OPENAI数学氢弹雨来袭 | 大模型讨论专楼

neptunehs · 发表于 2026-10-9 06:52

exo free半天就消失了真可惜

倒是step 5 preview free了
这东西可以当主力吗 space bunny快结束了毕竟

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

紧那罗 · 发表于 2026-10-9 08:39

先别想那么多，上gpt就行了。碰到实在解决不了的再考虑是不是模型不行。

绕指流光 · 发表于 2026-10-9 08:40

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

--怪说是
正经工具可能都支持不了这么长字符串的端点

jinuzuktII · 发表于 2026-10-9 08:42

本帖最后由 jinuzuktII 于 2026-10-9 09:07 编辑

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 ...

视频里这种 ai 嘉豪特别多，不用当回事

A/官方订阅实质上不可用的现在，GPT就是顶模

dangoron · 发表于 2026-10-9 09:06

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 ...

看起来不错啊，用的是什么skill

—— 来自 S1Fun

空想瓶子 · 发表于 2026-10-9 09:10

今天才知道claude的token缓存只有1小时有效时间，如果是subagent的话甚至只有5分钟。空闲一旦超过这个时间缓存就没了，还要重新算。

注意到这个事是因为我手搓了一个帮我读pdf的app，设定每次问话都汇报当次操作的token开销，结果发现隔夜再用第一次会贵，因为要重新把pdf读一遍

zy450 · 发表于 2026-10-9 09:54

GPT生图制作UI贴图太强了，国内有模型能做到吗？GPT免费版一天好像只能生图5次

洛拉斯 · 发表于 2026-10-9 10:03

zy450 发表于 2026-10-9 09:54
GPT生图制作UI贴图太强了，国内有模型能做到吗？GPT免费版一天好像只能生图5次 ...

千问也能生图

我现在本地运行了一个文生图模型，显卡是12g的4070，日常没事生成一些mod的图标或者立绘啥的挺好用的

断舍离 · 发表于 2026-10-9 10:21

本帖最后由断舍离于 2026-10-9 10:23 编辑

dangoron 发表于 2026-10-9 09:06
看起来不错啊，用的是什么skill

—— 来自 S1Fun

借鉴的case够厉害就可以吧

umamusume · 发表于 2026-10-9 10:31

gpt你让他不要过度审查不要过度哈希不要反复xx也还好吧，最大的问题是黑奴luna太慢了

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

赤星ビスコ · 发表于 2026-10-9 10:43

本帖最后由赤星ビスコ于 2026-10-9 10:47 编辑

我感觉上，大模型的智能到了一定阈值后，后续的提高收益并不大。也有可能并没有到达另一层级的台阶
就以软件开发为例，无论是和astra还是和deepseek讨论顶层设计都能感觉到局限性，一些分层抽象还是需要人来做，有些trade off和决策的上下文可能还是停留在现实。至于后续的实现就更不用说了

最依赖智能的是根据日志来debug，这是目前我感觉最能体现出差异的场景。不过即使如此，也可以靠多打日志来锁定范围

Milarvoz · 发表于 2026-10-9 10:48

空想瓶子发表于 2026-10-9 09:10
今天才知道claude的token缓存只有1小时有效时间，如果是subagent的话甚至只有5分钟。空闲一旦超过这个时间 ...

kimi也是默认缓存只有5分钟，可以设置成1小时但是价格会翻倍。不过只要命中缓存了就会自动续时间，所以一个工作最好连续完成，一旦间隔超过5分钟了就越想越亏。

—— 来自 samsung SM-S9380, Android 16, 鹅球 v4.0

唠叨 · 发表于 2026-10-9 10:51

我怎么感觉QQ这个页面是AI做的那股光晕跟着鼠标跑的AI味太大了im.qq.com/index/#/

空想瓶子 · 发表于 2026-10-9 11:26

Milarvoz 发表于 2026-10-8 21:48
kimi也是默认缓存只有5分钟，可以设置成1小时但是价格会翻倍。不过只要命中缓存了就会自动续时间，所以一 ...

