kimi 默秒全，
不过 gemini 最近怎么简陋成这个样子了，之前出的时候不是还很有品味的么（好久没用了）

gpt live,直接聊天，让他当我秘书，还能进行讨论，
如果事后真的觉得有用就跟正常 gpt 聊天一样让他给个总结报告

我倒是无所谓，文章讨论能有观点或者启发新想法的话读什么不是读？ ai 生成的天然低人一等么？
另外 vibe codex claude 这些算是尝试新工具的交流，我是这么理解的

opencode 吧，可配置性强，本体很轻量化，然后需要搞大型项目还有和他配合的重型 harness omo 。
pi 比较适合二开，直接拿来当 agent 用没那么开箱即用

应该强调重点的，小故事可以放到后面讲，
现在市面上这一类的 workflow / spec skills 太多了，你得主要强调在哪个场景下区别是什么，优势是什么，在哪个模型体系和 agent 下效果最好，测试结果是什么，再来讲原理（比如至少除了 openspec 之外，拉个表对比一下 matt pocock 的 skills, superpower 之类的主流 workflow ）。
另外我个人觉得你的概念其实更偏向 loop engineering ，harness 应该是更广的一个概念, 当然这个也没有定论每个人都有自己的看法

他好像有送 free 的 https://i.imgur.com/J8YffIl.png

reddit 上我看很多人也在讨论这个，特别是 5.6 的 over engineering 倾向，好处就是你说的基本不需要交互了，只要主要目标没有错，他自己会不断验证迭代，坏处就是他会不断的叠加任务，你会看到 12 个小时前是 1/5 任务，12 个小时后依然是 1/5 ，但是任务目标实际已经变了

我现在每天用完一个 20x 然后等重置，感觉 codex + 5.6 和其他家思路完全不同了，
其他家现在还能算 copilot ，定位都是辅助或者结队完成任务，codex + 5.6 sol ultra 完全变成上司和下属模式，一个任务要耗费几天才能完成，但是每次 deliver 都是成品，换言之就是你的任务目标范围越小，回报就越低（因为小任务他也是这套模式折腾），反而是一次性一整套完整的架构，完整重构，完整的产品的回报才高

快 不等于 强，
cc 到 fable5 依然丢三落四（我两个都有）
当然 codex 慢也是几方面的原因
1. 5.6 sol 的 max 和 xhigh 特别喜欢 over engineering
2. 他们昨天 7M 用户，今天有望 8M ，明显 codex 的速度给砍了（通过 cursor 进行比较）

另外现在谁喜欢一个整天想着方法监控你的 cli, 你么？

今年初的时候直接从 openspec （那时候还不是 skill ），做了一套自己的 skill 出来，根据自己的开发流程调整，现在基本和 openspec 也没什么关系了。
我觉得用别人的只是过度，最终还是得根据自己的需求和流程做自己的 flow

有品位👍

本来程序员就是知识 broker ，你在拿经验和技能和时间换工资，现在 ai 可以更便宜，更快更好（更好这个暂时存疑）的实现你的技能和经验，那必然还在程序员这个范畴里折腾的空间就不大了。
之前像冥想，现在像服务员，后面呢？

@Dream4U #1 看完回来了，要不是老哥差点错过今日笑点

昨天用了重置的他会自动返还你一张重置卡，明天还会再给你一张重置卡，圣.tibo 牛逼
https://i.imgur.com/CcQHEMe.png

omo 是特别重的一个 harness ，只有在大型项目下才好用（减少漂移），
另外 opencode go 套餐本来就给的少，那更不经用了。然后你还选了配额消耗大的模型做 sisyphus （ kimi k2.7 code ），如果要用 go 做主力考虑小米的模型和 deepseek 的，这两是量给的最慷慨能力又算在线的

功能是老早有了，但是 gpt live 模型是刚发的，非常好用，
openai 这边也和其他几个前沿 lab 一样实现了 bidi/full duplex 对话模型，区别就是之前虽然是对话，但是还是 take by turns 的，换言之就是你说那 ai 就只能听，不能和人一样边说边听边给反馈。
现在和真人一样了，可以边听边说，而且还会根据你说的话选择回话还是不回（真人对话你也不会对方说什么都会回应）

不大，智谱现在的模型 700B,fable 少说是个 5T ，多了是个 10T 的模型，超大规模预训练智谱之前没发过产品，这个就连 openai 都翻过一次车的（ gpt4.5 ），理想情况下智谱肯定会选择训一个 < 2T 的模型，然后继续跑分赢就行了。
另外智力提升不是线性的，不能简单用乘法算，还要考虑提升预训练 size 之后之后每 param 分配训练 token 的问题，对他们目前的训练的资料也是一个很大的压力。

至于吗+1, 5.6 不香么，12 号之后连 fable 都不给你用了，和 gpt 直接差出一代模型的性能，不理解但尊重