用起来是蛮爽的，但Codex额度消耗也挺大的， 早上才重置的，现在只有62%了 虽然用的是5.6 Sol Ultra + 1.5x 不是说Codex乱消耗的问题已经修好了吗？

这两天满屏都在追孙哥的新闻, 但我更关心的是另一件事 ：吉隆口岸泥石流事件 给Codex一条指令：完成中国吉隆口岸事故还原视频 然后Codex + Computer Use + Chrome插件 找资料、搜现场视频、补堰塞湖和口岸被毁的画面、核对 5200 米到 1200 米那段海拔落差、做三维地形动画、生成旁白、合成导出。 网页、终端、本地工具, 它自己在里面来回切,没让我接手。 最让我意外的是它自己收尾检测: 旁白把"2026 年"念错了,它重做语音、重排字幕、重新导出,然后从最终成片里再识别一遍确认改对了。 以前 agent 的问题从来不是不会做,是做完不知道自己做错了。这次它把这一环补上了。 给它真实的工作环境和权限,一句目标能一路做到可交付。 交付物就是这支 8 分钟的片子👇

这是一个极具震撼力的创新！！ H3 Max Live 实现了超实时的实时视频生成，将“无限流直播”与“AI 互动即时生成”完美结合，彻底打破了传统内容创作与直播的边界。 这种“聊天即指令、画面即时现” contract 的模式，展示了以下几个极其硬核的技术与体验突破： 核心亮点 超越实时（Faster than real-time）：视频生成速度攻克了最后的帧率瓶颈，延迟降到秒级，满足直播间高频互动的需求。 无限流画面（Infinite broadcast）：没有预设剧本或循环素材，每一帧都是基于算法全新蜕变、永不重复的视觉流。 绝对的操控权（Directed by chat）：观众不再只是看客，而是通过 !prompt 变身导演，直接决定直播走向，互动性拉满。

即便GLM5.3综合评分国内最强 但我还是毅然决然的停止了它的订阅 主要觉得zhipu太坑了 从glm lite订阅开始，最后到glm max 额度越来越低，价格还越来越高。 现在又开始玩送1周额度来圈用户的把戏

Claude 悄悄缩水：每周 Token 只剩 83.3% 看似只砍了 25%，实际是额外额度直接腰斩。 Claude 将额外额度从 50% 下调至 25%，总额度也从 150% 缩水到 125%。 换句话说，调整后每周可用 Token 只剩原来的 83.3%。

真正的逻辑：不是条款问题，是竞争问题 公告的表面理由是 ToS 合规，但有三层实质： 1. 蒸馏恐惧。 Cursor 是 OpenAI API 最大的流量入口之一，每天海量的"prompt → GPT 输出"对经过 Cursor 的服务器。现在 Cursor 的母公司同时拥有 Grok。继续供货等于把自己模型的输出数据源源不断送进竞争对手家里——这些数据拿去蒸馏训练 Grok 是最直接的风险。OpenAI 提"xAI 违反过我们的条款"，指的基本就是这个。 2. 不给对手供弹药。 Cursor 独立时，OpenAI 供模型是双赢；Cursor 变成 Grok 团队的一部分后，每一分 API 收入都在补贴一个要"让 Grok 成为最有用的 AI"的对手。这笔账没法算。 3. 马斯克 vs Altman 的私人恩怨延续。 两边诉讼还在打，公告里点名引用马斯克的宣誓证词，明显也是在为法庭和舆论攒素材。"给满最长通知期、全力支持开发者过渡"这套姿态，是把"恶人"的帽子推给对方戴。 历史正在押韵 对开发者的实际影响 11 月 12 日后 Cursor 里没有 GPT 系模型，Cursor 会加速把用户推向自家 Composer 和 Grok 重度依赖 GPT 的 Cursor 用户这两个多月要么换模型、要么换工具（Codex、Claude Code、Windsurf 等都在等着接盘） 顺带曝了个料：OpenAI 下一代模型代号 Astra，公告里首次官方提及 这不是一次商务纠纷，而是"模型厂 vs 套壳入口"的地盘战打到明面上了——当入口被对手买走，模型厂宁可放弃收入也要断供，而且两家头部厂已经先后用行动投了同一票。