2倍好黑

看了一下claude的1小时缓存输出是输入的2倍，5分钟的是1.25倍，算下来1小时是5分钟的1.6倍也挺黑的就是了

阿刚 · 发表于 2026-10-9 11:42

韩国那破事我都无语了，ai嘉豪怎么什么都敢干，不要影响国模API审核啊

hugosol · 发表于 2026-10-9 12:07

本帖最后由 hugosol 于 2026-10-9 12:10 编辑

用了codemode之后6.1-sol的5小时额度已经用不满了，简单的开发我也直接让它在grilling的同一个会话里做了，体验非常好
现在问题又回到了周额度能让我爽多久
我还是很看好这种harness结合模型带来的体验升级的，这种进步不亚于当初发明agent带来的冲击，不过没法像模型堆参数一样给一个确切的方向就能大力出奇迹而已

泰坦失足 · 发表于 2026-10-9 12:10

相关事件里还有个中转站被动的参与其中. 中转站无非就是卖卖Token, 掺点水, 搞些bug账号进货, 某些不道德的还会把回话记录卖掉.
什么叫做上了Crowdstrike博客, 和国际新闻?

沙发沙发 · 发表于 2026-10-9 12:16

这个space bunny是哪家的啊，我让他给我的轻薄本改个点开游戏自动降分辨率的脚本，一个多小时了都理不清头绪，最后换ds 4.1f十几分钟搞定

bartholo4 · 发表于 2026-10-9 12:41

现在 20 美元一个月的 grok 就有 Opus5.5 用了
和 100 美元的 ChatGPT 比起来，够用么

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

海豹墨鱼卷 · 发表于 2026-10-9 12:42

空想瓶子发表于 2026-10-9 09:10
今天才知道claude的token缓存只有1小时有效时间，如果是subagent的话甚至只有5分钟。空闲一旦超过这个时间 ...

读完存成向量知识库啊

nxmonitor · 发表于 2026-10-9 12:53

沙发沙发发表于 2026-10-9 12:16
这个space bunny是哪家的啊，我让他给我的轻薄本改个点开游戏自动降分辨率的脚本，一个多小时了都理不清头 ...

大概率是minimax的，小概率开源后训练的

startraveller · 发表于 2026-10-9 13:07

bartholo4 发表于 2026-10-9 12:41
现在 20 美元一个月的 grok 就有 Opus5.5 用了
和 100 美元的 ChatGPT 比起来，够用么

20美元的grok bot额度很少的，60美元cursor的grok bot用起来和20美元的claude差不多，可能还少一点。不过这种bot也很少拿来写代码就是了。

pure_liquid · 发表于 2026-10-9 13:28

说到Step 5 Preview，之前刷到不少营销号说它达到K3水平的
不知道有没有坛友实际用过？对比K3怎么样？

Promeus · 发表于 2026-10-9 13:31

pure_liquid 发表于 2026-10-9 13:28
说到Step 5 Preview，之前刷到不少营销号说它达到K3水平的
不知道有没有坛友实际用过？对比K3怎么样？ ...

如果到达k3水平这楼里不会基本不提的

nxmonitor · 发表于 2026-10-9 13:32

pure_liquid 发表于 2026-10-9 13:28
说到Step 5 Preview，之前刷到不少营销号说它达到K3水平的
不知道有没有坛友实际用过？对比K3怎么样？ ...

刷分的，实际还不到4.1F

tonyunreal · 发表于 2026-10-9 14:14

美国豆包发布了办公客户端Gemini Agent
被人各种嘲讽，tibo说今天我们发布了chatgpt

—— 来自 Xiaomi 25060RK16C, Android 16, 鹅球 v3.5.99

Mirathel · 发表于 2026-10-9 14:54

Astra到目前为止使用体验，给我的印象很像疯狂动物城里的牦牛亚克斯，记忆力贼好但是没有自觉的那个，对于问题和目标定义非常敏感，纯许愿和全约束这两个极端大部分日常工作都能达成令人满意的产出，但对于中间态探索工作，我感觉在和一个不说人话版大肥鱼对话，吃白饭方面

