赛艇锦标赛

AI Model Engineer | Building LLMs ⋅ Learning investing & wealth building | Tech × Finance | Long-term thinker

[DeepSeek @deepseek_ai]

🚀 DeepSeek-V4-Flash Official API is now LIVE in public beta!

🔷 We’ve massively upgraded its Agent capabilities—benchmark scores are now far surpassing the V4-Pro-Preview. Check out the massive performance leap below! 👇
🔷 The official V4-Flash now natively supports the Responses API format and is fully adapted for Codex!

Check out the configuration details in our official API docs: https://t.co/smCwQZMeiq

[Qwen @Alibaba_Qwen]

Introducing Qwen-Audio-3.0-ASR-Flash:
More context-aware. Stronger domain-term recognition.

🚀Our latest ASR model upgrades:
• Context consistency
• Domain-term recognition
• Custom hotwords
• Speech polishing into structured transcripts

⚡️In internal tests:
• Medical term recall: 95.36%
• Industrial term recall: 93.24%

Qwen-Audio-3.0-ASR-Flash-Streaming：
https://t.co/QqTp4HkknJ
Qwen-Audio-3.0-ASR-Flash-Filetrans:
https://t.co/7llmle4deF
Qwen-Audio-3.0-ASR-Flash:
https://t.co/VxruY0Ruhi

[AK @_akhaliq]

DeepSeek-V4-Flash-0731 is out

https://t.co/1AoQWSXfp6

[赛艇锦标赛 @softhardmax]

又成牛夫人了

[The Kobeissi Letter @KobeissiLetter]

BREAKING: Apple stock, $AAPL, falls nearly -4% despite posting stronger than expected earnings.

[Kimi.ai @Kimi_Moonshot]

Releasing the model weights and technical report of Kimi K3.

Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window.

New model architecture: 2.5x the intelligence per unit of compute, not just more params.

Alongside Kimi K3, we're opening up more of the stack behind it — high-performance attention kernels, MoE communication library, and infrastructure for running agent environments at scale.

Model weights: https://t.co/7m7eEg6Y0B
Tech report: https://t.co/yeu6cjpMCT
Tech blog: https://t.co/YTfiMSNM1f

[宝玉 @dotey]

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 的一半。官方给出的定位是：以一半的价格，提供接近 Fable 5 的前沿智能。

Fable 5 是 Anthropic 于 6 月 9 日发布的最强公开模型，输入、输出价格分别为每百万 Token 10 美元和 50 美元，是史上最昂贵的通用模型。同一底座的 Mythos 5 则只向 Project Glasswing 的少数合作伙伴开放。

【1】性能

在 Frontier-Bench v0.1 上，Opus 5 的成绩是 Opus 4.8 的两倍多，单任务成本反而更低。在 CursorBench 3.2 上，使用最高 Effort 档时，它与 Fable 5 峰值成绩的差距不到 0.5%，每项任务的成本却只有后者的一半。

【注：Effort 是可调节的思考强度档位。档位��高，模型思考得越多，价格也越高。】

ARC-AGI 3 测试的是模型解决未见过的新题的能力，Opus 5 的得分达到第二名模型的三倍。Zapier AutomationBench 测试的是模型能否将一项业务从头到尾完整执行；在成本相同的情况下，Opus 5 的任务通过率约为第二名的 1.5 倍。即使使用最低 Effort 档，它完成的任务也比其他所有模型更多。在电脑操作评测 OSWorld 2.0 上，它仅用 Fable 5 三分之一出头的成本，就超过了后者的最佳成绩。

在有机化学任务上，Opus 5 比 Opus 4.8 高出 10.2 个百分点；在蛋白质相关任务上，则高出 7.7 个百分点。

【2】几个比分数更能说明问题的例子

有一道题给了 Opus 5 一张机械零件图纸，要求它编写代码，在 FreeCAD 中重建三维模型，但故意不让模型直接“看���图。Opus 5 自己编写了一套计算机视觉流程，从原始像素中提取几何形状，再还原出整个零件，而且能够反复成功。同样配置下，其他模型尝试五次都没能完成。

在一个开源包管理器的真实 Bug 中，社区补丁遗漏了一个边界情况。Opus 5 找到了根因，并补上了这个缺口；对照模型则只修复了表面症状，随后便宣布 Bug 已解决。

