硬核狗

Long-term compounder.

[硬核狗 @PengXhacker]

@oragnes 要不直接赛车呢？

[硬核狗 @PengXhacker]

算上泄漏的CC，这几家harness算是都来了，至此harness没有秘密可言 https://t.co/jPpeb66Y6a

[硬核狗 @PengXhacker]

卧槽，codex的harness开源了，claude你怎么说？还不跟上么？

[OpenAI Developers @OpenAIDevs]

Teams are using the open-source Codex harness to bring agents into the tools they already use, from internal apps to operations dashboards.

Their applications control the interface, context, tools, and approvals while the harness handles the agent loop.

https://t.co/shi2vwqxh4

[硬核狗 @PengXhacker]

https://t.co/IfjCtDClVy

[硬核狗 @PengXhacker]

卧槽！国家超算的deepseek的价格比官网还便宜，“价格屠夫”竟然是国家超算互联网🤯

SCNet 的 Token Plan 每月只要 30 元，就有 60,000 Credits。跑 V4-Flash，折算下来：

缓存命中：0.012 元/百万 Token
未命中输入：0.6 元/百万 Token
输出：1.2 元/百万 Token

30 块理论上能跑 5000 万输入 Token，哪怕全是输出也有 2500 万！

对比 DeepSeek 高峰价，分别便宜约 8.3 倍、5 倍和 7.5 倍。

[硬核狗 @PengXhacker]

@vista8 太贵了吧，终身吗

[硬核狗 @PengXhacker]

我擦，官方的么？token有transfer接口了？

[歸藏(guizang.ai) @op7418]

我去！这个太有意思了。

谁不想在等 AI 完成任务的时候玩上一把德州并且把自己的 Token 输光呢

[硬核狗 @PengXhacker]

相隔一天，DeepSeek 把 harness 整个开源，阿里把追平半年前 SOTA 的模型压到 17GB。顶级智力第一次能买断，售价两张 5090，6 万块。租金降到零的同时，押金站起来了。 https://t.co/wj4k7F1utI

[硬核狗 @PengXhacker]

很多人看到DSH高潮，兴奋，是不是新的风口
你简单的把前几个月claude code被开源的工程和DSH的github repo放在一起，让你的agent分析一下，你很轻松的就得出结论：

能力面重叠约 80%，架构面是两种东西。 差距不在"谁工具多"，在于 dsh 把 harness 拆成了可替换的插件树，CC 是一个高度打磨但硬编码的产品。

- 想学 harness 设计 → 读 dsh 的 docs/subsystems/（core.md 57KB、session.md 51KB、subagent.md 51KB、llm-streaming.md 47KB、tools.md 43KB）和 .agents/notes/。这是目前公开材料里最完整的一份 agent harness 设计文档，CC 那份只能反推。

- 想日常干活 → 现在还是 CC。dsh 是 0.1.0-rc.5，README 明写 developer preview + THERE WILL BE COMPATIBILITY-BREAKING CHANGES，没有 TUI（Web UI 优先），MCP 只有 client 侧，生态基本是空的。
- 想做产品 → dsh 是目前唯一一个"许可证干净 + 结构可替换 + 文档完整"的底座。

所以不用过度高潮，对于使用者来说，当前cc/codex依然解决你大部分问题

[硬核狗 @PengXhacker]

在harness层和input完全一样的情况下
实际测试Deepseek pro v4比qwen 38 max效果差了非常非常，底层模型在特定任务下的收敛真的必须实际测试。

[硬核狗 @PengXhacker]

@shao__meng 真的是这样，不亲自自己拿项目跑一遍，真不知道差距，同样的上层编排和harness，底层模型不一样，差距巨大，别说flash了，就是pro来了也拉

[硬核狗 @PengXhacker]

根本就不需要multi，我有时候看人跟我炫耀飞书上一堆分组各个名字的专家，告诉我说是multi-agent我就觉得他是傻b
骗基本盘

[siddontang @siddontang]

前几天有人问我：
TiDB 现在内部用了什么 Multi-Agent System？

我回答得很直接：
其实我们在刻意避免 Multi-Agent。
能一个 Agent 干完的，就一个 Agent 干。
实在需要拆，最多上面放一个 Coordinator，下面几个边界非常清楚的 Agent。

原因也很朴素。
分布式系统做久了，对“多组件协作”多少有点 PTSD。😂

Agent 一多：
通信来了
状态来了
retry 来了
context 丢了
最后还不知道到底谁背锅。

刚好最近看到 Anthropic 讲 Multi-Agent 的经验，也挺有共鸣。https://t.co/QJwZpNwZRW

他们提到，很多团队花几个月搭复杂的 Multi-Agent，最后发现把 single agent 的 prompt 和 tools 做好，效果差不多；Multi-Agent 真正比较适合的是 context isolation、parallel execution 和 specialization，而且通常要付出大约成倍 token 的代价。

所以我现在对选择 Multi-Agent 还是挺慎重的。

毕竟我们花了几十年才学会怎么把分布式系统搞稳定。
现在没必要因为 Agent 出来了，再主动把自己分布式一遍。😂

[硬核狗 @PengXhacker]

最近新上线的一个工具，针对ChatGPT做的一轮优化，一下午就开始来流量，用临时GPT对话反向测试几个，果然match在第一位，注册转化率秒杀其他渠道，人类天然相信AI结果

[硬核狗 @PengXhacker]

@gkxspace 哈哈，兄弟，怎么感觉你刚刚有钱不久

[硬核狗 @PengXhacker]

@frxiaobei 开源稠密模型会加速硬件估值逻辑的重构

[硬核狗 @PengXhacker]

一个蛋疼的事儿，阿里云新加坡节点自建vless上不了grok，有什么其他好的吗（不想用公共机场）

[硬核狗 @PengXhacker]

@levelsio 下次开发者聚会来北京弄一次

[硬核狗 @PengXhacker]

突然发现发某种prompt技巧流量高的真正原因：
一段文字，看似有用
先收藏下
但很少人真正去试，比对用和不用真正的差距
但是对于任何一个流量分发算法已经足够

[硬核狗 @PengXhacker]

@cherylnatsu c++洗完之后框框内存泄漏

[硬核狗 @PengXhacker]

"六策略叠加态/哈密顿量/波函数塌缩"与钱包实际行为完全对不上。

这个地址真实策略是体育赛事进行中的高频双边交易——大概率是更快的体育数据源（进球/得分 feed）吃 PM 滞后报价。链接带 ?via=Laowu 推荐码，这是返佣营销文案，量子物理话术纯属包装。

链上事实（钱包 0x2a69...d2f7）
- 全周期利润 $115.9 万，成交量 $9,880 万 —— 每美元成交只赚 ~1.2 美分，典型高换手薄利
- 首笔交易 2026-02-15，$6.82，所以"$700 起步、6 个月"时间线可信
- 但它最近 500 笔成交只用了 80 分钟，全部是体育 in-play：墨超/MLS 足球胜平负、让分、大小球、精确比分、网球逐分盘；中位单笔只有 $18，Yes/No 双边都买
- 当前 500 个持仓里加密盘为零