阿蓝

独立 AI Builder
分享 AI 构建、工作流与真实踩坑

[阿蓝 @alanlab_ai]

同一个模型，只调整了两个设置：保留 reasoning，并开启 compaction。

ARC 分数大约从 13.3% 提升到 38.3%，输出 token 还降到了原来的六分之一左右。

模型本身没有变化，差别在于 harness 不再每一步都清空已有的推理和上下文。

做 Agent 时，先把 Responses API 的 reasoning 保留和 compaction 用好，实际收益可能比直接换模型更大。

补充一下：ARC 官方榜单仍然使用统一 harness，所以这组数据不能直接用来证明模型达到了新的 SoTA。它更能说明，状态管理会明显影响 Agent 的表现和成本。

[Tibo @thsottiaux]

Turns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3.

Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation.

https://t.co/wHjaNsvIv8

[阿蓝 @alanlab_ai]

现在这些人官方的文档是一点不看吗？

1.官方更建议当前会话生成交接文档，新会话读取交接文档并继续。这样直接引用可能会丢失掉一些重要信息。
2. 一般也不需要新会话，官方的压缩是最节省且易用的。压缩会保留关键信息。除非明确是新的或者不想关任务，才新开会话。

[Sac @Saccc_c]

发现了一个Codex中快速获取上下文并节省token的技巧：

当你发现Codex会话的上下文快满了，直接开一个新会话并在对话中输入：

“@「旧会话」，总结核心信息并继续任务执行”

[阿蓝 @alanlab_ai]

@Saccc_c 我的结论是别这样用，快跑，垃圾的一批。

最近到处都是这种帖子，刚开始我也信了。今天高强度使用了一天，几个任务返工无数次，搞得我对codex都不信任了。

[阿蓝 @alanlab_ai]

不过貌似最后发现……返工次数太多，并不好用

[阿蓝 @alanlab_ai]

今天试了一下，GPT-5.6 Luna Max真的不错。我是5x订阅，开1.5倍加速，干了两个小时周总量才掉了3%。
设置里Available reasoning efforts选项，把Max推理强度打开就可以了。
5.6 Sol负责写方案评审，Luna负责干活，真性价比方案。

[AYi @AYi_AInotes]

刚发现一个OpenAI订阅的隐藏用法，感觉像白捡的。

GPT-5.6不是分三档吗——Sol最强最贵，Terra中间，Luna最便宜最快。大部分人默认选Sol，觉得贵的就是好的。

但现在一堆重度用户测出来一个组合：Luna + Max reasoning effort，也就是所谓的"Luna Max"。

效果离谱🤯

日常写代码、debug、改bug、写文档、过一遍PR，Luna Max的实际表现已经接近Sol Medium，部分任务甚至打平。

但消耗的额度少太多了——因为Luna本身单价低，Max推理虽然加了思考力度，但整体quota消耗跟Sol完全不是一个量级。

结果就是，同一个ChatGPT Pro/Team订阅，你选Sol可能一天就撞限额了，选Luna Max感觉怎么用都用不完。

不是bug喔，是OpenAI自己的定价和推理力度设计带出来的性价比窗口。

模型本身便宜，把思考力度拉满，推理质量上去了，但额度消耗没跟着涨多少。

怎么开：
设置里找到Available reasoning efforts，把Max打开（默认可能是隐藏的）。

然后模型选GPT-5.6 Luna，推理力度选Max。API用户直接指定gpt-5.6-luna，reasoning effort设max就行。

日常干活直接Luna Max拉满，真遇到需要深度推理、复杂架构决策、多步长链的任务，再切回Sol。

说白了就是：80%的活Luna Max干得跟Sol差不多，但额度花得跟不要钱似的，剩下20%的硬骨头再上Sol。

趁现在还能用，这种窗口一旦用的人多了，OpenAI大概率会调额度计算方式，到时候就没这么香了hh

[阿蓝 @alanlab_ai]

