现在还有人主要用 GitLab、Gitee、Bitbucket 这些代码托管平台吗？ 感觉到了 AI 时代，GitHub 都快成权威了，提到开源项目，第一反应就是 GitHub 链接在哪。代码托管明明有那么多选择，现在好像默认就是它了 还在用其他平台的，是公司要求、方便自建，还是有什么比 GitHub 好用的地方？有点好奇

现在用 Codex 里的 GPT-6 Astra Ultra，感觉整个过程已经跟我这个人类没什么关系了 主代理和 subagent 自己沟通，具体说了什么、为什么这样做，我全都看不到。我只能对着屏幕干等，等它们忙完，最后给我一个结果 中途想判断一下方向对不对，想参与讨论，都不知道从哪里插话 这种失去掌控感的体验真的很难受，等着等着就开始怀疑，我在这里到底还有什么用

有没有人拿各家的通用大模型比过作曲？让它们生成乐谱或 MIDI，放出来听听谁写得好 只用文本输入输出，模型写音符，软件负责播放，不调用专门的音乐生成模型。相关 benchmark 已经有了，但这种直接比较实际听感的评测，我还挺想看的 给它们同一段歌词配旋律，或者指定风格、节奏和场景，比如适合深夜散步的配乐。再用同样的音源播放，盲听一下差距有多大 我很好奇，它们能不能把歌词里的情绪、场景里的氛围写进曲子里，旋律会不会好听？平时写代码厉害的模型，作曲也会更强吗 有试过的可以发来听听，想听实际生成的作品

没想到 AI 还能这样用，平时聊天、写代码的文本模型，居然也能作曲。 我让 GPT-6 Astra 做了一段音乐，它用代码把旋律、节奏和乐器编排写成 MIDI，再转成音频，效果比我预想的好很多，还真有那个氛围！ 视频里的配乐就是这样生成的，配图也让 AI 画了一张。大家可以拿自己喜欢的风格试试，挺好玩的

TypeSafe 新发布的 Jev，主打不生成文字，只返回选项、概率和置信度。光看这些功能，我确实会觉得，拿个 base 模型后训练，再接个分类头，也能做啊。分类器已经是很成熟的技术了。 预训练模型接分类头，本来就可以直接输出分类概率。把答案限制在 A/B/C，也能保证它不会输出 D。所谓零幻觉如果指的是这个，和模型能不能选对是两回事。 Jev 允许开发者用自然语言定义问题和候选项，可以理解为估计 p(选项 | 输入状态、问题、候选集)。这比只认固定标签的业务分类器通用，但同样可以作为 base 模型的多任务后训练目标。难点在于换到没训练过的任务以后，判断质量还能保留多少。 它把同一份输入上的多个问题独立、并行求值，省掉了逐 token 写出完整答案的过程。直接给候选项打分，确实可能比生成一整段 JSON 快很多。但分类头本来也不需要生成文本，单凭这个对比看不出新架构的贡献。公开材料也没说明底层如何共享计算，一次 API 调用不等于只跑一次前向传播。 它的训练方法 RLCD 强调概率校准。给出 80% 概率的那组预测，长期看应该大约有 80% 正确。分类准确率高，不代表概率可信，一个正确率 90% 的模型，也可能动不动就报 99% 的把握。 这个目标有实际意义。程序需要根据概率决定自动执行还是转人工，同样选 A，51% 和 99% 应该触发不同处理。 但校准也有成熟方法。交叉熵、Brier score 可以用于训练概率预测，温度缩放可以做后处理。目前这些公开材料没有给出 RLCD 的奖励函数、训练配方和消融实验，还没法判断它相对常规训练加校准，多解决了什么问题。 Jev 的 confidence 也是从选项概率分布计算出来的统计量。分布很集中，说明模型偏向某个答案，不能单凭这一点认定它可靠。 如果它能让开发者直接用自然语言定义分类任务，省去准备数据、训练和部署的工作，同时保持低延迟、低成本，这个产品当然有意义。成熟技术做成好用的服务，本身就能解决问题。 不过，既然主张新架构和新训练方法，就应该和经过多任务后训练、带分类头和校准、支持批量推理的模型比较。在未见任务上测准确率、校准误差，以及相同错误率下能自动处理多少请求，再比较延迟和成本。这样的结果才能说明 Jev 到底做到了什么。

