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。

@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.

OpenAI 现在甚至给 Claude Code 做了一个官方 Codex Plugin。 而且注意，这已经不是以前那个 codex mcp-server 的用法了。 codex mcp-server 已经 deprecated，新版直接基于 Codex app server，把 Codex 真正接进 Claude Code 的工作流里。 装完以后可以直接： /codex:review 让 Codex review Claude 写的代码 /codex:adversarial-review 让 Codex 专门挑刺，质疑实现方案、设计取舍和隐藏风险 /codex:rescue 直接把一个 bug / 实现任务交给 Codex 去做 /codex:transfer 更离谱，可以把当前 Claude Code 的 session 直接转成 Codex thread，然后去 Codex App / CLI 里接着聊 还有 /codex:status、/codex:result、/codex:cancel 管理后台任务。 甚至还有一个 Review Gate： Claude 准备结束任务时，可以自动让 Codex 再审一遍；Codex 如果发现问题，甚至可以阻止 Claude 结束，让它继续修。 安装也很简单： /plugin marketplace add openai/codex-plugin-cc /plugin install codex@openai-codex /reload-plugins /codex:setup 现在已经可以真的让 Claude Code + Codex 两个 coding agent 在一个工作流里互相配合了。 官方仓库：

还有很多人没搞清楚 GPT-5.6 Sol 的 Max、Pro、Ultra 到底是什么，以为是三个不同强度的模型。 其实现在这三个词已经分别代表三种完全不同的东西： Max = reasoning effort 还是 GPT-5.6 Sol 本身，只是把单个模型的推理预算拉到最高。5.6 新增了 max，它在 xhigh 之上。 Pro = reasoning mode 5.6 开始，Pro 不再是一个单独的 gpt-5.6-pro 模型。API 里仍然选择同一个 GPT-5.6 模型，只是开启 reasoning.mode = pro，让一次请求投入更多 model work。并且 Pro 和 effort 是两个独立维度，所以可以直接开 Pro + Max。 Ultra = multi-agent orchestration 它不只是让一个模型想得更久，是自动拆任务、调用多个 subagents 并行工作，再由 root agent 汇总。Codex Ultra 默认就是这种思路。 所以简单来说： Max：一个 Sol，想得最深 Pro：一个 Sol，用更重的执行模式 Ultra：一个主 agent + 多个 subagents 一起干活 还有一个特别容易被旧经验误导的地方： GPT-5.5 及以前的 Pro 和现在 5.6 的 Pro 不是一回事。 以前 GPT-5.4 Pro、GPT-5.5 Pro 在 API 里真的是独立 model ID，例如 gpt-5.5-pro；而 xhigh 是 reasoning effort，并且普通版和 Pro 版都可以支持 xhigh。 到了 5.6，OpenAI 把这几个概念拆得更干净了： xhigh / max = 推理强度 pro = 执行模式 ultra = 多 Agent 编排 所以 Sol Max / Pro / Ultra，不是三个独立的模型档位或者三个不同的 API model ID。

我真的很推荐 Codex 用户装一下我这个 skill，我在里面塞了好多自己一路 review Codex 总结出来的血泪经验。 Codex 写代码很强，但它真的有一堆很烦的坏毛病。改一点东西顺手重写半篇 README，把讨论过程和废弃方案留在最终文档里，同一个事实到处复制，长期文档里写死迟早会 stale 的版本和状态，功能改完又漏掉 --help、README、MCP description，diagnostics 还经常输出一大坨真正有用的信息反而找不到。 这些我全写进去了，而且里面每条规则基本都有一个我真的在 review 里抓到过的反例。 User-visible text is product behavior. 这个 skill 我真的写了很久，感觉算是我最近最不想让它没人看到的东西之一。尤其是给 Codex 用，改善真的很明显。

一个很多人没注意到的细节： 现在 ChatGPT 和 Codex 里的 GPT-5.6 Sol，甚至都不是同一个版本。 ChatGPT：August Sol Codex：July Sol 所以你感受到的差异，并不只是 ChatGPT harness vs Codex harness，而是： August Sol + ChatGPT harness vs July Sol + Codex harness OpenAI 在 System Card 里写了，只是这个信息藏得太深了。

我觉得 GPT 真的需要学会两件事：fail-close 和 clean-break。 别什么都想着兼容，别什么异常都偷偷兜底，别为了安全无限加 fallback 和 legacy path。 该失败的时候就明确失败，该切掉旧设计的时候就彻底切掉。 很多过度设计，本质上就是不敢 fail-close，也不敢 clean-break。

做 Perenna 的时候，我越来越确定一件事： 记忆系统不应该比记忆本身更复杂。 很多 Agent Memory 在做自动捕获、LLM 提炼、知识图谱、生命周期、confidence、几十个 MCP tools…… Perenna 故意反着来： 记忆就是 Markdown。 当前状态就是文件。 历史就是 Git。 检索只是可重建的索引。 想记就写，想忘就删。 不做 archive，不偷偷 decay，不让系统替你决定什么应该被遗忘。 The agent may forget. Your data doesn’t disappear. 我想做的不是一个聪明到替你管理一切的 Memory OS。 只是一个足够无聊、足够透明、真正属于你的永久记忆层。

我终于把 Perenna 发出来了。顺便认真求个 Star ⭐ 如果你同时用 Claude Code、Codex、ChatGPT、Cursor，应该遇到过这个特别烦的问题： 每个 Agent 都有自己的记忆。 你刚跟 Claude 解释完项目背景，换到 Codex 又得说一遍； 网页版 ChatGPT 里聊过的东西，Cursor 完全不知道。 我受够了，所以做了 Perenna。 Perenna 是一个开源、Git-backed 的永久记忆层，让不同 Agent 读写同一份 Memory。 记忆就是普通 Markdown，存在你自己的 Git Repo 里： Claude Code、Codex、Cursor 可以共享 ChatGPT 这类远程客户端也可以连 能直接查看和修改 能 Git 同步、备份、迁移 不绑定任何一家 AI 完全可以自己托管 现在已经发布到 PyPI，Claude Code 和 Codex 也有现成的 Plugin。 我真正想做的其实很简单： 你的记忆应该属于你，而不是属于某一个 Agent。 项目刚发布，GitHub 现在还挺冷清的 🥲 如果你也觉得跨 Agent 共享记忆这件事早就该有了，哪怕暂时不用，也求帮我点一个 Star。 对刚发布的开源项目来说，每一个 Star 真的都很重要。

我把 Perenna 发出来了。 这是一个给 AI agents 共用的永久记忆插件。Claude Code、Codex、网页版ChatGPT、Cursor 等都可以读写同一份记忆，内容以普通 Markdown 存在你自己的 Git 仓库里。 首个 PyPI 版本已经上线：

GPT 日常真的万不得已别开 xhigh 和 max。 我现在反而觉得 medium / high 用起来最舒服，思考深度够了，也没那么容易 overthinking 过度设计、钻牛角尖，或者陷入那种莫名其妙的安全强迫症。 很多任务不是想得越久越好。xhigh / max 更适合真的特别难、特别复杂的问题，平时开着有时候反而把简单事情搞复杂了。

凭什么啊 中国人到底做错什么了 只是想正常用个 GPT、Claude 而已，为什么即使在日本、正常付费正常使用，都还是要被封 只因为是中国人吗 这到底算什么