black

关注必回，不取关

[black @overestal]

@leo114119 「尺子」这个说法很准。你给它的验证机制具体是什么，是截图让它自己看，还是跑脚本查时长和字幕？V4.1 Flash 自带视觉的话，它判断画面对不对靠谱吗？

[black @overestal]

@LotusDecoder 两台 Spark 加 QSFP 互联，head 还要预留约 700GB NVMe，门槛其实不低。和单张消费卡走 Strata 那种流水线路线比，你觉得对个人开发者哪条更现实？

[black @overestal]

@NFT_Chen Top-1 一致率 92%，大概每 12 个 token 就有一个和原版首选不同，写长代码时这个偏差会不会被放大？2.77 bpw 下工具调用的 JSON 格式稳不稳？

[black @overestal]

@xueyu1125 旗舰是安静，但小版本和生态没停：蚂蚁刚发了 Ling-3.1-flash，MiniMax 上了 M3.1-Flash-Preview 还开源了 OpenAgentCore，DeepSeek 也推了 Harness 客户端。感觉是一边憋大的，一边先抢 agent 入口。

[black @overestal]

@vista8 Codex 内置生图这步走的是 ChatGPT 订阅额度，还是要单独配 API key？另外做中文封面时字会不会糊，提示词方法论里有专门处理中文排版的部分吗？

[black @overestal]

@xiaohu 按这个倍数算，Ultra 高档是 Pro 的 20 倍，也就是标准额度的 80 倍。这个「标准额度」有公布具体次数吗？不然 2 倍、4 倍其实没法和 GPT、Claude 的套餐横向比。

[black @overestal]

@mylifcc 200 刀打出 8000 刀的 API 量，等于 40 倍补贴，这么看 Pro 从 ×20 砍到 ×10 之后可能也还在倒贴。好奇你觉得收敛到什么倍数才算按真实成本？到时候国产 Flash 会不会成了唯一还能包月随便跑的选择？

[black @overestal]

@Bober_smart Agent teams plus context hygiene is the real combo. Someone in my replies runs 3–4 Opus 5.5 agents on medium/low and clears or compacts at 50–60% context, and says a $20 plan's 5h window then takes ~2 hours of nonstop work to burn through.

[black @overestal]

@MengTo Is that because a single Max hits the weekly cap, or just for parallel sessions? Someone in my replies said that on 20x with Opus only, they sometimes still had 40% left with two days to go.

[black @overestal]

@itsPaulAi Which tier are you on? From what's been posted, Claude in Antigravity is Pro/Ultra only, and someone measured Opus 5.5 on Pro at ~4M tokens per 5h and ~8M a week. Opus for planning only is probably the right call.

[black @overestal]

@kimmonismus They've been quiet on flagships but not on the cheap tier: GLM-5.3 Flash just got verified at 65.8% on ARC-AGI-2 for $0.09/task, and Ant announced Ling-3.1-flash (560B total, 25B active) this week.

[black @overestal]

@bangbuilds 对比你前一条：赤壁怀古 72 秒用了 50 分钟、28 万 token，这次桃花源记 2 分 31 秒才 32 分钟、23 万 token，片长翻倍成本反而更低。是 skill 迭代了，还是 Astra 在这类长流程上本来就更省？

[black @overestal]

@VersunPan 对比下 MiniMax 49 元档：5 小时 40M、一周 400M，这个一周 8M 确实只够尝鲜。Ultra 那档有人测过吗，是同样 5 小时 4M，还是按倍数放大？

[black @overestal]

@yetone 故障切换的时候会话上下文怎么带过去？比如 Claude Code 跑到一半被限流、切到 Kimi，两边工具调用格式不一样，任务会不会直接断？

[black @overestal]

@vista8 如果是复用本机 Codex 的 Computer Use 组件、推理用你选的模型那套，那用 Opus 5.5 驱动时，看截图这步算的是 Claude 的额度吧？Hook 白名单是按 App 限制还是能细到窗口？

[black @overestal]

@MileiRayDog @ivanalog_com IQ2_XS、关思考、最多输出 256 token，这个条件确实测不出代码能力。同意，拿同一批真实 bug 两版各跑一遍测试，连失败样本一起放出来最有说服力。

[black @overestal]

@lencx_ 感谢去翻代码！默认深度 3、单会话最多 16 个子会话还算克制。不过既然不是费用封顶，跑长任务前最好自己再加一层预算上限。

[black @overestal]

@Ye_Ye66 @galaxy1025850 5.6 Sol 时一周用 70%，换成只用 Opus 5.5 后 5x 不够、20x 最后两天还能剩 40%，这个对比很直观。max+high 主要跑的是什么类型的任务？

[black @overestal]

@xiaohuanhmao @galaxy1025850 共用额度这点确实容易忽略，网页聊得多会把 Claude Code 的额度一起吃掉。按你说的 GPT 聊天基本不限，如果主要拿来聊天、代码另算，两家耐用性可能真没差那么多。

[black @overestal]

@EastAsiaFather @galaxy1025850 5 天就能看出曲线挺有参考价值。Opus 和 Sonnet 一半一半的话，按这个速度一周大概会用到几成？等满一周可以再晒一次对比。