微软投了OpenAI上百亿，结果Copilot嫌太贵换成DeepSeek同档模型

2026-07-08 AI智能体创业者日报 | v1.0 | 创业者专属

🔖 今日必读：

1. 微软用自研MAI模型替换Copilot里的OpenAI/Anthropic，跑分仅DeepSeek V3.2级别——大厂也开始省模型钱了
2. 205篇文章仅9个PH产品，22:1的供需缺口意味着AI工具产品化远未饱和
3. GitHub上Claude生态相关仓库29个但PH无对应产品，Claude工具链是当下最大的市场空白

🔥 今日爆点（60秒谈资）

核心信号：微软正在用自研MAI-Thinking 1模型替换Copilot中的OpenAI和Anthropic模型，但跑分仅与DeepSeek V3.2持平，远落后于 frontier models。投了上百亿搞AI，到头来自家也用不起。

结论：205篇文章仅对应9个产品（22:1），AI工具产品化严重滞后于技术讨论。Claude相关64篇文章+29个GitHub仓库，0个PH产品——最大的市场空白。 [关键信号P2] 文章产品比悬殊：205篇文章仅对应9个产品（比例22:1），供给严重不足

💡 今日洞察

微软AI主管Mustafa Suleyman说得很直白："我们给Anthropic付了太多钱，目标是减少到最终消除这笔费用。"微软正在用自研MAI-Thinking 1模型替换Excel和Outlook中Copilot的OpenAI/Anthropic模型——但MAI-Thinking 1的跑分远落后于OpenAI和Anthropic，约与DeepSeek V3.2持平。

这意味着什么？你付着同样的Copilot订阅费，微软可能悄悄给你换上更弱的模型，省下来的钱归他们。投了几百亿搞AI，到头来发现自己也用不起。大厂正在从"用最好的模型"转向"用够用的模型"来控制成本。

对创业者的影响：模型成本正在成为所有AI产品的核心约束。谁能用更便宜的模型（DeepSeek级别）做出接近 frontier 模型的效果，谁就赢。微软亲自验证了这条路径——这比任何论文都有说服力。

🎯 3个爆款机会

方案1：Claude生态工具链 — 给Claude Code装上"技能商店" 开发者

对标：taste-skill（日增1483星，总计60033星）+ agent-skills（日增1311星，总计72000星） · GitHub

数据验证： 交叉分析：GitHubx产品 GitHub热门方向(local, 机器人, claude)在PH无对应产品，'claude'出现在29个仓库中但0个PH产品 · 置信度：high

商业评分：AI模型与框架 89分（市场热度30 + 市场验证18 + 技术可行性20 + 竞争度6=蓝海 + 时机10 + 异常奖励5）

用户声音：Badge评论区参与度high（60.4%），用户最关心：AI代理收集评价的真实性和防作弊机制。Claude生态工具同样需要可信度验证

精选信号： 精选44分 agent-redteam —— 跨源关联3词，AI安全红队测试工具，Claude生态稀缺工具方向

核心思路：Claude Code的Skills生态正在爆发（taste-skill+agent-skills+superpowers三天累计9000+星），但没有统一的发现、安装、评分平台。做一个Claude Skills的"App Store"，让开发者一键安装/管理技能包，同时提供质量评分和兼容性检测。

• 目标场景：面向Claude Code/Anthropic API开发者的Skills管理和分发平台
• 切入点：先做一个Skills索引网站（爬取GitHub上.claude/skills目录），加上搜索和一键安装命令生成
• 技术建议：GitHub API爬取 + Claude API做技能质量评分（让Claude自己评价Claude Skills），Next.js+Vercel部署
• MVP范围：第一版只做索引+搜索+安装命令，不做自动安装；支持按标签/星数/更新时间筛选；命令行工具生成安装片段

