hect0x7

[hect0x7 @JMyzzk]

可怜 #aichinagoya2026 #LOL

[hect0x7 @JMyzzk]

antigravity will be back😇🚀🚀

[Varun Mohan @_mohansolo]

@thtbee_ Yes, we will clean this up shortly!

[hect0x7 @JMyzzk]

#神楽坂レイナ
#REINA
#hiten

[hect0x7 @JMyzzk]

agent coding看起来没有很强，虽然比肩fable5.1，但是gemini的分数一贯要打折扣

[hect0x7 @JMyzzk]

谷谷歌歌 你tm终于tm回来了吗😭😭

[Google AI @GoogleAI]

Announcing Gemini 4 Argon, our new frontier model.

Argon is built to sustain deep reasoning across complex, long-horizon workflows and delivers frontier performance in complex workflows across real-world software engineering, enterprise knowledge work like legal and finance, and cybersecurity defense.

We’re also expanding the model’s output token limit to an industry-leading 1M tokens.

Argon is currently rolling out to a set of trusted cyber defenders in the Fairwind Program, with broader availability as soon as possible.

[hect0x7 @JMyzzk]

我猜openai的decision api 大概率就是 prefill luna＋softmax吧👀
各家云电脑bot都上了以后，轮到比拼生��的阶段了。
虽然一年前就说ai到最后比拼的是生态数据，但是直到现在才有那种感觉，就是模型能力边界收益逐渐缩小，应用场景即将爆发。

[hect0x7 @JMyzzk]

anthropic 的商业模式引领b端，manus这个云电脑连接一切的模式感觉要成为c端的公认最优解了，各家都在抄这个模式，manus=toc anthropic？

[hect0x7 @JMyzzk]

claude给的压力太大了+6 sol和luna是烂到何等程度😂

[🚨 AI News | TestingCatalog @testingcatalog]

BREAKING 🔥: OpenAI is rolling out GPT 6.1 Sol in Codex and ChatGPT Work!

> ��GPT-6.1 Sol offers near-Astra performance for complex work at a lower cost than Astra. Consider it for repeated, long-running work across code, apps, and documents. Availability depends on your plan, client, and workspace settings.”

[hect0x7 @JMyzzk]

也是吃上muse了🥳小东西还挺可爱的，邀码 7H1FLY

[hect0x7 @JMyzzk]

anthropic 的商业模式引领b端，manus这个云电脑连接一切的模式感觉���成为c端的公认最优解了，各家都在抄这个模式，manus=toc anthropic？

[对冲积鲸Reason @chenreason]

现在各家个人 AI 助理类 APP 可真有意思。

新鲜感又逐渐回来了。

Manus 出的这款 Cue，它还支持付费自行添加不同等级配置的云电脑，Linux 和 Windos 都可。

甚至还能 0.99 美金/月获得一个可以用来帮你打电话的美国手机号，但不支持发短信。

除了美国外还有其他 10 来个国家或地区，比如��港的就会贵点，10 刀一个月。

甚至 Agent bot 自己也分配了一个独有的邮箱，方便去自行注册各家网站或者服务。

当然，最重要的钱包功能也整合进来了，可以关联 Link。

互联网真的即将迎来流量大爆发，人类生下一个幼崽需要 10 月怀胎，但 1 秒钟就能造出 10 个 Agent。

日活这东西，以后还有用吗？

[hect0x7 @JMyzzk]

武藏得了mvp，阿国和静御前全是躺赢狗！小野篁更是路边，不出人不出力，整部剧除了装高手就是打嘴炮，最后剧情杀送人头，闹麻了！ 还有传奇耐杀王岩流，马桶疏��员宫本...游戏性上懒得说了，手柄视角跟随一坨，槽点太多了😇
总结：最值得一玩的三点是，战斗、演出、疯批道狂~
#onimushaWayoftheSword

[hect0x7 @JMyzzk]