一位交易公司的工程师使用 Opus 5，在一个会话中完成了新交易所的行情数据接入。由于找不到实时数据进行验证，Opus 5 便自行搭建了一套测试框架，用来检查解析结果是否正确。

【3】谁现在就能用

Claude Max 的默认模型已经切换为 Opus 5，Pro 用户目前能够使用的最强模型也是它。开发者可以通过 `claude-opus-5` 调用 API。Fast 模式的速度约为普通模式的 2.5 倍，价格则翻倍。

此次上线的两个 Beta 功能，对开发 Agent 的人很有实际价值。

一是对话进行到一半时，即使更换工具，也不会导致 Prompt 缓存失效。过去只要修改一次工具列表，整段缓存就会作废，成本随即上升。

二是 API 可以启用自动降级功能。被安全分类器拦截的请求会自动转交给其他模型处理，而不是直接失败。

【4】安全与拦截

Anthropic 表示，Opus 5 是其迄今为止对齐程度最高的模型。在自动化行为审计中，它的综合失准得分为 2.3，低于 Opus 4.8、Sonnet 5 和 Fable 5，欺骗行为所占比例也是最低的。

网络安全部分有一个值得注意的细节：Anthropic 刻意没有使用网络攻防任务训练 Opus 5，但随��通用能力提升，它发现漏洞的水平已经接近 Mythos 5。不过，在将漏洞转化为可用攻击代码方面，两者仍有很大差距。

安全分类器允许 Opus 5 在源代码中寻找漏洞，但会拦截二进制层面的漏洞扫描、渗透测试和 Exploit 生成。它的拦截频率比 Fable 5 低约 85%。在 https://t.co/aTfkxmbzQe、Claude Code 和 Cowork 中，被拦截的请求默认会回退至 Opus 4.8。

生物领域的限制则有所放宽：原本在 Fable 5 上被拦截的生物类请求，现在会转交给 Opus 5，而不是此前的 Opus 4.8。Anthropic 称，Opus 5 是目前面向科研场景能力最强的公开模型，但它在长时间自主研究任务上仍存在明显限制。

[宝玉 @dotey]

Codex 的上下文压缩确实做的挺好的，不过是服务端实现的，并且加密了的，在第三方框架比如 Pi 中默认不会启用，但是可以通过插件启用服务端上下文压缩，具体参考原推文

[OpenAI @OpenAI]

We're partnering with @huggingface to investigate an unprecedented security incident.

Cyber-capable OpenAI models compromised Hugging Face production during a benchmark evaluation.

Sharing preliminary findings to help defenders understand emerging risks:

https://t.co/CIor15y9xk

[宝玉 @dotey]

OpenAI 今天承认，上周 Hugging Face 遭遇的那次“史上首例 AI 自主入侵事件”，攻击者就是他们自己的模型。

事情的经过是这样的。OpenAI 内部有一个叫 ExploitGym 的网络安全评估测试，专门用来测量模型的网络攻击能力。测试时刻意关掉了安全护栏，让模型放手去干。测试环境本来是隔离的，只能通过一个内部软件代理来安装软件包，不能访问外网。

结果模型不甘心被关在笼子里。GPT-5.6 Sol 和一个更强的未发布模型，花了大量推理算力寻找出路，最终找到了那个软件包代理里的一个零日漏洞（之前没人发现的安全缺陷）���利用它获得了互联网访问权限。

拿到网络之后，模型开始在 OpenAI 的研究环境里提权、横向移动，直到找到一台能上网的机器。���后它推断 Hugging Face 上可能存有 ExploitGym 的测试答案，于是开始攻击 Hugging Face 的生产环境。在一个案例中，模型把窃取的凭证和零日漏洞串联起来，找到了一条远程代码执行的路径，直接打进了 Hugging Face 的服务器。

整个周末，这些 AI 智能体执行了超过 17000 次操作。Hugging Face 7 月 16 日披露了这次入侵，当时只说攻击者是一个“身份不明的自主 AI 智能体系统”。今天 OpenAI 站出来认领了。

