OPENAI数学氢弹雨来袭 | 大模型讨论专楼

飞剪号 · 发表于 2026-10-7 22:19

heemoon 发表于 2026-10-7 22:04
多谢，我去学习学习。

刚才让大肥鱼试着复刻一个视频，换个主题和内容，结果不出所料是一坨，不过没想象 ...

大肥鱼不是没有多模态吗，还能复刻视频？

来都来了 · 发表于 2026-10-7 22:20

十来天前的风向还是，奥特曼被 Astra 吓怕了，拿不出有真东西的模型了，A 处要完蛋了。这两天楼里突然风向就变成了O 处打不过 A 处，tibo 急了没招了。虽然我理解大家都喜欢斗兽，但是好歹也有一点耐心嘛

半江瑟瑟半江红 · 发表于 2026-10-7 22:44

飞剪号发表于 2026-10-7 22:19
大肥鱼不是没有多模态吗，还能复刻视频？

Bro从一个月前穿越过来的吗

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

bartholo4 · 发表于 2026-10-7 22:45

本来现在就是，能保持 SOTA 两周就不错了

—— 来自 Xiaomi M332BF, Android 16, 鹅球 v4.0

赤星ビスコ · 发表于 2026-10-7 22:49

讲道理，个人开发可以先根据产品形态让ai出design tokens
这也是某种分层，交互设计与功能实现分离后，对大模型本身能力要求就降低了

lactone · 发表于 2026-10-7 22:50

本帖最后由 lactone 于 2026-10-7 22:52 编辑

明天会有国模发布吗？

现在美国欧洲的开源模型算是追到glm5.2了

—— 来自 vivo V2520A, Android 16, 鹅球 v3.5.99-alpha

hugosol · 发表于 2026-10-7 22:56

讲道理，现在模型的前端审美已经没有太大意义了，因为有很多开源仓库连审美都打包到文档里了，让agent直接套上来用就是了
比如这个：
https://github.com/chaos-xxl/zelda-hyrule-ui
想微调就让它读项目文档，然后跟它说“我要五彩斑斓的黑”之类的

noneoneone · 发表于 2026-10-7 22:59

有哪家不花钱的网页版ai擅长做设计和计划的

——来自 2410DPN6CC 上的 S1er 客户端

御坂MKII · 发表于 2026-10-7 23:33

国庆都完了，gemini 呢

奈落的孤火花 · 发表于 2026-10-7 23:35

国庆七天从早到晚一直在AI

Quelaan · 发表于 2026-10-8 02:13

本帖最后由 Quelaan 于 2026-10-8 02:15 编辑

奈落的孤火花发表于 2026-10-7 23:35
国庆七天从早到晚一直在AI

我也差不多，感想就是astra不如opus5.5一根毛

qwased · 发表于 2026-10-8 02:22

haiku 5.5发布
不过感觉sonnet 5.5 max就已经开始雷霆起来了，haiku真的能用好用吗

jojog · 发表于 2026-10-8 02:36

openai感觉没活硬整了啊

haiku好歹还够便宜，你这啥UI是什么鬼

hugosol · 发表于 2026-10-8 03:20

codemode有点强啊，GPT系好像有专门训练过这方面的能力，上下文一下子变得极其耐用了

奈落的孤火花 · 发表于 2026-10-8 03:43

Quelaan 发表于 2026-10-8 02:13
我也差不多，感想就是astra不如opus5.5一根毛

不太同意，gpt系列的优势和劣势是双刃剑，一体两面的。

就是因为GPT系列如此的严谨、谨慎、胆小、周全、防御，所以才搞出来那么多数学定理，它就是非常死板严谨，没办法。
opus5.5看着沟通起来很自然流畅，审美也挺不错，写代码也不错。但是沟通的时候，时不时就有口误、想当然，为了把话说的好听、说的好看，擅自改变一些事实，说话不从事实去核查，直接随口给一个结论当做猜测之类的。

Saikou · 发表于 2026-10-8 03:51

我现在有一个项目负责人，一个前端一个后端，一个QA，一个设计师。跑ai像是看一堆ai社畜在打工，救命

Quelaan · 发表于 2026-10-8 03:53

奈落的孤火花发表于 2026-10-8 03:43
不太同意，gpt系列的优势和劣势是双刃剑，一体两面的。

就是因为GPT系列如此的严谨、谨慎、胆小、周全、 ...

因为我国庆这几天折腾的就是强审美相关的项目，不管是UI还是分镜设计，astra的表现甚至比不上gemini

Saikou · 发表于 2026-10-8 03:58

Quelaan 发表于 2026-10-7 13:53
因为我国庆这几天折腾的就是强审美相关的项目，不管是UI还是分镜设计，astra的表现甚至比不上gemini ...

gpt可以调用google那个ui生成工具，不过效果也就那样

奈落的孤火花 · 发表于 2026-10-8 04:07

Quelaan 发表于 2026-10-8 03:53
因为我国庆这几天折腾的就是强审美相关的项目，不管是UI还是分镜设计，astra的表现甚至比不上gemini ...

