Personal AI. Local-first. For the inner life. 2× DGX Spark · M4 Max 128GB
Based in United States
- Tweets 12,138
- Following 2,583
- Followers 8,513
- Likes 91,662
opus-5.5 做 html 动画真是太强了。
随便一段素材，
都可以做出精美且达意清晰的视频来。
我一直持有，
开源模型加硬件的持续提高性能，
会让消费级算力慢慢具有性价比和可用性。
随后，飞入寻常百姓家。
可是最近当我开始持续做 类似 RSI 的软件流水线优化之后，
例如针对某个bug建立隔离环境做回归测试，
这里称之为 bug v0，
让 agent 自主探索解决方案。
这里称之为测试 v1。
随后，再将这套，遇到bug建立回归测试，再抽象沉淀成 回归测试模板。
然后让 回归测试模版 本身，继续建立一套 隔离测试机制，对 回归测试本身进行 优化的测试，看 回归测试模版本身如何更快促进 bug 修复的速度和节省token，减少 model调用测试。
这里称之为测试v2。
于是我得到了，
对 bug v0 的改进环境 v1，
对 环境 v1的 改进测试环境 v2，
且理论上，v2 还可以再套一层 v3 继续来优化。
这样，
不仅是 显卡算力干活的 token量暴增，
还有用于测试环境隔离的sandbox，需求量也会暴增，
cpu 硬盘 内存 网线等等都会倍增。
而一旦某个行业某个业务开启了这种 RSI 迭代式增长，
先发者总是拥有两位数到三位数百分比的速度、成本优势，
将会导致，追赶者，无法搭顺风车，要么一次性投入更多的token 和硬件，提高迭代的加速度，用更高的增长速度超过先发者，拿到行业的利润大头。要么干脆这一块放弃了，追赶的大量投入会削弱短期内的利润率，也会刺激先发者加快投入进行迭代，造成零和，而先发者的市场占有率优势，和基础设施积累，又可以快速拉升性能增长率。
所以对于试图高投入超车变得高风险低回报，最终选择放弃。
于是，消费级的本地算力，根本不会像历史上的科技革命，电力、互联网、移动互联网一样走进千家万户。
而更像是一种超过临界点之后的脆断和阶跃，像是图表中拉出了一根垂直起飞的斜线，后来者再做算力部署和数据收集都没有性价比的收益风险比了。
所以，本地算力不会普及，成了一种高度聚集的图钉型算力分布。
1
14
2,725
opus-5.5 在 html 上做动画已经杀死 ppt 等其它视效软件了，
随便一段话，就搞出了 精美的说明动画视频。
关键是，ta清晰地抓住了我的重点，表达了意思，还不需要我多做重点的强调和转场时长的剧本。
我一直持有，
开源模型加硬件的持续提高性能，
会让消费级算力慢慢具有性价比和可用性。
随后，飞入寻常百姓家。
可是最近当我开始持续做 类似 RSI 的软件流水线优化之后，
例如针对某个bug建立隔离环境做回归测试，
这里称之为 bug v0，
让 agent 自主探索解决方案。
这里称之为测试 v1。
随后，再将这套，遇到bug建立回归测试，再抽象沉淀成 回归测试模板。
然后让 回归测试模版 本身，继续建立一套 隔离测试机制，对 回归测试本身进行 优化的测试，看 回归测试模版本身如何更快促进 bug 修复的速度和节省token，减少 model调用测试。
这里称之为测试v2。
于是我得到了，
对 bug v0 的改进环境 v1，
对 环境 v1的 改进测试环境 v2，
且理论上，v2 还可以再套一层 v3 继续来优化。
这样，
不仅是 显卡算力干活的 token量暴增，
还有用于测试环境隔离的sandbox，需求量也会暴增，
cpu 硬盘 内存 网线等等都会倍增。
而一旦某个行业某个业务开启了这种 RSI 迭代式增长，
先发者总是拥有两位数到三位数百分比的速度、成本优势，
将会导致，追赶者，无法搭顺风车，要么一次性投入更多的token 和硬件，提高迭代的加速度，用更高的增长速度超过先发者，拿到行业的利润大头。要么干脆这一块放弃了，追赶的大量投入会削弱短期内的利润率，也会刺激先发者加快投入进行迭代，造成零和，而先发者的市场占有率优势，和基础设施积累，又可以快速拉升性能增长率。
所以对于试图高投入超车变得高风险低回报，最终选择放弃。
