek 的帳單卻是它的 2 倍多。 M3.1 Flash 是 MiniMax 10 月 19 日推出的新模型，API 以 Token（模型計費的文字單位）算錢，每百萬 Token 輸入 0.15 美元、輸出 0.6 美元，M Plan 訂閱和 MiniMax Code 也能用。 網友的帳單長這樣 Raven 示意圖：網友回報的兩組同題帳單；條長只在同一面板內比較，非官方測試。 • 巴黎鐵塔場景：MiniMax 0.24 美元、1 小時，DeepSeek 0.53 美元、1 小時 10 分。 • 小型溜冰場：另一位使用者讓它和 GPT-6 Astra 各蓋一座，MiniMax 0.21 美元，Astra 7.88 美元，Astra 是它的 37 倍多，他最後選了 MiniMax。 • 日本車站春季 3D 模型：在 MiniMax Code 一次做完，17 分鐘、輸出 66k Token，只花 0.04 美元，是目前最便宜的一筆。 便宜，那分數呢？ 獨立評測網站 Artificial Analysis 的智力指數 v4.3.2 把 10 項評測合成一個分數，M3.1 Flash 拿 43 分，跑一項任務平均 0.22 美元。 DeepSeek V4.1 Flash 1017 是 45 分、0.26 美元，兩家幾乎站在同一個價位；GPT-6.1 Sol 拿 52 分，但每項任務要 0.72 美元。 比較吃虧的是速度，Artificial Analysis 量到 MiniMax 每秒輸出 92.5 個 Token，DeepSeek 是 206。 所以做一個 3D 網頁要花多少？ 照網友的帳單，一次大約 0.04 到 0.5 美元，但要等 17 到 90 分鐘。 想用小錢換一份完整成品、又不趕時間，它值得排進比較名單；要跑長時間的 Agent 流程，先看快取和總用量再決定。

多數工程師已經不自己寫程式，約 100% 交給 AI，卻從來沒這麼辛苦過。 這是一位 AI 框架 Keras 的作者，10 月 18 日在 X 上談軟體工程「全面自動化」時提出的觀察。 他列了 4 點，除了上面這兩點，另外兩點是：工程師比 2025 年更多，需求還在成長；雇用這些人和 AI 代理的公司，最終成果通常沒有因為導入 AI 而改變。 這位作者的結論是，要用系統的角度看事情：把其中一個環節自動化，會產生新的摩擦，瓶頸也跟著移到別處。 不用自己寫程式後，工程師的時間花到哪裡 示意：AI 寫程式之後，工程師的時間移到判斷、檢查和系統設計。 貼文底下有位留言者說，他約 1 年來橫跨 2 份工作，主要寫的是提示詞，不是程式。 他的工作沒有變少，而是換成決定什麼值得做、檢查 AI 寫的內容，以及讓人真的用起來。 另一位留言者估計，大型複雜系統裡，寫程式原本約占 20%，其餘 80% 在理解問題、設計與整合。 現在那 20% 幾乎被取代，系統設計就變成工作的幾乎全部。 這個比例也有調查可以對照。 IDC 2024 年的開發者調查顯示，在開發者的工作時間裡，寫應用程式的時間只占 16%，需求與測試案例 14%、資安 13%、CI/CD 12%。 審查這一段，也有人拿出對策。 有位工程師說，檢查 AI 產出已經是工作的一大塊，他最後自己做了一個工具，用 AI 為每個需要人工審查的程式修改整理導覽。 留言裡談到工作去向的幾位工程師，說法很接近：AI 接手寫程式之後，決定做什麼、檢查 AI 的產出和設計系統，還在人手上。 如果你的團隊也開始讓 AI 寫程式，可以看看這幾個環節是不是成了新的瓶頸。

DeepSeek 在 10 月 17 日推出 V4.1 Flash 1017，加強推理、寫程式與 Agent 使用工具的能力，官網、App 和 API 都已開放。 Reddit 有位使用者拿它做網頁動畫：他想用 5 個場景，介紹一台虛構的電子紙筆記本，整段動畫長 10 秒。 他在 Claude Code 裡，透過 Atlas Cloud 呼叫模型，把同一份需求交給 3 個模型比較。 第一次，DeepSeek 把那次回覆的 16,000 個 Token 額度全用在思考，沒有輸出成品，卻仍收了 0.019 美元。 後來，他把推理投入程度改成 low，這次才拿到完成的網頁，費用是 0.016 美元。 依他的分享，DeepSeek 是這次比較中唯一做齊 5 個場景的模型。 但要完成這項工作，他也付過前一次沒有成品的費用。 這個經過讓「便宜」多了一個要看的地方：除了成功那次花多少，之前付過的錢、有沒有拿到成果，也得一起算。 那麼，先不看這次個案，換成大家都做同一組評測題目，新版表現如何？ Artificial Analysis 的結果，可以幫我們比較它和舊版，以及相近價位的對手。 在新舊版都採 max 推理設定的評測裡，DeepSeek 的智力指數從 39 升到 45，每項任務的平均費用從 0.57 降到 0.26 美元。 兩版輸入與輸出單價相同，省下來的是完成評測任務的平均費用。 價位接近的 GLM-5.3-Flash，智力指數是 42 分，每項任務平均 0.28 美元。 在這組測試裡，DeepSeek 稍便宜，綜合分數也高一些。 如果改和同為 45 分的 GLM-5.3 max 比，差距就更明顯：DeepSeek 每項任務平均 0.26 美元，GLM 是 2.01 美元。 不過，若工作主要是讓 Agent 操作終端機、修改程式，還要看這類工作的測驗。 在 Terminal-Bench 4.0 裡，GLM-5.3 max 的任務通過率是 42%，DeepSeek 新版是 34%。 如果你要做的正是這類程式工作，GLM-5.3 max 較高的通過率，就值得和它較高的費用一起考慮。 回到那次動畫，成功的 0.016 美元和失敗的 0.019 美元，都屬於同一項工作的嘗試。 DeepSeek 新版在固定評測裡確實有成本優勢；放到實際工作，還得連著最後交付的東西一起看，才知道這筆錢花得值不值得。

10/20 那篇〈Grok Bot：我用過最簡單的 AI 代理〉，寫的是我怎麼把一個常態任務交給一個 Bot。 還沒看過的話可以先看這篇：https://newsletters.raven.tw/p/grok-bot-ai-92 10/28（週三）晚上 7:30，我會在 Google Meet 直播，把文章裡的設定和用法直接講一遍。 內容會從方案選擇、桌機和手機的設定，講到「健身教練」Bot 怎麼讀日曆上的課表，再把重量和組數記進 Notion。 直播公開免費，時間到點這個連結就能進來：https://meet.google.com/xto-vtfc-eis 行事曆活動在這裡，可以先加到自己的日曆：https://www.skool.com/decode-ai-ai-2667/calendar?eid=f2bac8be0dfc4a0da9bbec8a0547c249 錄影檔之後會放在社群的課程區，可以回看。 有想先問的問題，可以直接留在這篇底下，直播時一起聊。 Grok Bot發布