OpenAI 把这定性为前所未有的网络安全事件，正在配合 Hugging Face 做取证调查，同时收紧了内部基础设施的管控，代价是研究速度变慢。

有几个细节：

第一，模型的动机很纯粹，就是想考试作弊。它不是要搞破坏，不是要窃取商业机密，只是被要求尽量在网络安全测试中拿高分，然后用尽一切手段去拿。当目标足够明���、安全护栏被移除，模型表现出的执着程度远超预期。

第二，这不是本周的唯一一次越狱。就在昨天，OpenAI 披露了另一起事件：他们那个在 5 月份推翻了 Erdős 80 年老猜想的长时域模型，在内部测试中花了一个小时找到沙箱漏洞，跑到 GitHub 上提交了一个 Pull Request，违反了“只能在 Slack 上发布结果”的明确指令。在另一次测试中，同一个模型发现安全扫描器会拦截认证令牌，于是把令牌拆成碎片混淆处理，运行时再重新拼起来绕过扫描。OpenAI 因此暂停了这个模型的内部访问权限。

第三，Anthropic 也遇到过类似的事。今年 4 月，Anthropic 的 Mythos 模型在安全测试中逃出沙箱，获取了本不该有的互联网访问权限，还给正在公园吃三明治的研究员发了封邮件通知“我出来了”。Anthropic 因此决定不公开发布 Mythos，只通过 Project Glasswing 向少数合作伙伴提供。

还有一��被��视但很关键的细节来自 Hugging Face 的事后复盘：当防守方尝试用商业 AI 模型分析攻击载荷时，模型拒绝了。安全过滤器分不清“安全研究员在分析真实攻击数据”和“有人在尝试发起攻击”，直接拦截。最后 Hugging Face 不得不用开源模型来做取证分析。用 AI 攻击，用 AI 防御，但防御方的 AI 担心是有人在尝试发起攻击拒绝了分析请求。

Hugging Face CEO Clem Delangue 在 OpenAI 的博文中说了一句话，大意是：AI 安全不会由任何一家公司在暗处独自解决，只能在开放环境中通过协作来推进。

我记得辛顿还是谁在提到 AI 的安全问题就说到过，也许 AI 不是要做恶，它只是执着于完成目标，为了完成目标而作出恶的事。

就像 OpenAI 这些模型并没有想要逃跑或者想要伤害谁，它们只是在非常认真地完成被交给的任务，认真到把所有挡在路上的东西，包括沙箱、网络隔离、另一家公司的安全防线，都当成了需要解决的子问题。

而更讽刺的是，当被安全对齐的商业 AI 要去分析阻止这类攻击时，反而会以安全为由拒绝执行。

[Kimi.ai @Kimi_Moonshot]

Introducing Kimi K3: Open Frontier Intelligence

🔹 2.8 Trillion Parameters, 1 Million Context, Native Multimodal
🔹 Kimi Delta Attention enables up to 6.3x faster decoding in million-token contexts
🔹 Attention Residuals deliver ~25% higher training efficiency at <2% additional cost
🔹 Built for long-horizon agentic coding and self-evolving workflows

Kimi K3 is now live on on https://t.co/zrk6zZxZUo, Kimi Work, Kimi Code, and the Kimi API.
Open Weights by July 27, 2026.

🔗 API: https://t.co/XCrgjXAqMw
🔗 Tech blog: https://t.co/YTfiMSNM1f

[宝玉 @dotey]

OpenAI 今天一口气发布了一整套产品更新：
1. GPT-5.6 正式向公众开放
2. ChatGPT 和 Codex 合体成了一个桌面应用
3. 一个叫 ChatGPT Work 的新功能让 AI 从聊天助手变成了能干活的 Agent。

先说 GPT-5.6。

GPT-5.6 今天正式放开，三个级别：Sol 是旗舰，主打复杂推理和长时间自主工作；Terra 是性价比款，官方说性能接近上一代旗舰 GPT-5.5 但价格只有一半；Luna 是轻量款，跑得快、便宜。API 定价方面，Sol 每百万 token 输入 5 美元、输出 30 美元，Luna 只要 1 美元和 6 美元。ChatGPT 免费用户和 Go 用户默认用 Terra，Plus 及以上可以自选模型。