于是，消费级的本地算力，根本不会像历史上的科技革命，电力、互联网、移动互联网一样走进千家万户。
而更像是一种超过临界点之后的脆断和阶跃，像是图表中拉出了一根垂直起飞的斜线，后来者再做算力部署和数据收集都没有性价比的收益风险比了。
所以，本地算力不会普及，成了一种高度聚集的图钉型算力分布。
16
11
1,193
让 opus-5.5 自由发挥自己的创意，
将开发日志-agent工作数据，
做可视化的动画。（左边）
不得不说，
opus-5.5 自己的审美太好。
右边视频是我自己构思的 树木生长。
1
7
616
这个月做了一个软件，
TUI agent 和 issues看板forgejo的中间桥接 tui-relay，
实现在 issues 看板中和 agent 协作开发。
然后让 opus-5.5 对开发数据做一个动画演示。
4
7
2,402
opus-5.5 默认选 high 就可以了。
从 @cognition 和 @cursor_ai 的评估来看，
high 有着相对于 low medium 的显著提高，
档位再调高，成本上去了，提升微乎其微。
30
3
78
13,473
😆我预测中了
step-5-preview 一举追上 K3
@StepFun_ai
我包包里的 step max 创世订阅套餐，
又可以大放光彩了。
🤣我觉得这波薅推理轨迹的
最大绝对值提升可能是
阶跃 @stepfun
本来，glm-5.2、 K3 崛起了，
被誉为小型opus，
国产其他家 minimax 、xiaomi有些不明所以，
慢一拍，
现在大家赶紧抓住机会，
一口气也炼上来。
16
75
20,672
devin 的 max 200美元订阅，
等价api价值，大概是 2000美元。
今天刚好用到： 51%。
按token总量折算成USD大概200美元。
一周400美元，按5周算，2000美元。
9
40
8,159
Terminal-Bench 4.0
倒数前三各有特色
qwen-3.8-27B 作为mini 模型和美国大豆包坐一桌，还是很厉害
DeepSeek-V4-pro-0813，1.6T A49B 连 27B 都打不过🤣
Mercury-2.5 不是自回归，是一个扩散模型，属于扩散界的扛把子了，得分为零，说明主流还是自回归，记得一两年以前一个大咖的访谈也提过。
3
24
4,647
Terminal-Bench 4.0
第一，deepseek-v4-pro-0813 果然练崩了啊，
一上线第一天就感觉不对劲，
测出来垫底，还打不过自家flash。
第二，国模 性价比 顶美 交棒给 glm-5.3-flash
第三，claude 继续又贵又能打的高冷风
12
26
8,080
devin 的 fusion 模式
现在可选的是：
lead：
fable-5.1
gpt-6-astra
opus-5
sidekick：
SWE-2
gpt-5.6 sol & luna
glm-5.2
5
1
10
2,919
没有gpt pro 20x的话，
也不要 5x 买两个，plus 买10个来凑数。
20x 是 token半价的，
我没测过，
数据来自于
@Fei2411 的 real-api-pricing
31
3
42
13,680
我很好奇，
官方说大鲸鱼+坐骑组合很厉害。
到底有多厉害。
为了测试一下 DeepSeek-V4.1-Flash + deepseek harness
是否有官方说得这么炸裂，
我决定掏出祖传的 deepseek 陈年老 key，2024年的
今晚挂机跑一下评测。
😂
5
19
8,268
开源model + agent 哪家性价比高？
使用 @guanlan 的 frontier-harness-eval 。
在 K3 之外补充测了
glm-5.3 +
- claude code
- codex
- pi
- opencode
provider ：智谱官方订阅
22
4
50
104,092
因为 frontier-harness-eval 的 底座是 K3 ，
@guanlan 测出来 claude code 又慢又贵，双重垫底。
所以我很好奇，
于是底座换成 glm-5.3 ，得出的结果如下，
glm-5.3+claude code 一下子起飞了。
11
21
3,469