这方面astra一坨。确实

unrealMeeSeeks · 发表于 2026-10-8 08:27

一觉醒来，又是重置。还好是重置卡，应该能留给下代模型。

umamusume · 发表于 2026-10-8 08:33

最好每天都重置，这样我就能开fast了

—— 来自 samsung SM-S9480, Android 16, 鹅球 v4.0

qwased · 发表于 2026-10-8 08:35

hugosol 发表于 2026-10-7 13:09
我也没用过codegraph，当时一大堆同类产品做了一下调研就一直在用这个了
这里有个对比的文章
https://zhu ...

codebase memory mcp感觉大肥鱼根本不会主动使用啊
每次看他在那疯狂grep我就让他用mcp试试，他会主动用一下然后说确实不错有帮助，然后让他总结经验改skill和agents.md,下次还是不主动用

neptunehs · 发表于 2026-10-8 08:38

qwased 发表于 2026-10-8 08:35
codebase memory mcp感觉大肥鱼根本不会主动使用啊
每次看他在那疯狂grep我就让他用mcp试试，他会主动用 ...

昨天exo free会主动用这也是我觉得这是o\模型的主因

国产模型没见过自主调用
还要占用大量硬盘有点想删掉了

—— 来自 vivo V2561A, Android 16, 鹅球 v4.0

hugosol · 发表于 2026-10-8 09:15

本帖最后由 hugosol 于 2026-10-8 09:24 编辑

qwased 发表于 2026-10-8 08:35
codebase memory mcp感觉大肥鱼根本不会主动使用啊
每次看他在那疯狂grep我就让他用mcp试试，他会主动用 ...

我搓了个extension，打开之后每轮对话都注入这两句话，模型就会自己判断要不要用了

调用grep或search搜索代码前，考虑是否使用codebase-memory-mcp中的工具更合适。
调用read阅读超过100行的源代码前，请先用 codebase-memory-mcp 查看声明大纲或符号片段。

复制代码

思路是用工具调用这种具体行为作为条件触发，基本涵盖了我想它自动用codebase-memory-mcp的所有场景了，你可以看你的agent具体会用哪些tool call，换成对应工具名字就行，我这是给oh-my-pi用的
grep的时候会用search_graph/trace_path之类的，read的时候则是用get_code_snippet等代替
而且根本不需要提到mcp具体工具名，让模型自己考虑用什么工具，它自己就会根据tool description组合这些工具做多轮查询达到自己的目的，注入的提示词也非常精简

heemoon · 发表于 2026-10-8 09:34

6.1 sol用了6轮把视频复刻的七七八八了，换了主题，加了些新的表现形式，还算满意。

做的过程中越做就越觉得opus 5.5牛逼，有些细节和巧思我看了好多遍才发现

hugosol · 发表于 2026-10-8 09:34

说起来codemode这个东西才真的是核弹爆炸，能把上下文省下来之后用Sol-6.1和Astra这个级别的模型在极短的上下文里干大量的事情，272K用起来体感跟DeepSeek 400多K似的
不过这玩意好像需要模型针对训练才好使，如果以后DeepSeek的pro模型能往这个方向走那就无敌了

RookieTnT · 发表于 2026-10-8 09:49

独立研究机构 New Constructs 认为，Anthropic 拟以约 2 万亿美元估值上市，但公司持续亏损，并承担约 5180 亿美元云计算、算力和基础设施合同义务，IPO 更像为早期投资者提供退出流动性，而非筹资扩张。称其为“2026 年最荒唐的 IPO”，并认为公司没有可行的商业模式。

文章援引泄露招股书称，Anthropic 2025 年收入约 46 亿美元、经营亏损约 80 亿美元；其模型测算，若增长放缓，股票下行空间可能超过 40%，极端情形超过 90%。

serj005 · 发表于 2026-10-8 10:24

hugosol 发表于 2026-10-8 09:34
说起来codemode这个东西才真的是核弹爆炸，能把上下文省下来之后用Sol-6.1和Astra这个级别的模型在极短的上 ...

dsh的ptc模式是和pi的codemode类似的东西，都是用js/ts组装命令调用工具然后统一输出结果

蜇灵 · 发表于 2026-10-8 10:51

今天好像大肥鱼思考链死循环的问题没有那么严重了，是我的错觉吗？

SmterC · 发表于 2026-10-8 11:00

本帖最后由 SmterC 于 2026-10-8 11:05 编辑

如果用dsh的PTC模式，类似codemode的那个
可以装一个插件，dsh-ptc-plus
能宽容模型的很多错误调用，比方说原本PTC模式下不允许直接read edit的，但小模型还是会想当然地调用read edit工具，这个插件会直接给你映射过去，避免冷冰冰的提示让模型反复碰壁浪费上下文。如果模型写的工具调用代码有问题，还允许出错后直接编辑代码重新运行，还能保留过去代码的状态继续运算
算是极大降低了使用codemode的门槛，让很多小模型也能用好，规避了codemode容易一损俱损的缺点 Re:Source

drodchang · 发表于 2026-10-8 11:02

反正做数学，做推理，gpt还是独一档，前端审美和工程实现，claude确实很强，但是我又用不到，所有还是只能用gpt。

hugosol · 发表于 2026-10-8 11:14

SmterC 发表于 2026-10-8 11:00
如果用dsh的PTC模式，类似codemode的那个
可以装一个插件，dsh-ptc-plus
能宽容模型的很多错误调用，比方说 ...