腾讯 Hy4 今天开源！非常亮眼！ 我提前拿到内测，让它干了一件事：在 WorkBuddy 里从零做一个 3D 赛车游戏，最后要能开着跑。 视频就是全过程：它写代码、起服务、开浏览器、然后自己玩。 中间修 bug 的几个瞬间比成品好看：氮气特效把 83% 的像素干过曝，它自己测出来压回去；路面反射方向装反，亮度掉了 40 个点，它对着数值找回来；0.6 FPS 时降级判断要傻等 150 秒，它把这段逻辑也改了。 官方发布稿自己认了两个毛病：想得偏久、爱反复自查。实测确实有。但做游戏这种长活，自查过头比不查强。 模型本身：770B 总参、49B 激活、1M 上下文，开源。 定价每百万 tokens：输入 6 元、输出 18 元、cache 0.3 元。 官方还拉了 163 个专家盲测 203 个工程任务，说小胜 GLM 5.3 和 Kimi K3。厂商自评，但我只认我这局跑出来的。 WorkBuddy / CodeBuddy 两周限时免费，想自己试的现在上👇

我跑通了: Qwen3.8-Flash-Next 模型 111GB , 单显卡4090 48GB 125B 级的 MoE, 以前想本地跑,那是机房里好几张 A100 的事。 现在 : 一张 48GB 改装版 4090, 加 123GiB 普通内存,不光跑起来了，250K 长文读完一道没错, 还和 27B 打了场 300 题正面对测。 模型是阿里前天才放的 Qwen3.8-Flash-Next,Unsloth UD-Q4_K_XL 量化 , 四个分片 111.3GB。 它能塞进单卡, 秘密就一条 : MoE 每个 token 只激活约 6B。 我把 33GiB 权重放进显卡, 70.7GiB 扔给内存——其中 26.8GiB 是那张 51B 的 n-gram 表, 它每个 token 只查几行,放内存几乎白嫖。 速度: 短请求 28.5–30.3 tok/s 读了 32K 内容 : 24.1 tok/s 读满 250K : 14.04 tok/s 长任务是这么虐它的 : 一份 250K token 的合成长文 , 里面埋 17 个要检索、要计算的字段,读完全文、找出来、算对。它半小时读完,17/17 一道没错,整轮 34.8 分钟。 质量这关更有意思 : 300 道冻结同题(代码+困难推理) , 这个 111GB 的大家伙 247/300, 16.5GB 的 27B Q4 245/300 统计上打平(p=0.86)。但单题耗时, 只是Flash 平均慢 48%。 所以我的判断 : 日常任务留 27B, 快; Flash-Next 的更强的是长任务。 网上那个"24G 4090 跑出 21 tok/s"很多人在转。 我看了测法:他把上下文窗口设到了 250K——窗口只是个上限, 意思是"最多允许模型读这么多" ; 但他每轮真正让模型读的内容, 只有 28K 左右。 模型读得越多越慢,他的速度 21 tok/s 是"读了 28K"的速度, 我的 14.04tok/s 是读满 250,002 token 的速度。 窗口设很大不关键、真正往上下文放了多少, 是完全不一样的，短测试可以很快，长文测试才是速度关键！！！ 对了, 这轮 MTP 没开——模型目录里没有 draft 文件; 社区 sidecar 试过一版, decode 反而掉八九成。也就是说,这个 14.04 tok/s 还有的涨。 惊喜的发现！我本来想自己动手写的思路,发现 GitHub 上已经有人做出来了(01554 的 llama.cpp fork,expert-tier 分支): 上游 llama.cpp 显存不够时,把 MoE 权重整层搬去内存。 但专家冷热天差地别——512 个专家, 常被路由命中的就那几百个。这个分支改成按专家放:热门专家住显存,按命中热度限速换入换出,冷门的睡内存。路由越偏科,赚得越多。 作者的卡是 96GB 的 RTX PRO 6000,他测小卡的办法挺取巧 : 跑个进程占死一块显存,把可用显存压到 32GB、48GB, 模拟不同预算: 32GB 可用 : 整层切 25 tok/s,热缓存 35-36,快 42% 48GB 可用 : 整层切 29,热缓存约 39,快 34% 48GB 这档, 显存预算和我这张 4090 刚好一样。 但他的卡是 Blackwell,带宽算力都不同 热缓存只加速 decode, prefill 绕开走老路; 分支还是 experimental, 早期有个读错权重的 bug, 8/27 已修,复现要用修完的 commit。 下一轮,就在这张 4090 上测试这个。