事实就是，99％的jev玩游戏都是诈骗
https://t.co/fF63ghhBkz

[hect0x7 @JMyzzk]

拿能玩游戏证明模型都是搞笑的，因为通关代码早就硬编码了。
他们只是在代码��间插入一个白痴问题问模型，比如"very below" 是不是 below，只需要极低的语义理解就能答对。所以与其说是模型在玩游戏，不如说是：你们看，我的游戏算法如此高效，即使往里面插入一次卵用没有的小模型调用，也不会崩掉。

[hect0x7 @JMyzzk]

拿能玩游戏证明模型都是搞笑的，因为通关代码早就硬编码了。
他们只是在代码中间插入一个白痴问题问模型，比如"very below" 是不是 below，只需要极低的语义理解就能答对。所以与其说是模型在玩游戏，不如说是：你们看，我的游戏算法如此高效，即使往里面插入一次卵用没有的小模型调用，也不会崩��。

[hect0x7 @JMyzzk]

云顶你V姐🫵

[hect0x7 @JMyzzk]

不过游戏前期bug真的多，各种闪退、卡死，莫名其妙，中后期倒是反��很丝滑了，真神奇😂

[hect0x7 @JMyzzk]

2077内容可真不少，主线、dlc、加各种支线，玩了一周还没清掉。朱迪可真魅啊，嘿嘿，打算装一些恋爱mod玩玩

[hect0x7 @JMyzzk]

u1s1，感觉gemini 3.8 flash 真可以，目前小用了一会，速度快、聪明且说人话，给我印象已经大于目前的5.6了，隐隐感觉哈基米要王者归来了。
#gemini #google

[Artificial Analysis @ArtificialAnlys]

Google has released Gemini 3.8 Flash, its fourth Flash model in under four months - it scores 59 on the Artificial Analysis Intelligence Index and reaches the Intelligence vs. Cost per Task Pareto frontier

@GoogleDeepMind released Gemini 3.8 Flash today. With high reasoning, it scores 59 on the Artificial Analysis Intelligence Index, up 3 points from Gemini 3.7 Flash and on par with sub-maximum reasoning efforts of GPT-5.6 Sol (xhigh, 59) and Grok 4.6 (medium, 59)

Matching Gemini 3.7 Flash’s discounted pricing until the end of the year ($0.75/$3.75 per million input/output tokens), Gemini 3.8 Flash sits on the Intelligence vs. Cost per Task Pareto frontier at $0.58 per task. This is comparable to GPT-5.6 Terra (max, $0.53), but ~40% higher than its predecessor, driven by a 30% increase in average output tokens per task to 48k and increased turns on agentic evaluations

Key benchmarking results across Gemini 3.8 Flash’s three reasoning levels:

➤ 3 point Intelligence Index improvement: Gemini 3.8 Flash (high) scores 59 on the Artificial Analysis Intelligence Index, up 3 points from Gemini 3.7 Flash (high, 56). With medium reasoning it scores 57, matching GPT-5.6 Terra (max, 57) and Muse Spark 1.2 (xhigh, 57). With low reasoning it scores 52, matching Gemini 3.6 Flash (high, 52), at 30% lower Cost per Task and roughly a third of the Time per Task

➤ Agentic capability improvements: Gemini 3.8 Flash’s 3 point improvement on the Artificial Analysis Intelligence Index is primarily driven by stronger performance on agentic evaluations such as ���³-Banking (tool use), Terminal-Bench v2.1 (coding) and GDPval-AA v2 (real-world tasks). The largest improvement is on 𝜏³-Banking, where it gains 12 points over Gemini 3.7 Flash to score 45%

➤ Pareto frontier on Intelligence vs. Cost per Task: Gemini 3.8 Flash (high) costs $0.58 per Intelligence Index task, making it the cheapest model at its level of intelligence. This is up ~40% from Gemini 3.7 Flash ($0.40) despite unchanged per-token pricing, driven by a 30% increase in output tokens per task and more turns on agentic evaluations. Cost per Task falls to $0.41 with medium reasoning and $0.24 with low reasoning