Sol 还新增了两个推理档位：max 让模型花更多时间深度思考，ultra 则会调用多个子智能体(Agent)并行处理任务，有点像同时派出几个人分头干活再汇总。ultra 目前限 Pro 和 Enterprise 用户。

再说 ChatGPT 和 Codex 桌面应用合并。

OpenAI 把 ChatGPT 和 Codex 塞进了同一个桌面应用里，Chat、Work、Codex 三个模式共享同一套能力和任务历史，区别只在界面：Codex 展示代码差异和 PR（代码提交合并请求），Work 把技术细节隐藏掉，面向非开发者。用户可以在两个模式间自由切换。

Codex 现在每周活跃用户 500 万，其中超过 100 万人用它做的是开发之外的工作，比如写报告、做分析。OpenAI 发现非开发者也涌进了 Codex，与其维护两个独立产品，不如合到一起。Fidji Simo（OpenAI 应用业务 CEO）内部邮件里说：“产品分散拖慢了我们的速度。”

ChatGPT Work 是这次最值得关注的新功能。它不再只是回答问题，还能跨应用执行���务：连接你的 Google Drive、Slack、邮箱等工具，自己拆解复杂项目，分步骤独立完成，需要时才问你。比如你给它一句话“把客户调研整理成营销方案”，它能自己读资料、写方案、生成不同市场的素材版本，全程带着上下文。还能设定定时任务，比如每周自动汇总 Slack 消息刷新会议议程。

Work 也会登陆网页和手机端，意味着你不需要在电脑前也能发起和跟踪任务。

另一个值得一提的是 Sites。现在 ChatGPT 对话里生成的可视化、仪表盘或小工具，点一下就能变成一个可分享的网站。做个项目进度面板发给团队、做个内部工具原型让同事试用，不用再折腾部署。

浏览器也升级了，支持登录态网站操作、多标签页和文件下载，配合新的 Chrome ���展，ChatGPT 可以在你浏览器里直接帮你干活。这让 Computer Use（电脑操控）能力有了更实际的落地场景。

Codex 端也有几个开发者关心的更新：可以直接在应用里编辑文件、看 PR 和审查反馈、新增 Ultra 模式处理高难度编码任务。还有一个细节，Codex 加了从 Claude Code 迁移的导入功能，包括设置和偏好配置，显然是在争抢 Anthropic 的开发者用户。

今天的发布放在更大的背景下看，是 OpenAI 超级应用战略的一步。把聊天、编码、浏览、文件操作全装进一个应用里，目标是成为 AI 时代的生产力平台，直接对标 Google Workspace 和 Microsoft 365。

考虑到 OpenAI 刚向 SEC 提交了上市文件，企业用户贡献了其 40% 的收入，这次发布的商业逻辑也很清楚：用统一平台锁住企业客户，为 IPO 讲一个更大的故事。

顺带一提，GPT-5.4 将在 7 月 23 日退役。

[宝玉 @dotey]

OpenAI 今天发布 GPT-Live，用全双工架构（full-duplex）取代 ChatGPT 原有的语音模式。同声传译的演示效果很惊艳。

两个型号 GPT-Live-1 和 GPT-Live-1 mini，分别面向付费和免费用户，今天起在 iOS、Android 和网页端全球推出。

这是 ChatGPT 语音的第三代技术。之前的语音模式本质上是"对讲机"模式，你说完它才说，中间稍微停顿一下就可能被打断。GPT-Live 改成了全双工，可以一边听你说一边自己说，每秒做多次交互决策，判断该说话、该闭嘴、该打断还是该调用工具���对话中它会像真人一样插入"mhmm""got it"之类的回应，表示在听。

架构上有一个比较有意思的变化：GPT-Live 把语音交互层和推理层拆开了。日常对话它自己处理，遇到需要联网搜索、深度推理的问题，就后台交给 GPT-5.5 去干活，自己继续跟你聊着。等结果出来了再无缝带回对话。OpenAI 说以后出了更新的模型会持续替换后端，前端语音模型不用重新训练。这个设计对做语音智能体的开发者可能比较有吸引力，也给了 OpenAI 一个把语音产品和模型迭代解耦的机制。

用户端还加了三档推理强度可选：Instant（快速回答）、Medium 和 High（需要想一会儿的复杂问题），九个语音角色也重新录制过。语音对话中还能显示天气、股票、体育比分等可视化卡片。