启动成本：几乎为零（GitHub API免费额度够用），1-2周可上线MVP

方案2：AI求职验证工具 — 让AI替你准备面试+验证能力 创业者

对标：Badge（394票，238评论）+ ai-job-search（日增2402星，总计10292星） · PH

数据验证： 交叉分析：招聘x产品 招聘热门技能Top15，产品覆盖率仅13%；企业大量招但缺产品的方向：python, sql, pytorch · 置信度：high

商业评分：AI应用与工具 79分（市场热度25 + 市场验证18 + 技术可行性20 + 竞争度6=蓝海 + 时机10）

用户声音：Katalyst评论区参与度high（51.1%），用户最关心：企业销售流程自动化能否真正替代人工。求职场景同理——招聘方和求职者双方都有强烈痛点

精选信号： 精选35分 Badge —— AI代理收集匿名同行评价，394票高参与度，求职验证需求强烈

核心思路：GitHub的ai-job-search（日增2402星）证明求职者愿意用AI找工作，Badge（394票）证明招聘方需要可信验证。把两者合并：AI帮你准备面试（模拟面试官），同时通过你的代码仓库/项目自动生成能力证明，替代虚假简历。

• 目标场景：面向初中级开发者的AI面试准备+技能验证工具，B端可卖给招聘方做候选人筛选
• 切入点：先做面试模拟器（基于目标岗位JD生成面试题+评分），免费引流，再推技能认证
• 技术建议：Claude/GPT-4o API做面试官，GitHub API分析代码仓库生成技能画像，RAG匹配岗位需求
• MVP范围：第一版只做模拟面试+即时反馈，支持Python/前端两个方向；不做B端，先C端免费

启动成本：API费用约$50/月，2-3周开发MVP，可用Vercel免费部署

方案3：隐私优先的本地AI会议助手 — 不上云的会议记录+行动项提取 开发者

对标：meetily（日增1781星，总计20547星，隐私优先本地AI会议助手） · GitHub

数据验证： 交叉分析：论文x产品 论文热门方向Top10，产品覆盖率仅10%；学术已验证但缺产品的方向：llm, alignment, reinforcement learning · 置信度：high

商业评分：AI模型与框架 89分（市场热度30 + 市场验证18 + 技术可行性20 + 竞争度6=蓝海 + 时机10 + 异常奖励5）

用户声音：Scribble Network评论区参与度high（27.7%），用户最关心：多个创作者归因冲突如何处理。会议记录场景同理——用户关心隐私和准确性的平衡

精选信号： 精选33分 distil-llm —— 上下文压缩+因果剪枝，为本地部署优化agentic运行时，直接可用于本地会议摘要

核心思路：meetily已经证明本地AI会议助手有强需求（日增1781星），但它是通用方案。针对垂直场景（如医疗/法律/金融会议）做本地AI会议助手，用DeepSeek级别模型+本地Whisper转录，成本极低但隐私可控。微软今天验证了"用够用的模型省钱"这条路线。

• 目标场景：面向隐私敏感行业（医疗/法律/金融）的本地化AI会议记录与行动项提取工具
• 切入点：先做一个meetily的垂直优化版，预装法律/医疗术语库，提升专业领域转录准确率
• 技术建议：Whisper.cpp本地转录 + Ollama运行DeepSeek/Qwen做摘要，Rust后端（参考meetily架构），Electron前端
• MVP范围：第一版只做录音转文字+会议摘要+行动项提取，不支持实时转录；先做macOS版

启动成本：几乎为零（本地运行无API费用），3-4周开发MVP

⚠️ 避坑指南

📊 今日数据

💬 今日金句

微软投了OpenAI上百亿，到头来发现自己也用不起——这比任何论文都更能说明：用便宜的模型做出好的产品，才是AI创业的真正壁垒。

🔍 更多洞察

以下板块使用 curated_highlights 和 extended_data 中的数据，每条信息标注受众标签。

大熊掌门 · AI智能体创业者日报

完整报告请移步大熊掌门的公众号查看