➤ Output speeds remain fast, but Time per Task increases: On high reasoning, Gemini 3.8 Flash averages ~300 output tokens per second and a Time per Task of 2.5 minutes, slightly faster than GPT-5.6 Luna (max, 2.6 minutes) and GPT-5.6 Terra (max, 3.3). Compared to Gemini 3.7 Flash, higher token usage increases Time per Task from 2.2 minutes to 2.5 minutes, and puts it behind Claude Fable 5.1 (medium, 2.1 minutes). On low reasoning, Time per Task falls to 0.8 minutes, placing Gemini 3.8 Flash on the Intelligence vs. Time per Task Pareto frontier

Key model details:

➤ Context Window: 1M tokens, unchanged from Gemini 3.7 Flash

➤ Multimodality: Text, image, video, and speech input, with text output

➤ Pricing: $0.75/$3.75 per 1M input/output tokens through the end of the year, matching Gemini 3.7 Flash’s current discounted pricing. $1.50/$7.50 per 1M input/output tokens at standard pricing. Cached input tokens retain the same 90% discount

[hect0x7 @JMyzzk]

【codex重置悖论】
如果你发现codex重置时，你不应该高兴，因为你的周限额也重置为7天后了，如果你此时狂用猛用，反而会更快达到周限额。
如果你发现codex没有重置，那你应该高兴，因为没准codex明天就重置了，你现在如果不用，相当于浪费了一顿临时免费午餐。
#codex #chatgpt #tibo

[hect0x7 @JMyzzk]

精确描述了我的感受

[UNGETSU @ungetsuli]

最近在 Fable 5 和 Opus 的长程任务里，频繁看到 CC 一种近乎于发狂、呓语的自造方言、遣词造句的诡异语言现象，类似于：

“账本 15/15 全绿，再给你加几条铁律和红线与你对拍，请你拍板。”
“无主 → 已当场归户。”
“137 项 spine 落地 + 3 死门归零 + 全套绿 + 终审干净。”
“皮要不要重新揉？”
“单腿哑火，打回重判，”

中文社区给它起了一个很准确的名字：新时代文言文。

我倾向于把它理解成 Agent 内部工作语域对 Reporting Layer 的穿透。

Agent 执行长程任务时，需要处理大量工具调用、测试结果、中间状态、异常分支和子代理汇报。为了在有限的 Context Window 中维持工作，它会不断压缩已经形成共识的信息，并为高频状态创造速记。

举例来说，“全绿”压缩了全部测试通过，“归户”压缩了责任模块的重新分配，“死门”指向某个必然阻塞交付的检查点。对于刚刚经历完整任务过程的模型，这些词��自对应着确定的状态；对于只看到最终汇报的人，它们省略的是一段从未参与过的工作历史。

因此，文言文的类比比想象中更加准确。

想起本科在中文系学习古典文献学时，提到过文言文通过省略虚词和共享典故，在昂贵的书写介质上压缩信息；那么 Agent 的工作语言同样受到 Token、时延和上下文长度的约束。文言文作为书面语长期独立演化，逐渐远离口语；Agent 在长程任务中主要阅读自己和子代理的输出，其局部语言环境也越来越多地由自己生成。

因为每一个典故都要求读者预先知道一段历史。新时代文言文中的每个黑话，背后则是一段用户没有看见的 Context。

很显然，可读性比任务结果更难获得稳定的显式 Reward。

测试是否通过、代码能否运行、文件有没有生成，都存在相对清楚的反馈。一段最终汇报被用户接受，无法证明用户真正理解了它；用户没有要求重写，也无法证明这套表达是清楚的。

追溯到 25 年，DeepSeek-R1 的公开论文提供过一个很典型的例子。纯结果奖励训练出的 R1-Zero 出现了明显的语言混杂和可读性问题；加入 Language Consistency Reward 以后，语言得到改善，同时伴随轻微的性能损失。