；现在知道怎么用之后体验好了一些。

之前Astra玩MC受挫后种了几个小时土豆，现在看来倒是符合这模型的行为特征。

黄泉川此方 · 发表于 2026-10-9 14:56

本帖最后由黄泉川此方于 2026-10-9 15:00 编辑

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

试了试qwen38-27b-coder390:q3，翻译了本2w字的英语小说，跑了40分钟，最后效果不错

BarricadeMKXX · 发表于 2026-10-9 15:32

现在小规模的（大概8G以下显存占用）只FIM补全模型有没有相对好一点的选择？

另外deepseek原厂应该是少数还提供FIM的API了吧，ocg ccg这些不管是自部署还是转发都没给
简单算了一下大约1000次1块钱上下，毕竟吃不到多少缓存命中

Xkarl · 发表于 2026-10-9 17:05

本帖最后由 Xkarl 于 2026-10-9 17:09 编辑

因为WorkBuddy大范围推广所以也是在工作中用上大模型了
想问下WorkBuddy70/月划算还是把70充到dsh划算？预估了一下WorkBuddy70/月的额度是够用的，换算成token大概1.2亿
还有就是dsh有没有solidworks之类的skill

绝地潜兵 · 发表于 2026-10-9 17:11

Xkarl 发表于 2026-10-9 17:05
因为WorkBuddy大范围推广所以也是在工作中用上大模型了
想问下WorkBuddy70/月划算还是把70充到dsh划算？预 ...

glm5.3flash API更便宜，非程序员70买API划算，因为不会过期

RookieTnT · 发表于 2026-10-9 17:19

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 ...

gpt pro 5x用量和 Claude pro (20$)差不多.. 你一个月也造不了5个号吧. Claude 开过一个月就是纯赚的

malisa · 发表于 2026-10-9 17:41

编辑错了

RookieTnT · 发表于 2026-10-9 17:54

gpt这模型已经魔怔了.

我写个@ 来引用图片的功能. 他还要在后端再逐字比较令牌格式我真服了....

奈落的孤火花 · 发表于 2026-10-9 18:05

opus5.5的表现。
感觉现在阶段的模型顾不了两头，要不就是跟gpt那样非常非常严谨，然后就死板、胆小。
要不就是跟opus这样很容易做合理推断，把自己的合理推断当事实来说，有的时候这非常有问题。
kimik3比opus这个病还厉害；fable用得不多，感觉上要好不少，但是也有。

Promeus · 发表于 2026-10-9 18:16

奈落的孤火花发表于 2026-10-9 18:05
opus5.5的表现。
感觉现在阶段的模型顾不了两头，要不就是跟gpt那样非常非常严谨，然后就死板、胆小。
要 ...

这种ai文字都快给我看出ptsd了

静哮苍穹 · 发表于 2026-10-9 18:32

Promeus 发表于 2026-10-9 18:16
这种ai文字都快给我看出ptsd了

别说了，我让grok写皇叔，现在看到这种句式就养胃了

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

pure_liquid · 发表于 2026-10-9 18:37

RookieTnT 发表于 2026-10-9 17:19
gpt pro 5x用量和 Claude pro (20$)差不多.. 你一个月也造不了5个号吧. Claude 开过一个月就是纯赚的 ...

真的“一个月造不了5个号”吗？
那相当于一个号至少要撑一周

我看过不少人说，充值以后第二天就被封了
那一个月要开十几个号才够吧

奈落的孤火花 · 发表于 2026-10-9 18:56

Promeus 发表于 2026-10-9 18:16
这种ai文字都快给我看出ptsd了

我感觉还行吧，除了gpt的可读性很差，别的都是通俗易懂的，当然写小说什么的我不懂，日常沟通交流这个风格我觉得没啥

lly778 · 发表于 2026-10-9 19:04

o/的问题是太慢了，6.1sol平均20不到的tps太难受了，

—— 来自 Xiaomi 2211133C, Android 15, 鹅球 v4.0-alpha

		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

评分

评分

评分

本帖子中包含更多资源