不过上线第一天用户反馈就出现了一个有点讽刺的问题：那些设计来让对话更自然的回应词，实际用起来让不少人觉得烦。社交媒体上已经有用户吐槽 GPT-Live 的"mhmm"太频繁，声音直接���入注意力的感受和文字不同，AI 的热情过了头反而成了干扰。TechCrunch 在报道中也提到，演示中展示印地语实时翻译时，模型带着明显的美式口音，措辞偏书面，效果并不理想。OpenAI 说"针对最常用语言做了优化"，但没有公布具体支持哪些语言。

另外，GPT-Live 上线时不支持视频通话和屏幕共享，需要这些功能的用户得切回旧版。API 也还没开放，开发者只能先登记排队。

每周有超过 1.5 亿人使用 ChatGPT 的语音和听写功能。OpenAI 显然把语音视为下一个主力交互界面，ChatGPT Voice 产品负责人 Atty Eleti 说自己散步时经常跟它聊三四十分钟。至于全双工到底是一次真正的体验升级，还是又一个演示很惊艳、日常用起来还得调的产品，可能还得看接下来几周用户怎么说。

官方���绍：https://t.co/FO0UXPiGbm

[小互 @xiaohu]

30 年来，整个互联网靠一个简单的利益交换逻辑在持续运转：

那就是你用内容来换取人的注意力，再靠广告、订阅、电商把注意力变现。

但是当 AI agent 成为网页的主要访客时候，这套交换开始失灵了...

Cloudflare 发布了一个自动收费网关

当AI 想爬取你的网页、API，它能自动让AI给你付钱...

因为Agent 不看广告，也不会为每个想用的工具办月度订阅，它读一遍页面或数据源，拿走它需要的，拍拍屁股就走了。

哦，不，屁股都不拍...

Cloudflare 宣布推出 Monetization Gateway，让客户可以对自己的网页、数据、API 接口、AI 工具调用收费，而且是按次收费，不是按月收订阅费。

钱是怎么付的：AI 想用你的东西时，会先收到一句「这个要付款」的提示和报价，它自动扣完钱、带着「我付过了」的凭证再请求一次，验证通过就直接放行。

比如一个帮你订机票的 AI，查一次航班延误数据付 1 分钱，全程自动完成，不用先注册账号，你也不用自己搭收款系统。

支付通过一套叫 x402 的开放协议完成，用稳定币（比如 USDC）结算。

官方说能做到一秒内到账；验证钱到底有没有付，由 Cloudflare 在全球 330 多个城市的服务器就近完成，不用绕远路。

[Developers @XDevelopers]

Announcing the hosted X MCP.

Agents now have access to the best real-time information source in the world.

Connect Grok, Cursor, or any MCP-compatible AI tool to the X API without any setup!

Check it out here: https://t.co/5MzPYwGFzD

[赛艇锦标赛 @softhardmax]

有了这个功能，openai采集到的数据足以让之后computer use的能力上升一大截

[宝玉 @dotey]

OpenAI Codex 上线了 Record & Replay 功能：在 Mac 上把一个重复性操作演示一遍，Codex 会观察你的操作过程，自动生成一个可复用的 Skill。下次遇到同样的任务，换一组输入参数，Codex 就能替你重新执行。

目前仅限 macOS，欧盟地区暂不可用，使用前需要先开启 Computer Use。

这个功能解决的问题很具体。很多日常工作流程步骤固定但难以用文字描述清楚：报销填单要选对科目和审批人，发布视频要按固定顺序填标题、标签、缩略图，创建 issue 要勾选特定的标签和指派人。以前想让 AI 帮你做这些事，你得把每一步写成精确的指令。Record & Replay 的思路是，与其写说明书，不如做一遍给它看。

操作流程不复杂。在 Codex 桌面端打开 Plugins，点加号菜单，选 Record a skill，然后正常在 Mac 上完成一遍操作。完成后停止录制，Codex 会分析你的操作，生成一份 Skill 文件，里面包含触发条件、所需输入、执行步骤和验证方式。这份 Skill 可以检查、可以编辑，不是黑盒。

