近日，社交媒体上关于国内顶尖AI大模型厂商DeepSeek（深度求索）的面试体验引发广泛讨论。一位推特用户吐槽其面试流程极其硬核，引发了开发者社区的共鸣。 主要内容与行业影响包括： 1. **考核极度偏向底层与工程实践**：面试不仅要求扎实的算法功底，还高度侧重于CUDA、Triton、显存优化及大规模分布式训练等底层系统级工程能力，而非简单的API调用。 2. **学术与竞赛风格明显**：部分算法和工程岗位面试题偏向ACM/OI竞赛风格，对候选人的即时代码实现和数学推导能力要求极高。 3. **人才筛选风向标**：这反映出当前头部大模型企业在红海竞争中，已将人才筛选标准从“应用型开发”转向“极致算力榨取与底层架构创新”。对于AI从业者而言，掌握系统级优化和硬核工程能力正成为进入顶尖AI团队的关键分水岭。
本文深入分析了AI编码项目“Infra”（wdl.dev）在约两个月（2026年4月13日至6月24日）的开发过程中，AI模型Token消耗的统计数据与实践经验。项目初期主要依赖Claude Code，随后转向GPT 5.5（Codex）作为主程序员。数据显示，Codex在此期间累计消耗了近180亿Token，其中输入Token约178.5亿，输出Token约3770万。值得注意的是，缓存命中率高达95.77%，显著降低了实际非缓存输入Token量，净消耗Token约7.9亿。Codex共被调用116,485次，涉及296个会话，日均Token消耗约2.46亿。尽管Codex是主力，Claude Code也承担了大量的代码审查工作，并在Codex资源耗尽时接手，即便作为辅助角色也消耗了大量Token。这些数据为中国开发者和AI创业者提供了AI辅助编程在大规模项目中的实际成本、效率及模型协作的宝贵洞察。