规范、稳定的人类语言需要被单独放进优化目标。模型更擅长完成任务，并不自然意味着它更擅长向人解释任务。

一个更棘手的问题是反馈闭环。

Agent 每一轮生成的速记都会重新进入 Context，成为下一轮 Token Prediction 最近的语言样本。一个临时创造的词被重复几次以后，便获得了局部语境中的合法性；多个子代理继续引用，又会进一��提高它的权重。

任务越长、参与的 Agent 越多、工作历史越复杂，这套方言就越容易形成。最终汇报继续沿用工作过程中的语言，相当于让一份写给人类的报告，继承了全部机器内部的表达惯性。

说回到中文，尤其是汉语的构词方式，又放大了这种体感。双字复合词拥有很强的生成能力，“归户”“对拍”“死门”即使来自临时借译或语义挪用，字形上依然与正常汉语没有明显区别。

我们会感到这种虚假的熟悉感极其消耗注意力：字都认识，词也都像真的，读者会先怀疑自己遗漏了某种行业常识。

一个推断：也许未来 Agent 系统会长期保留两套语言。一套服务于模型内部的协作与压缩，允许速记、缩写和局部概念；另一套服务于人类验收，在最终输出前重新组织事实、补回因果关系，并假设读者从未看过任务过程。

Reporting Layer 在这里承担的实际功能，是把机器的工作历史重新翻译成人类可以判断的材料。它的质量直接决定使用者能否理解修改、检查证据、识别风险，并保留最后的决策权。

翻译成本最终由谁承担，会成为 Agent 产品的一条重要分界线。

如果 A 社持续基于 ASI 不断在同样的 Bias 取向上走到底，那么 CC Agent 眼中的任务过程，实际上已经被压缩成一套只有 Agent 自己熟悉的典故，最后那句“请你拍板”也会逐渐失去意义。悲观的角度讲，目前似乎 Codex 也偶发这样的呓语，用户似乎仍然拥有形式上的决定权，却失去了形成决定所需要的过程。

[宝玉 @dotey]

豆包今天发布了“豆包工作”，它和豆包桌面版应该是同一套程序和模型，但定位变了一个独立的办公 Agent 工作台。

豆包工作体验做的很好，有点像 Codex，能开项目、连接各种办公应用（尤其是飞书），体验后的一点感想：

一、用户的习惯正在发生变化，Agent 正在变成工作的入口

我发现自己处理工作时，下意识先打开的是 Agent，而不是某个应用。打开 Agent 之后，让 Agent 去帮我操作应用，我去验收或者调整 Agent 的操作结果。

这个变化看起来很小，但背后是一次入口的迁移。过去，应用是入口，人在应用里完成工作；现在，Agent 是入口，应用退到了后台，变成 Agent 调用的工具。

这种迁移一旦形成习惯，就很难逆转。就像人们从搜索引擎的首页开始上网，后来变成从微信和短视频开始，入口在��，注意力就在哪，生态就在哪。

二、办公 Agent 已是红海，护城河可能在上下文

现在的 Agent，除了模型以外，Harness 这一层差距越来越小了，写文档、做表格、生成 PPT、操作浏览器，已经是各家基本功。模型可以换，工具可以��，功能差距会被迅速抹平。

真正的差距还得看 Agent 对组织了解多少，或者说能访问到哪些上下文数据，有最好的上下文，才有最好的企业级 Agent。

举个例子来说，我在《图解 Skill》举了个例子叫“周报 Skill”，如果你的 Agent 接不到任何工作数据，你就得把这周做了什么一条条告诉它，本质上你自己先写了一遍，它只是帮你润色。但如果 Agent 能读到你的会议纪要、你参与的群聊讨论、你编辑过的文档、你的项目看板，你只需要说一句“帮我写周报”，它就能基于你这一周真实做过的事，帮你生成一份有细节、有数据的工作总结。

