OPENAI数学氢弹雨来袭 | 大模型讨论专楼

qz66618 · 发表于 2026-10-8 12:55

这个月国模能上新吗

gammatau · 发表于 2026-10-8 12:56

等浑元4王者归来！

巨魔已被忠诚 · 发表于 2026-10-8 13:04

hy4 preview初期体验一言难尽，改内容把编译头文件都丢了。

phorcys02 · 发表于 2026-10-8 13:08

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 ...

你们用dsh都不用PTC模式的么？非常好用，用了好几周了
配合 500-600k自动压缩+PTC,效率非常好

nxmonitor · 发表于 2026-10-8 13:10

小道消息这一两周会有三个模型上，看目前情况估计就是K3.1，V4.1Pro和Qwen4了

umamusume · 发表于 2026-10-8 13:29

Gmlazy 发表于 2026-10-8 12:15
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 ...

有没有可能是今天更新更新坏了，经常动不动就把沙箱更炸，习惯了

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

山鬼 · 发表于 2026-10-8 13:58

按照中国traditonal来说宁可参数放码错杀一切，也别过拟合

qwased · 发表于 2026-10-8 14:09

nxmonitor 发表于 2026-10-8 13:10
小道消息这一两周会有三个模型上，看目前情况估计就是K3.1，V4.1Pro和Qwen4了

k3.1已经是延期过了，评测up签的保密协议过期了都

不过也没谁大嘴巴往外说给自己惹麻烦

平昭·南宫司卿 · 发表于 2026-10-8 14:29

请教一下，现在如果想偶尔用用 k3 的话，除了官方 plan 还有啥合适的方案吗

星汐引力 · 发表于 2026-10-8 14:32

本帖最后由星汐引力于 2026-10-8 14:36 编辑

ai审美确实没那么重要了，我用skill写效果就蛮好的，主流模型不至于蠢到连抄都抄不明白
https://www.luochang.ink/adr-kit/

cscbzcbz · 发表于 2026-10-8 14:48

周末DS应该不上班，看看明天会不会有大的了，不行就得下周了

nxmonitor · 发表于 2026-10-8 14:54

qwased 发表于 2026-10-8 14:09
k3.1已经是延期过了，评测up签的保密协议过期了都不过也没谁大嘴巴往外说给自己惹麻烦 ...

反正Qwen4就之前测试的看是区了，K3.1延期也不怎么妙可能和Grok一样倒吸，只能看V4.1Pro了

静哮苍穹 · 发表于 2026-10-8 15:25

平昭·南宫司卿发表于 2026-10-8 14:29
请教一下，现在如果想偶尔用用 k3 的话，除了官方 plan 还有啥合适的方案吗

K的api价格太离谱了，还是捏着鼻子用plan吧

—— 来自 OnePlus PLZ110, Android 17, 鹅球 v3.5.99

Awanano · 发表于 2026-10-8 15:53

6.1 这个防御性还是挺 naocan 的，对工程的负面影响大到我需要翻出我的号用 5.5 去验收对冲掉这些永远做不出的东西 Re:Source

startraveller · 发表于 2026-10-8 16:05

nxmonitor 发表于 2026-10-8 14:54
反正Qwen4就之前测试的看是区了，K3.1延期也不怎么妙可能和Grok一样倒吸，只能看V4.1Pro了 ...

感觉K3.1是刚准备发然后被A社三连吓回去了，毕竟也是要IPO的

nxmonitor · 发表于 2026-10-8 16:13

startraveller 发表于 2026-10-8 16:05
感觉K3.1是刚准备发然后被A社三连吓回去了，毕竟也是要IPO的

反正Qwen4这个是可以确定的，之前看测试后端算法题做得不如4.1F，token消耗还特别大

nxmonitor · 发表于 2026-10-8 16:14

本帖最后由 nxmonitor 于 2026-10-8 16:16 编辑

按照今天字节的一个文章说DS会发生能力漂移，采用了类似架构的Qwen4可能真踩到这个坑里面也说不定，毕竟V4Pro就很确定是踩中的，4.1就改得七七八八了

Risa · 发表于 2026-10-8 16:23

nxmonitor 发表于 2026-10-8 16:14
按照今天字节的一个文章说DS会发生能力漂移，采用了类似架构的Qwen4可能真踩到这个坑里面也说不定，毕竟V4P ...