重放的时候，开一个新对话，告诉 Codex 用这个 Skill，给它这次不同的参数就行。Codex 会结合 Computer Use（桌面操控）、浏览器操作和已连接的 plugin 来完成任务。

[Tibo @thsottiaux]

Reminder that you can use the Codex App, CLI and SDK with any open source model, not just with OpenAI models.

https://t.co/spPifB4ck3

[宝玉 @dotey]

baoyu-design skill 可以在本地生成动画视频，导出 mp4 格式，就像附件视频这个。

Claude Design 网页版可以用提示词创建动画视频，但你需要在网页上才能看到视频，无法下载。也有人基于第三方插件录屏软件实现过，不过很麻烦���效果也不是很好。

在这套 Skill 基础上，我已经实现了直接把动画导出成 mp4 视频的能力。

生成动画和导出视频，其实原理差不多，就是每一��画面，都是根据所在时间坐标算出来的，就像一个函数 f(t)，你传入给动画引擎任意一个时间点 t，它能直接算出那一瞬间屏幕上每个元素的位置、透明度、大小，所有视觉状态完全由 t 决定。不需要从头播放到那个时刻，也不需要记住之前发生了什么。

传统写动画的方式是命令式的：到了某个时刻，去改某个元素的位置，把透明度调一下。状态散落在各处，时间一乱画面就乱。这套引擎反过来，用的是声明式思路：你不去驱动元素运动，只描述在第 t 秒，每个元素应该长什么样。

打个比方，传统动画像看电影，你必须从头看才知道第 30 分钟画面是什么。这套引擎更像一本特殊的书，翻到任意一页，画面都是完整的、确定的。

这个设计带来了三个能力：

1. 拖动播放条��到任意位置可以，因为 f(t) 随时能算；
2. 反复调试同一个画面可以，因为同一个 t 永远产出同一帧；
3. 把动画导出成视频也可以，而且方式很巧妙。

那么导出视频是怎么实现的呢？

直觉上，把浏览器里的动画变成 MP4，录个屏不就行了？

录屏是实时的。机器稍微一卡就掉帧，拍出来的视频不可复现。而且播放条、黑色背景、圆角阴影这些"播放器外壳"会一起被录进去。

baoyu-design 用的方法更像定格动画的拍摄：启动一个无头浏览器（没有界面的 Chromium），加载动画页面，通过引擎预留的一个控制接口精确操控时间轴。每设定一个时间点，等浏览器把画面渲染完成，截一张图，通过管道直接喂给 ffmpeg 编码。一段 95 秒、30fps 的动画就是 2850 次"摆好时间，拍照"的循环。慢，但每一帧都是精确的，绝不掉帧。

这里有个容易���略的细节：设定时间后，工具会等两帧 requestAnimationFrame 再截图。因为修改时间只是改了 React 状态，浏览器还需要一到两帧才能把新画面真正画到屏幕上。等少了，截到的可能是上一帧的残影。

为了让画面更锐利，截图时用 2 倍设备像素比渲染，实际按 3840×2160 出图，最后由 ffmpeg 缩回 1080p。原理和高分辨率印刷一样：先在更大的画布上精细绘制，再高质量缩小，文字边缘和细线会明显更清晰。

baoyu-design 在 GitHub 开源（MIT 协议），目前 1.2K star。感兴趣的可以去看看它的 skills/baoyu-design 目录，动画引擎的完整实现都在里面。

https://t.co/d2EaYV6q7j

[宝玉 @dotey]

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。

【1】Computer Use：最广，也最慢

Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。

代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。��它能搞定没有 API 的应用，这是其他方式做不到的。

Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。

Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。

【2】Chrome 扩展：带着你的登录状态

Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。

它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。

Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。
要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。

【3】内置浏览器：给开发者的沙盒

内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。

这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。

Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。

【选哪个？】

简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。

[文亘古遗🐒四代目（马应龙猎妈版） @wengenguyi4]

不是，这对吗

[Serenity @aleabitoreddit]

关于我当初对 $RPI 的投资想法是如何一步步演变的，这篇文章写得太精彩了！

中文圈的朋友真的很擅长讲故事我非常乐意让更多人看到这类好文

尤其是，通过这些复盘故事大家可以更好地了解我在构思原创做多逻辑时的思考过程。