金庸要是知道天龙八部有一天被这么翻拍，估计得连夜爬起来加更。 Dario 和奥特曼在里面斗得死去活来， 最后收场的是梁祖—— 这不就是妥妥的扫地僧剧本。 @DarioAmodei @sama 建议本人观看。 赛博奇哥们做的，这选角我是真服，一定看到最后👇

劲爆，OpenAI犯了不小的错误！ OpenAI 承认一个路由 Bug：大约 3% 的 Pro 和 Thinking 请求，在后台被错误切到了 GPT-5.5-mini。 你界面选的是高阶模型，真正回答你的可能已经是 mini。 官方说已修复、已道歉。 这件事最荒唐的是： 你在界面上选的模型，不一定是你实际用的模型。 模型突然变快、推理变浅，你的第一反应是"今天状态不好"，不是"服务器给我换了个模型"。 所以你觉得模型变傻的时候，先别急着怀疑自己。

Qwen3 到 Qwen4，架构到底改了什么？ 一条讲清楚（建议收藏） 昨天 @Alibaba_Qwen 开源的 Qwen3.8-Flash-Next，官方自己定位是 Qwen4 的架构 Preview。对着 Qwen3 看，一共四个变化，每个都在砍一种成本。 一、读长文的方式变了 Qwen3 处理长上下文，四层里三层是"速记员"：把读过的内容压成小抄，快，但细节会丢。每四层留一层"翻录音"：回头逐字比对原文，准，但越长越贵——100 万字的上下文，每写一个字都要把 100 万条记录重新比一遍。 Qwen4 给翻录音这层加了道粗筛：先把历史记录每 4 条合成 1 张摘要卡，扫卡锁定重点，再展开只精算最重要的 2048 个位置。长文成本从越长越失控，变成基本随长度线性涨。 二、记忆分家了 Qwen3 的所有知识都揉在参数里，推理和背"固定词组"这种死记硬背混在一起，都占显存、都耗算力。 Qwen4 把死记硬背单独拆出来，做成一张 51B 的查询表，放内存条里。要查哪几行由输入的字决定，提前就知道，第 1 层还在算，表项已经从内存搬到位。显存留给要动脑子的参数，背书的部分上书架。多插几根内存条，换 51B 记忆容量。 三、层间通道拓宽了 Qwen3 每一层都往同一个向量里读写信息，像全公司共用一个群聊，第 3 层发的重要消息，被后面 30 层刷没了。 Qwen4 拆成四个频道，每个模块带开关按需读写。模型堆得越深，这条越值——这是在为更深的 Qwen4 铺路。 四、训练手法换了 大矩阵从 AdamW 换成 Muon 优化器，能开更大的 batch 和学习率，训练全程没炸过 loss。同样的算力预算能炼更多尺寸——所以他们敢预告 Qwen4 会有一堆小模型。 四刀对着四种成本：长文的算力、记忆的显存、深度的信息损耗、训练的时间。 效果官方说超 Qwen3.7-Plus 和 DeepSeek-V4-Flash，厂商自报，我还没测。 9 月云栖大会 Qwen4 发布，到时候拿这四条对答案。