其实人话就是压缩tokens 4个一包可能“断错句”，4.1改成了2个一包缓解了出错概率，但是无法根除。

本质就是这个世界没有免费的午餐，没有无损的压缩。

2035年 · 发表于 2026-10-8 17:13

space-bunny我用workbuddy试了下，帮我改错别字，感觉还可以

bixinhaner · 发表于 2026-10-8 17:20

感觉现在有点DeepSeek R1出来前的黑暗感觉。
a/的5.5全系把o/的6系打的找不到北，国模整体梯队的能力和性价比又连o/的astra/6.1 sol的尾气还跟不上。算力荒和涨价潮还越演越烈，整体差距有点绝望了。

飞剪号 · 发表于 2026-10-8 17:23

bixinhaner 发表于 2026-10-8 17:20
感觉现在有点DeepSeek R1出来前的黑暗感觉。
a/的5.5全系把o/的6系打的找不到北，国模整体梯队的能力和性价 ...

就这点差距，最多几个月的距离，也叫绝望吗，很多行业曾经动不动是10年20年30年的差距，现在看来也不过如此

lactone · 发表于 2026-10-8 17:36

qwen4的评价两极分化，有人说前端能打opus5.5，但是跑分还不如4.1f

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

lly778 · 发表于 2026-10-8 17:42

本帖最后由 lly778 于 2026-10-8 17:44 编辑

你楼日常绝望。而且5.5也打不过不降智的astra，o/主要是额度太低了。

malisa · 发表于 2026-10-8 17:43

o畜纯属自作自受
oai的臭毛病就是稍微领先一点就觉得赢了，不务正业了。以前去搞什么sora，购物，pluse

这次去搞dot
模型能力够了，我们搞personal agent
算力不够就砍老用户
结果A/反手一刀，被干傻了

nxmonitor · 发表于 2026-10-8 17:50

lactone 发表于 2026-10-8 17:36
qwen4的评价两极分化，有人说前端能打opus5.5，但是跑分还不如4.1f

—— 来自 vivo V2520A, Android 16, ...

测前端都是oneshot，后端做两个算法题就鬼打墙了，那么前端能力也不可信了，毕竟还是需要编程能力的…

qz66618 · 发表于 2026-10-8 17:51

千问4已经有测试了吗

—— 来自鹅球 v3.5.99

noneoneone · 发表于 2026-10-8 18:00

只要OA打滚就绝望不了一点。
哪天一家独大才可怕，那是真有什么别人拍马也赶不上的秘密武器了。
现在这种能来回打滚的情况就说明只是算力差而已。

startraveller · 发表于 2026-10-8 20:26

有啥好绝望的，A家不好说，下一波追个O家还是有希望的

squallx · 发表于 2026-10-8 20:34

malisa 发表于 2026-10-8 17:43
o畜纯属自作自受
oai的臭毛病就是稍微领先一点就觉得赢了，不务正业了。以前去搞什么sora，购物，pluse

dots体验还不如grokbot 尼妹产品经理纯菜的还不如阿三

malisa · 发表于 2026-10-8 20:45

dots我用下来，就算是抱着对初期产品最大的善意，我也觉得有几个硬伤
第一个是，背后是不是astra不知道，但是astra的懒癌是有的，有时候不干活，硬等用户催促。
第二个是奇怪的授权，一件事情要用户反复授权，特别是一些可回退操作。结合第一个是灾难级的

最后是gpt生态看着打通了，但又没打通

隔壁老马准备上opus5.5 suno和Midjourney了

UncleDracula · 发表于 2026-10-8 21:03

星汐引力发表于 2026-10-8 14:32
ai审美确实没那么重要了，我用skill写效果就蛮好的，主流模型不至于蠢到连抄都抄不明白
https://www.luocha ...

