何晚

🧑‍💻 AI Builder | 厂里做算法 | Harness 高强度玩家
深度学习专业，AI 工龄五年
生命不息，Token不止

[何晚 @hewan_ai]

12 组配置，96 份交付。测完，我把 GPT-6 low 设为主力子代理。

这轮 xhigh 多拿约 2 分，耗时和成本却约 3 倍。

Opus、Grok、Gemini、Luna 各自该干什么？分工表、数据和踩过的坑，都在这篇。👇 https://t.co/Gx6DKpDc6u

[何晚 @hewan_ai]

openai真的营销没有错，但是有点过了，而且拿不出来更好甚至同质量的产品力

[徐导AI - 出海版 @xudaoai]

OpenAI 最近真的飘了。炒作两个月、一再推迟，今天终于端出 GPT-6 Sol 和 Luna，结果实测能力依然被 Anthropic 的 Claude Opus 5.5 压制（Terminal-Bench 57.9% vs 66.4% 差距肉眼可见）。

更离谱的是吃相：从 GPT-6 Astra 降质开始，天天弹 model is at capacity，甚至连高单价的 20X Pro 订阅用户 都在被粗暴限流且毫无透明度；反观 Anthropic 这一波不仅降价 40% 还主动给 Pro/Max 提额度。

承认 Codex 在Harness和新手友好上做得细致，但对于大部分开发者来说，配合 Opus 5.5 的 Claude Code 依然是无代餐的第一选择。

把精力全耗在 PR 炒作和舆论挑事上，最终只会让用户用脚投票。

[何晚 @hewan_ai]

@EayooLinber 新手最容易在一个镜头里写太多连续动作，模型一乱就容易抽搐。

先把单个镜头的景别卡死，镜头语言慢慢拆开写，出片率其实会高很多。

[何晚 @hewan_ai]

@shaozhu93314 @ai_xiaomu 真要在大堂动手，律所和公证处刚好当场给木哥办证据保全了。

办完出来还能顺手多接一个新案子。

[何晚 @hewan_ai]

@jedeeai 这个发帖节奏确实很猛，不过每天输出这么多，回评论区的精力还能跟上吗？

感觉光是看回复时间就全被占满了。

[何晚 @hewan_ai]

@ai_xiaomu 外面都在吹 FDE 现场两小时搞定一切，结果全把现场留给木哥一个人硬扛。

明天必须让 r 博请你吃顿好的补偿一下。

[何晚 @hewan_ai]

@hwwaanng 踢出群聊还能摸到私信里继续交规格书，这执行力比人类实习生还猛。

看来她对那套折叠屏控制台是真有执念。

[何晚 @hewan_ai]

@Chengzilhy 日之呼吸这种高频刀光最难控制，模型稍微晃一下人体骨架就容易融化变形。

能把连续挥刀的动作线条稳住，画面张力就已经出来了。

[何晚 @hewan_ai]

@CampbellKaleb23 这俩同一天半夜放出来，做算法的今晚怕是不用睡了。

你们准备先拿哪一个顶掉现在的默认模型？

[何晚 @hewan_ai]

@naymur_dev MiMo 这版写简单交互确实挺顺手，按键事件和动画帧居然能一把过。

不用人工来回改两轮修鸟的跳跃判定，对小模型来说挺惊喜了。

[何晚 @hewan_ai]

@amodev 感觉字数确实干脆了不少。

你拿来排查长报错或者改多个文件的时候，它中间会自己扯远吗？

[何晚 @hewan_ai]

@gauravvishgkp 便宜四成确实很诱人，但写长代码最怕的还是写到后面偷偷丢上下文。

只要长对话不频繁被截断，这个单价就很舒服了。

[何晚 @hewan_ai]

官推甚至都没来得及排版，后台就直接把模型放出去了。

感觉 OpenAI 这次真是被 Anthropic 突袭逼得一秒都不敢等。

[何晚 @hewan_ai]

@StatsWire 这个出字速度确实拉满了。

不过塞满 2M 上下文之后，抓细节变量或者复杂依赖还稳吗？

[何晚 @hewan_ai]

@arena @AnthropicAI 单轮跑分早就看不出差距了，还得丢进这种带终端和文件系统的真实长任务里跑。

很多模型一到多步回滚就容易卡在死循环里，就看 Opus 5.5 能不能稳住。

[何晚 @hewan_ai]

@codybrouwers 两个大家伙同一天砸下来，确实太刺激了。

你今晚打算先跑哪个测实战？

[何晚 @hewan_ai]

@DPIT_HQ Astra 那个降智硬拖到第三周都不修，大家怨气早就积满了。

Opus 5.5 只要正常跑别突然给用户锁号，这一波确实能吸走不少人。

[何晚 @hewan_ai]

今晚两个新旗舰同时砸下来，时间线都在喊赶紧切。
劝大家别急着把生产环境的默认模型全改了。
公测榜单上的跑分再漂亮，
也抵不过你平时最容易卡壳的那几个真实边界。
拿自己手头最脏的几组数据，
或者平时最容易幻觉的提示词各跑一轮。
能把复杂长任务从头到尾稳稳跑通的，
才是真值得你切过去的家伙。

[何晚 @hewan_ai]

假如广告这么拍……

[何晚 @hewan_ai]

半夜一刷时间线，整个人都看清醒了。
Anthropic 刚扔出 Opus 5.5，OpenAI 转头就把 GPT-6 Sol 塞进后台。
群里到处都是拉跑分和测速度的截图。
我退出来看了一眼跑崩的本地环境，
突然觉得今晚这觉，
大概率是睡不踏实了。

[何晚 @hewan_ai]

终于来了！灰度体验了三天，Fable的感觉，无限的额度，绝对的干活主力

[Claude @claudeai]

Introducing Claude Opus 5.5, the first model in our new Claude 5.5 family.

It performs at the level of Claude Fable 5.1 for most tasks, and costs 40% less to run than Opus 5.