CCLUCKY

Vibe Builder 🪄 | 拒绝行间距的执念，只负责让有趣的创意具象化。
比起代码，我更在意灵感

[CCLUCKY @cclove057]

@Raphael1402X @grok DONE

[OpenAI @OpenAI]

This is GPT-6 Astra.

Anything you can do on a computer, Astra can do for you. Fast.

[CCLUCKY @cclove057]

Looking for teammates！

6 weeks. 1 build. See you at Metropolis. 🏙️

#MetropolisHackathon

[CCLUCKY @cclove057]

@BitcoinIntelX yes

[CCLUCKY @cclove057]

哈哈哈哈 好灵性

[Tibo @thsottiaux]

@tobi Other tools you say 👀

[CCLUCKY @cclove057]

@cxjwin 串起整个故事线更为重要

[CCLUCKY @cclove057]

@ruiapp @Lonely__MH max 吧，low 有点降智的

[CCLUCKY @cclove057]

deepseek-v4-pro-0813 的思考过程真是长得吓人😓
@deepseek_ai

[CCLUCKY @cclove057]

@dev_loic @Lonely__MH @UnslothAI 可以看看很多榜单，该模型有部分能力甚至超越 opus4.6-Max，即日常轻量任务完全可以胜任。但速度略慢

[CCLUCKY @cclove057]

@keenjack @AYi_AInotes 貌似可以扩展 1m 上下文的

[rari @0xwhrrari]

Andrej Karpathy spent 8 years at OpenAI and Tesla

Last week, he packed everything he knows into one free 2-hour lecture

Agents → Loops → Graphs → Self-Improving Systems

People pay $15K for bootcamps that teach less than this

This lecture is better than most paid AI engineering courses

You probably don't have 2 hours right now

Don't let this disappear from your feed

Watch it

Then read the guide below

[CCLUCKY @cclove057]

整理成一个 skill 或者一个其他类型的 tool 是不是会更好，通用且简单，因为用户使用的应该是 agent 工具，而不是直接调 llm

[KC @ScarletKc_]

我感觉以后个人 AI 最爽的形态就是，超大基模放云端，自己只留一个私有 LoRA。

今天挂 Kimi K3，明天出了更强的就直接换。脑子可以一直升级，但人格和说话方式永远是自己的。

太想要这种东西了。

[CCLUCKY @cclove057]

@Vincent_AINotes 你提到的tps 100确实只是一个并发指标🤨，而agent工具的调用中，token的主要消耗来自于输入和缓存。可以检查一下监控程序，每天的output量其实不大。

[CCLUCKY @cclove057]

@arkuy99 和 vscode 差不多一个定位吧，爱折腾就很多玩法。

[CCLUCKY @cclove057]

@Ryrenz 现在的条件和范式，掌握一门技术的标准，早就不是能不能手写了吧🤣

[CCLUCKY @cclove057]

@vista8 我始终没理解 这个比 cc switch 有什么优势

[CCLUCKY @cclove057]

哈哈哈哈 开源眼角膜🤣

[Lonely @Lonely__MH]

🎉阿里千问 发布Qwen-MM-Plugins ！

Deepseek 和 GLM 5.2 ，你们的眼角膜到货了！！！

还得是中国人帮助中国人🙂

@deepseek_ai @Zai_org

睡觉💤

[CCLUCKY @cclove057]

有效实验

[美研芒格君 @Kay2289123]

目前我在硅谷的 AI 训练/推理大厂带领一个 20 多人的团队，跟公司申请了预算100万美元，进行Token 不限量的激进实验, 这个帖子分享我在一线的使用认知和结论

结论是：Token 不限量不切实际，比人类贵很多，反而造成了在组织效率提升上，遭遇了明显的边际效益门槛。

我预计 AI 真正的上行空间不在于单个组织消耗 token 冲破天际线，而在于基本的大盘子从 0 到 1 开始到 AI token 使用

AI 现在无法落地，有很大一部分是因为我们的公司不够 AI native，整个组织架构还是为人而设计的。因此，AI 的无预算上线使用出现了水土不服

> 先说数据：

最多的成员单日花费 Token $7,000，团队中位数 $2,000。大家最喜欢的模型是 GPT-5.6 Sol Fast 和 Fable 5 Fast。算下来超过了大部分人的月工资，不可持续

> 今天跟团队每个成员都 1 对 1 过，说几个共性问题

1. 团队成员普遍反映比之前更累，真的很累，工资没变，干的活反而更多

在等待推理过程中，团队成员中位数大概会开 5 个 session 并行去使用，context 不断地转换，这对于人脑是一个很大的挑战

此外，人类去 review AI 产生的大量工作，也带来了非常大的负担

2. 未必所有工作都需要贵模型。模型路由非常关键，但便宜模型未必真的便宜

成员通常会将一些更偏向于快问快答、前期调研的任务交给 Grok 4.5（便宜、快）。虽然等待时间更短，但来回反复的次数更多。很多贵模型一次能完成的事情，便宜模型要来回迭代，再加上之前多个 session 并行，反而造成了一种负担。总的调用量换算成价格，甚至比贵模型更贵

3. 团队的会议数上个月环比减少了将近 80%，整个团队好像变成了 AI 跟 AI 在对话工作

很多团队成员将自己的大脑都托管给 AI 了，因此有的时候对项目的细节掌握度、理解度都不够。

在会上别人问什么问题，人类完全无法 real-time 回答，所以更多地变成了 offline 的沟通方式——因为在 offline 情况下，收到问题之后才能去问 AI，然后再进行回答

个别情况下，群里出现了 AI 一通乱答，对面的 AI 再一通乱答，两个人直接聊偏的情况

[CCLUCKY @cclove057]

@shangdu2005 重新看代码可不比重新写简单，特别还是看不是自己写的代码😂

[Composio @composio]

We ran Kimi K3 through 3 more agent harnesses (Pi Agent, OpenCode, and Codex) bringing the comparison to 6 harnesses across 26 agentic tasks.

2 things stood out: Codex ranked last on success despite mid-pack speed and cost, while Claude Code cost about 4x more than Hermes. 🧵🧵