@abskoop 但，头上长摄像头的人真的蛮恐怖的

[阿蓝 @alanlab_ai]

@ianneo_ai 设计问题吧，5.6并不是所有模型都支持最高这个等级，或许是没有设计好，没有做到不同的模型选择不同的可选列表，干脆隐藏起来，不然用户一打开看到最高，选择了结果提示不可用，可能更加影响体验。

[阿蓝 @alanlab_ai]

已经让身边两个朋友买了macbook pro，这就是当前AI时代最值得的第一笔投资。

[Mr Panda @PandaTalk8]

买台 macbook pro ， 信我的， 他会改变你的人生

[阿蓝 @alanlab_ai]

kimi刚发布的时候真的很好用，甚至我测试使用的体感和我用oops差不多，但是火爆之后就开始限流，后续官方为了老用户体验开始限制购买，最近的降智或许也跟这个没有足够的算力有关系吧。
当然我不是反驳你，现在的kimi慢的离谱……以至于我已经放弃使用了，但是kimi依旧是当前国内最强的模型吧。
不过你可以用用grok4.5，他真的智力在线并且响应非常快，体感非常好！有时候10多秒一个方案就出来了，但是由于他是纯coding的模型，为了速度丢掉了很多额外的思考，所以并不适合内容工作者。

[阿蓝 @alanlab_ai]

@nicekate8888 grok差个桌面端，虽然我知道grok build很好用，但是桌面端也是真差。

[阿蓝 @alanlab_ai]

我倒是觉得时代更重要，一年前或许并不是一个好的时机。

对的产品和对的时代你觉得哪个更重要？

[Tibo @thsottiaux]

@_chenglou I was part of that team. Basically ChatGPT one year before it came out. Called LMChat and then another codename.

Google was too nervous to release it and DeepMind was blocked from shipping products that could disrupt Google.

I think about this a lot.

[阿蓝 @alanlab_ai]

@jinchenma_ai 卖课 不如 教人卖课

[阿蓝 @alanlab_ai]

@wquguru 我觉得也有道理啊，Ai本来也就是抄的代码，重要的还是知道自己的竞争力是什么，并且我觉得对于来源项目，别要求样样做到最好，但是找到大家更在意的痛点，然后针对某个痛点做到极致可能更容易做到成功，因为大家聊天可能会说：卧槽你知道xx不，我给你说太吊了，赶紧下下来试试

[阿蓝 @alanlab_ai]

@PandaTalk8 之前做过一个赛博越野游戏，还挺有趣的，红警有点太难了吧，细节太多，很多东西Ai可能不好理解～

[阿蓝 @alanlab_ai]

@indie_maker_fox 之前听到一句话，国外创造，国内发展。国内对一些细节产品打磨确实更加方便易用，尤其是飞书，做的太优秀了。优秀到我面试都会问一下公司用的什么办公软件～如果是钉钉会稍微降低一些意愿哈哈哈

[阿蓝 @alanlab_ai]

@op7418 Codex确实缺这个功能，特别是打标签，YYDS了。
^_^

[阿蓝 @alanlab_ai]

@karpathy 刚看到grok 可以分析视频，不确定是否也是一点点截图，还挺想试试

[阿蓝 @alanlab_ai]

@jinchenma_ai 怪AI 啊，AI 写的

[阿蓝 @alanlab_ai]

很严重了，大家别轻易使用Grok4.5

因为我怕你用了就回不去，又快又准。

[Aron厚玉 @aronhouyu]

我怀念那个

最简单 最直接 最不绕弯子的模型

而不是过度设计的sol 🌚

[阿蓝 @alanlab_ai]

@aronhouyu Grok4.5 啊哥超级建议你马上去用

[阿蓝 @alanlab_ai]

@tualatrix grok毕竟马斯克调教的，他嵌入了他的第一性原理，所以简单来说就是不说废话，只干正事。