是说DS4.1F用skill做的这个网页？

星汐引力 · 发表于 2026-10-8 22:07

UncleDracula 发表于 2026-10-8 21:03
是说DS4.1F用skill做的这个网页？

做这个网页的时候，DS 4.1 flash 还没发，应该是用 glm 5.3 做的
主要还是skill强，这个skill是烧了不少token做的，我没舍得开源

我也很绝望啊 · 发表于 2026-10-9 00:13

近期有个开发项目要做，想开个能力比较强的模型的plan
本来想开个GPT pro的，但是看到很多用户喷过度保守没法决策容易钻牛角尖浪费token又犹豫了，这些问题太致命没法干活
目前工作能力最强最稳定的模型还是Claude？但是A/封号太多了，问用过的网友九成都被封过，目前有办法稳定使用Claude吗？比如增加点成本再开个美国服务器跑这种

moekyo · 发表于 2026-10-9 00:49

这个有人要试吗，无敌奇美拉

hugosol · 发表于 2026-10-9 01:15

我也很绝望啊发表于 2026-10-9 00:13
近期有个开发项目要做，想开个能力比较强的模型的plan
本来想开个GPT pro的，但是看到很多用户喷过度保守没 ...

哪有那么讲究的，模型只能是锦上添花的部分，最核心的能力还是人类本身（还有合适的工作流以及开发工具）
反正现在这些前沿模型能力差距也没那么大，要关心的问题是能有多少token让你挥霍

andychen · 发表于 2026-10-9 02:26

我也很绝望啊发表于 2026-10-9 00:13
近期有个开发项目要做，想开个能力比较强的模型的plan
本来想开个GPT pro的，但是看到很多用户喷过度保守没 ...

harness要正常工作必须授予本机的各种权限，然后Claude Code会从你系统里各种蛛丝马迹里寻找你是中国人的线索，例如系统时区，常用工作语言等……光开**没有用，只要你人在国内用官方套餐就不可能逃过封号，被封只是早晚问题。剩下的个人途径只有中转站，不过我个人是觉得中转站服务没有任何办法保证模型质量，要不要用看你个人定夺吧

至于GPT，我不太懂你说的过度保守没法决策是啥意思。我现在的审核和计划模型就是Astra，个人觉得能力是很强的

我也很绝望啊 · 发表于 2026-10-9 02:42

andychen 发表于 2026-10-9 02:26
harness要正常工作必须授予本机的各种权限，然后Claude Code会从你系统里各种蛛丝马迹里寻找你是中国人的 ...

Claude封号没法避免那只能彻底排除了，到时先开个GPT试试水

有不少喷GPT6的视频，下面一堆受害者现身说法给我看怕了，比如这个
GPT 6 Astra：一个平庸、沉闷、没有品味的模型
https://www.bilibili.com/video/BV1ReaJ6YEZA/

squallx · 发表于 2026-10-9 03:08

我也很绝望啊发表于 2026-10-9 02:42
Claude封号没法避免那只能彻底排除了，到时先开个GPT试试水
有不少喷GPT6的视频，下面一堆受害者现身说法 ...

astra后端依然是最强的不碰A\要做前端的话可以试试KIMI

andychen · 发表于 2026-10-9 04:18

我也很绝望啊发表于 2026-10-9 02:42
Claude封号没法避免那只能彻底排除了，到时先开个GPT试试水
有不少喷GPT6的视频，下面一堆受害者现身说法 ...

首先模型的泛化能力和通用能力直接和规模挂钩，所以能和Astra对比的只有Fable，K3勉强可以算。其他规模差一档的没有对比的必要

在这个范围内单说创意性规划，我觉得Fable的主动性更强，更擅长自己去发散。而Astra相对更需要引导，用户去指明一个方向让它去探索，在过程中不容易擅自偏离方向

我觉得只要掌握了特点，按自己的需求去使用模型，Fable和Astra都能交付令人满意的成果。个人认为Astra的世界知识和泛化能力比Fable还要强一些。另外Anthropic的安全政策限制真的很蛋疼，和生物学与网络安全扯上一点边就没法用Fable了

qwased · 发表于 2026-10-9 05:07

moekyo 发表于 2026-10-9 00:49
这个有人要试吗，无敌奇美拉

BV16VHm6sEYB
其实是混元员工的业余爱好，正儿八经的后训练

个人用下来比swift强多了，是真能用的

		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