没想到 AI 还能这样用，平时聊天、写代码的文本模型，居然也能作曲。 我让 GPT-6 Astra 做了一段音乐，它用代码把旋律、节奏和乐器编排写成 MIDI，再转成音频，效果比我预想的好很多，还真有那个氛围！ 视频里的配乐就是这样生成的，配图也让 AI 画了一张。大家可以拿自己喜欢的风格试试，挺好玩的

有没有人拿各家的通用大模型比过作曲？让它们生成乐谱或 MIDI，放出来听听谁写得好 只用文本输入输出，模型写音符，软件负责播放，不调用专门的音乐生成模型。相关 benchmark 已经有了，但这种直接比较实际听感的评测，我还挺想看的 给它们同一段歌词配旋律，或者指定风格、节奏和场景，比如适合深夜散步的配乐。再用同样的音源播放，盲听一下差距有多大 我很好奇，它们能不能把歌词里的情绪、场景里的氛围写进曲子里，旋律会不会好听？平时写代码厉害的模型，作曲也会更强吗 有试过的可以发来听听，想听实际生成的作品

还记得最早的 AI 生图，连手指、发丝这些细节都画不好，一只手长六根手指太常见了，头发也经常画着画着就粘在一起 现在用 GPT Image 2.5，感觉已经几乎碰不到这类错误了，画二次元小人也很自然，手指、头发这些细节基本都正常，不用每次出图先找哪里画崩了 以前还在研究怎么写提示词才能让它画对一只手，现在已经默认这些就该画对了。才过去几年啊

Anthropic 这次的蒸馏报告点名了七家中国公司，居然没提豆包。 看完名单，突然觉得豆包是好人了。 怪不得我总觉得它那么笨，说话也没其他几家那么有 Claude 味，今天这居然成了加分项。

越来越多迹象都指向：Astra 和 Fable 5.1 可能真的要在这周来了。 对 Astra 我其实只有一个愿望： 把 GPT 写代码时那股过度工程、简单问题非要造一整套系统的毛病改掉。 然后一骑绝尘。 代码全面超过 Claude， 聊天、写作、意图理解重新回到 GPT-4.5 那种近乎有灵性的巅峰。 我真的很想再看到一次那个让人觉得： GPT 就是 GPT，其他模型只能追赶的 OpenAI。

刚刚因为手机号一直收不到 Stripe 的 2FA 验证码，把自己锁在账户外了。 本来以为这种账号恢复问题会特别麻烦，结果 Stripe 客服真的很专业。 确认情况、解释原因、人工批准重置 2FA，还主动把聊天转成邮件继续跟进。 这种时候才会发现，好的客服真的会让人对一个产品加很多分。

@BAI_AGI @tencentcloud 然而hy3免费都没人用，太弱了。 腾讯大模型混元 3 ，不如 Qwen3.8-27B 。腾讯这么大一家公司，模型却做得不太行，300B 的模型被 27B 的碾压。 想不明白腾讯的 AI 为什么就是做不成，明明应该数据不缺，算力也不缺。

@BAI_AGI @tencentcloud 然而hy3免费都没人用，太弱了。 腾讯大模型混元 3 ，不如 Qwen3.8-27B 。腾讯这么大一家公司，模型却做得不太行，300B 的模型被 27B 的碾压。 想不明白腾讯的 AI 为什么就是做不成，明明应该数据不缺，算力也不缺。

小心翼翼、患得患失的 GPT， 自信甚至有点自满的 Opus， 考虑周全和有大局观的 Fable。 所以写代码时，最好还是跟 AI 交代一下背景信息，以及为什么要这么做，多花一轮对话对齐。只下强制性的执行命令、不给上下文的话，AI 很容易只盯着字面要求执行，反而把真正的需求理解偏了。

很多 Agent 项目把「记忆」和「规范」混在一起了。 但这两件事根本不是一回事。 记忆负责：过去发生了什么、用户偏好什么、之前做过什么决定、哪些上下文以后可能有用。 规范负责：现在必须怎么做、哪些事情绝对不能做、项目有哪些约束、什么才是当前 source of truth。 最关键的一点是：记忆检索通常是概率性的，但规则不能是概率性的。 如果一条规则忘了会让 Agent 违反项目约束，那它就不应该只存在 memory 里，而应该写进项目规范、架构文档、CONTRIBUTING、ADR 或 agent instructions。 Memory 应该帮助 Agent 找到决策，而不是取代决策本身。 Memory is for continuity. Specifications are for correctness.