[image]

今天在院子里听到有鸟一直在叫，才发现有鸟筑了巢还生了几只幼鸟。趁鸟妈妈外出觅食，偷拍的几张照片（看的出来是很饿了） 
 [微信图片_20260823191012_17_24] 
 [微信图片_20260823191011_16_24] 
它的窝还挺小的，感觉没比一个拳头大多少，就在这个盆栽的最上面的树里里面，藏的挺严实的 
 [微信图片_20260823195559_32_8] 
也不知道这是什么鸟，还没见到鸟妈妈的样子，不知道有没有佬友能看幼鸟认出来

正在申请，只是想问问有没有dp，我在犹豫是用护照页首页还是用美签页 
毕竟人家页面写的是证件签发国家

用codex调用grok build cli里面的supergrok正价订阅，牺牲了两周的额度全用来做测试了。 
模型、xhigh、CLI 版本、350k 输入、64 工具回合、12 路并发和缓存比例都基本相同，平均 token 成本也只差约 0.2%。 




同条件测试
上周
本周




Grok Build
1.0.5
1.0.5


起始用量
2%
1%


结束状态
100% + 402
100% + 402


实测新增 token
239,869,568
125,999,903


缓存占比
96.4403%
96.5251%


CLI 等价成本
$45.174066
$23.676065


每百万 token 成本
$0.188328
$0.187905



按完整 100% 外推： 

上周：约 244,764,865 token，$46.095986
本周：约...

如题，还可以上车吗，可以订阅吗，不知道会不会降智

在远程服务器上安装 dsh, 以及一个远程被控的插件. 
本地 dsh 安装控制端插件. 然后通过 url 和 key 连接到被控端. 
不知道目前有没有类似的插件, 理念类似 paseo

今天首字慢TPS也慢，真是神了，昨天还好好的。用的CPA反代+机场。 
 [image]

之前做过的评测： 【更新完毕】GPT 5.6 全三种模型 juice值参考 - 前沿快讯 / 前沿快讯, Lv1 - LINUX DO 
最近还会做一个评测，感兴趣的可以关注论坛账号获取通知。 
本文内容采用 CC BY-NC-SA 4.0 [协议内容]  [法律文件]协议发布，转载请注明本贴链接，不可商业性使用本文内容。 
针对于ox-alpha模型（不设置effort，opencode default是max），采用了 **DeepSWE**v1.1 benchmark作为评测基准。 
对于113个test，每个测试单次测试，使用mini-SWE-agent（官网测试Harness），Pass@1 ，测试上限由默认1小时延长至10小时（tps过低），通过为73个，失败为40个，通过率为64.6%。 
 [image] 
根据官网数据，目前模型软件工程能力位于deepseek-v4-pr...

之前一直都在用的是playwright-cli和browser类似的skill,但是cookie始终是个绕不过去的问题,最终还是想实现agent能够在原生浏览器进行操作,但是目前搜集到的能够实现此功能的项目(仅我知道的)ego,只支持mac端,win再一次汤都喝不到,所以想问问佬们是怎么进行的。之前还是用codex的computer control，但是体感不是很好，win系统codex很卡，再加上computer control是通过截图来获取信息，时间线拉的比较长，让人有一种等待焦虑的感觉。 
所以回归正题，佬友们有没有win上的浏览器操作的项目推荐 🙂

背景
最近GPT降智问题，搞得中转站和普通用户都很头疼，我刚好抽时间研究了一下。在研究的过程中，发现大家普遍采用的糖果题。从结果统计上来讲，糖果题还是有一定区分度的，但不够实锤。我感觉主要还是本身过于简单，其实我人脑仔细思考一下，也能做出来。AI之所以答错成29，主要还是一个思维盲区——没有注意到摸的时候可以区分形状。 
所以我一直在想有没有更好的问题来区分是否降智，于是有了前面一个主题 一道自创的AI测试题，有感兴趣的佬友来试试吗 
有挺多热心佬友也参与了测试，最终证明这个方法算是一个失败的尝试：问题太难，解决一次需要花费的时间太久；允许大模型写代码调用，即使是弱鸡模型，借助暴力搜索，也能取得不错结果。 
昨天突然灵光一现：我能不能把这个问题稍微改一下，把规模降低，但是不允许写代码？然后把目标也收敛一下，不为别的，就是为了区分是 gpt-5.6-sol 还是 gpt-5.6-lua 。 
...

[image] 
这下好了大家都没得用了

最近还在继续折腾之前发过的这个学习工具： 


本来只是想做个学习 Agent，结果越写越不对劲。 
一开始是图谱、聊天、工具调用，后面慢慢又塞进了文件、Shell、Sandbox、Skill、Memory、子应用、联网、Artifact…… 
做到后面突然发现： 
我这好像已经不是在单纯写 Agent 了，而是在一点点搓 Harness。 
刚好最近 Harness 这个词也越来越热。 
DeepSeek 放出了自己的 DeepSeek Harness，OpenAI 最近也开始频繁提 model-native harness。 
而且这段时间我自己折腾下来，有一个感受特别明显： 

同样一个模型，放在不同 Harness 里面，用起来真的能像两个模型。 

有的 Agent 给它一个 Shell，看起来无所不能，真正跑长任务的时候却很容易开始原地打转。 
有的 Agent 一股脑塞几十上...

昨天Deepseek发公告，周末变成梁文谷 
Opencode和Commandcode到现在都没有跟进 
涨价他俩最勤快，周末峰谷调整又装死 
 [image] 
[image]

翻到了24年的内存条订单 
同款点进去直接翻倍了 
年度最佳理财产品 
 [Screenshot_2026-08-23-19-50-31-871_com.jingdong.app.mall] 
[Screenshot_2026-08-23-19-50-35-228_com.jingdong.app.mall]

我现在是MacBookPro M1 ，我想换个M4pro 满血的。但是我预算只有12K， 我看海鲜市场24G 都要13K+， 转转也差不多13K。 但是我看二手回收价才10K 13K都可以48G了… 这个怎么搞喃

一直在用prism，因为最近这个也内置了5.6 sol，并且还有“极高”这个挡位选择今天突然突发奇想查了一下它的juice值，惊奇的发现是128，而网页版本的sol 选择高挡位是42。所以，这个极高对应的是哪个？ 
另外，还想问一下有无佬知道这玩意跑的是啥的额度，我去他们官方discord问了也没人回。 
PS 我试了一下 鹈鹕骑自行车，卧槽，牛逼啊！ 
[pelican] 
 [image] 
 [image]

199套，随便问几个问题就消耗全月的5%，用了个swarm，直接干接近20%。比kimi code 猛多了，而且还是快速模型，不敢用了~

在凌晨两点说的明天下午，到底是把这个时间当晚上，说的当天下午 也就是北京时间的 24 号凌晨。还是真正的明天下午呢，也就是北京时间 25 号凌晨呢。 
这决定今晚是否放开蹬啊😲 
* 
投票

游戏非常的分散，家庭组已经满了但是不想每次切号玩游戏，想提取出清单来导入到大号这样不切号也能玩游戏了，请问有没有什么提取工具或者提取教程什么的

在用最新的gemini3.7的时候，有没有感觉他的知识库明显很旧，反倒是用gemini3.6知识库比他新。 
 [image] 
就问他们自家的模型，他自己都回答不上。 
有没有可能gemini3.7 本来是gemini的pro模型，结果性能不行砍成flash了。