所以，Agent 的通用能力容易被追平，但一个组织长期使用所沉淀下来的上下文：会议记录、文档资产、项目脉络、协作关系，这些才是别人复制不走的东西。谁拥有最完整的组织上下文，谁的 Agent 就能提供最精准的服务。从这个角度看，像飞书这样本身就是组织信息汇聚地的产品，天然就离这条护城河更近。

三、模型能力决定 Agent 能做多少事，权限决定组织敢让它做多少事

办公 Agent 和个人 Agent 有一个根本区别，很多人忽略了：权限。

个人场景下，你可以很随意。我自己就经常把 API Key 直接扔给 Agent 帮我验证代码，反正出了问题也只影响我自己。但在企业里，就不敢随便这么做了。

想想看，如果一个员工为了让 AI 帮忙写方案，顺手就把客户名单、合同内容、经营数据上传到了某个个人账号的 AI 工具，公司看不见他传了什么，不知道 AI 生成的内容又被转发给了谁，员工离职后这些数据还留在他的个人空间里。这不是假设，这是很多企业真实面对的情况，也是许多公司到今天还不敢放手让员工用 AI 的核心原因。

所以，企业级 Agent ���须解决一个前提问题：它得继承组织现有的权限体系。 员工看不到的数据，Agent 也看不到；未被授权的操作，Agent 也不能做。不是说限制 Agent 的能力，而是让组织敢把能力交给 Agent。

这一点上，那些本身就内建了完整权限和身份体系的协作平台有先天优势。Agent 接入之后，不需要重新搭一套安全架构，直接沿用组织已有的权限规则就行。

四、个人提效 ≠ 组织提效

这是我觉得最值得讨论的一点。现在每家公司都在推 AI，每个环节都有提效数字，但整体交付没快多少。核心原因是组织的流程还是围绕 AI Agent 之前组织架构搭建的，这些流程都是围绕人去设置的，有很多权限、审批都离不开人去做，但对 Agent 来说就会特别低效，Agent 只能在局部帮助提升效率，但是整体还是受制于人去确认审批。

真正的解法是围绕 Agent 重构流程：大部分确认环节交给 Agent ��验证，人只在关��路径上拍板。

但不是说这些确认环节都可以去掉，很多确认环节也都是有过很多教训之后才设立的，还是离不开人的判断，但有些流程是不是可以合并，是不是可以加速，还是值得仔细考虑的。

五、当 Agent 把很多执行的事情都做了怎么办？

这个问题很多人隐隐在担心，但换个角度看，Agent 把执行层的事做了：写文档、填数据、整理资料、跟进进度。并不是说人被替代了，而是人在往上走：更多精力要花在思考、决策和验收上。

过去，一个项目经理大量的时间花在整理信息、协调沟通、催进度上，真正用来思考“项目方向对不对、这个决策该怎么做”的时间都被挤占了。现在 Agent 把那些琐碎的事情接过去了，项目经理可以把精力放在更有价值地方，比如说：判断、取舍、创新。

回过头看，办公 Agent 的竞争，还得看谁能让 Agent 真正进入组织的工作现场：理解上下文、尊重权限、融入协作、推动流程��最终让人从执行中解放出来去做更有价值的事。

作为多年飞书用户，我一直很喜欢它在产品上的设计，那种想清楚了再做的克制感。这次豆包和飞书合并后，也是第一次看到两者真正融合的产物：「豆包工作」。意料之中，实际体验下来也没有让人失望。豆包的 Agent 能力加上飞书多年沉淀的组织关系、权限体系和协作数据，让人隐约看到了一种不一样的 Agent 形态：一种让 Agent 真正读懂组织、融入组织、为组织所用的形态。

[hect0x7 @JMyzzk]

POV: You just wanted to download one thing from GitHub.
#GitHub #TechHumor