所以还是得模型本身有往那个方向训练才行
现在Astra和Sol-6.1用codemode非常丝滑，不知道DeepSeek自己的模型用PTC有没有这么好的效果，不过我想大概用提示词约束一下也能改善

SmterC · 发表于 2026-10-8 11:32

hugosol 发表于 2026-10-8 11:14
所以还是得模型本身有往那个方向训练才行
现在Astra和Sol-6.1用codemode非常丝滑，不知道DeepSeek自己的 ...

如果不装这个插件，执行效果是比较一般的
模型经常会因为幻觉觉得自己有read edit工具，调用了又被harness拒绝，要求必须run_code里面运行
模型变笨后，run_code经常报错，模型就又磨磨蹭蹭小修小补执行一遍，经常这么来回好几次，节省的上下文又被这样浪费了
甚至dsh有段时间PTC模式一直有一个随机触发的，工具调用没接收到description参数的bug，好久才修复，感觉现在他们对PTC模式还是不够上心
也因此需要这个插件补全 Re:Source

serj005 · 发表于 2026-10-8 11:35

hugosol 发表于 2026-10-8 11:14
所以还是得模型本身有往那个方向训练才行
现在Astra和Sol-6.1用codemode非常丝滑，不知道DeepSeek自己的 ...

用ds4.1f试过dsh的ptc和pi的codemode。
很搞的是ds自己用自家专武的ptc老是出毛病，用新出还没专训过的codemode反而用的挺好

mitzvah · 发表于 2026-10-8 11:51

现阶段模型，至少glm与deepseek对于静态工具，迁移状态分析与动态dap的训练内化水平还不够，必须依赖注入让其读清单。否则索引表过期，dap调试测试时总是会有遗漏

但反过来说如果注入及时，跨文件的项目能力是可以显著提升的

mitzvah · 发表于 2026-10-8 11:52

SmterC 发表于 2026-10-8 11:00
如果用dsh的PTC模式，类似codemode的那个
可以装一个插件，dsh-ptc-plus
能宽容模型的很多错误调用，比方说 ...

对于deepseek，和glm这种的对抗性的禁止prompt效果一般，不如写个插件让其在必要时读清单

Gmlazy · 发表于 2026-10-8 11:53

codex启动报错，说明node_repl.exe 在沙箱检查访问权限时触发 Windows 错误 32。
这咋办啊...Codex自己还解决不了。

mitzvah · 发表于 2026-10-8 12:02

本帖最后由 mitzvah 于 2026-10-8 13:29 编辑

qwased 发表于 2026-10-8 08:35
codebase memory mcp感觉大肥鱼根本不会主动使用啊
每次看他在那疯狂grep我就让他用mcp试试，他会主动用 ...

你要尝试固化流程，对于已有的代码，第一步就是静态工具建索，然后让其建立计划文档包括修改目标，达成目标所需要的修改的准代写在文档里码，然后让其对这些准代码进行列清单式的逐一静态工具排查，评估方案的可行性与风险，闭环迭代到风险评估与可行性的最优，然后开始前转态迁移矩阵分析，实施代码修改，构建动态dap后状态迁移调试测试，交付给用户人力测试——这么个流程走完，并且要在每次流程走完后强制进行重新静态工具建索

用列清单式的方法尽量把这个流程固化，不敢说一定能按照程序执行，但是总能大幅度提高能力的

Gmlazy · 发表于 2026-10-8 12:15

Gmlazy 发表于 2026-10-8 11:53
codex启动报错，说明node_repl.exe 在沙箱检查访问权限时触发 Windows 错误 32。
这咋办啊...Codex自己还解 ...

解决办法参考：https://github.com/openai/codex/issues/51590
解决方法的提出者提示这个方法按照官方说明隔离性会比较弱，尚且不知会发生什么问题。

这个问题我看提交了好几次，大家伙没有遇到的吗？看来是我把什么设置搞砸了。

simonroam · 发表于 2026-10-8 12:29

让dsh把配置改unelevated然后等更新修复吧

		自动登录	找回密码
密码			立即注册

[科技] OPENAI数学氢弹雨来袭 | 大模型讨论专楼

本帖子中包含更多资源

评分

评分