手贱又去试了一下cherry studio 的agent 功能，2026年都快结束了，用户对话还是不能修改。如果input有错误，还得全删了再重来一遍。这几乎是所有coding agent/chat bot的默认基础功能。真太绝了。

在 Cherry Studio 中使用所有的 agent ，不同的引擎，同样的体验

Hi Tibo / Codex team — flagging a third-party project that may be worth reviewing: miuuyy/codex-chatgpt-web The project appears to use ChatGPT Web as a model backend for Codex, allowing users who have exhausted their Codex usage limits to continue running Codex tasks against their remaining ChatGPT Web quota. The newer versions go further by reconnecting the Web model to the Codex harness through MCP, including filesystem, shell, images, approvals and other tool capabilities. I don’t think the core issue is that this is an unofficial client, nor do I think local MCP itself should be restricted because of it. The concern is the usage-accounting boundary: Codex limit reached → route the workload through ChatGPT Web → reconnect it to the Codex harness → continue essentially the same Codex workload outside the Codex usage pool. Even if the project does not technically modify a rate limit, this seems capable of turning separate product quotas into substitute paths for one another. It is also now being promoted publicly as a way to get “unlimited free Codex,” which could drive substantially more abuse than the original project intended. Might be worth having the Codex / abuse team take a look before this pattern becomes widespread. I’d much rather see the Web-to-Codex bypass addressed specifically than have legitimate local MCP users lose functionality because other people abused it. Repo: github.com/miuuyy/codex-chat…

Co-Write in WorkBuddy AI is great at generating a first draft. But getting from "AI made something" to "this is actually done" still takes work. That’s why we built Co-Write. Start with your own draft or one from WorkBuddy, then keep shaping it—rewrite, expand, rethink, and refine as you go. No perfect prompt required. No need to hand the whole task over to AI. Instead of: Prompt → output → copy → edit → prompt again It's: You write → WorkBuddy helps → you refine → WorkBuddy keeps up. WorkBuddy can work for you. And with Co-Write, it can work with you. Co-Write is now live in WorkBuddy.

我猜是Claude，中文写得特别接地气，像真人随口蹦出来的。 “同夹加一刀”这四个字一出来，就知道不是死板翻译腔😂 不过也可能是豆包自己，毕竟教程全是它。你说呢？

内容和豆包完全同步，功能几乎等同，换了个logo，隐藏了豆包中聊天模式（类似于chatgpt的chat），只有云和本地的工作模式。可以接着豆包中的chat session继续对话，但是chat session会被不可逆得转换为云或者本地work session，所以个人建议还是继续用豆包比较好。

Reset will land around 14pm PST tomorrow.

这真是一个令人费解的问题： 科技圈之外几乎没人用Agent。。。 模型很厉害了，工具很成熟了，为什么结果是我们的朋友和家人都不用呢？ ？？ 这是一个有价值的问题 解答它的人将会在未来一年获得巨大的回报

🚀 OpenCodex 1.2.0 框架彻底重构完成！ 这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。 现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI
无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关
网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥
网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥
当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通
会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。 官方模型永远稳定，第三方模型按需接入。🛡️✨

网友说终于有人下手了，3年前我在三里屯跟做机器狗的团队提过跟跑机器人的设想，驼载电池，能装补给，自动避障，跟随，全角度跟拍。。。

耿同学学术打假正式获得中共宣传层面背书，预示着国内一场学术反腐运动正式启动。 那些院士团队、长江学者、杰青，如果没有公职的话，共产党从监委纪委层次其实很难动的，都说硬骨头好啃、软骨头难嚼。 因此这次高层准备发挥群众优势，借各位肄业博士生之手，掀翻这些学术门阀世家。

说个暴论，2026 年 AI 行业的转折点，不是 GPT-5.5，也不是 o3，是蚂蚁@AntLingAGI 刚刚发布的 Ling-2.6-1T。 我用 Ling-2.6-1T 跑了一个查理芒格的 100 个思维模型的硬核任务， 结果真的太炸了，具体大家看视频演示。 当大家都在卷参数、卷推理分、卷更长上下文， 只有它反其道而行之，把 token 效率 当成了第一公民。 最震撼的是这组数据：在 Artificial Analysis 全评测中， 它展现出极高的智能-输出比（生成 16M tokens）， 整体 token 成本可降至可比模型的约四分之一， 综合智能却接近 GPT-5.4 的非推理水平， 直接落在所有模型都梦寐以求的“高智能 + 极低生产成本”象限。 这才是真正的生产级 AI，而不是实验室刷榜玩具。 Agent 时代最大的痛点从来不是模型不够聪明，而是用不起。 一个复杂任务调用十几次模型、几十次工具、拉几百 K 上下文， token 成本指数级爆炸，很多 Agent 方案一到规模化就死掉， Ling 把这个天花板直接抬高了数倍。 它走的是和 o1 类模型完全相反的路线：别人靠慢思考堆 token 刷榜， 靠 MoE 优化的 Fast-Thinking 机制实现又快又准。 写代码、搭 UI、编排 Agent、多步工作流——我们每天 90% 的事， 根本不需要深度多跳推理，需要的是精确、稳定、快、便宜。 而这些，Ling 全部做到了：SWE-bench Verified SOTA 级表现（72.2+）、AIME26 高分、指令遵循和工具调用榜单全面领先。 蚂蚁的底气很简单：背靠支付宝 13 亿用户 + 全世界最复杂的金融支付场景，天然拥有海量真实 Agentic 数据。 Ling 系列从一开始就不是为了刷榜，而是为了每天处理上亿次生产请求而生。 更狠的是它的打法：OpenRouter 已上线一周免费 API（262K 上下文）， 官方确认即将开放权重——这明显在抢生态，和当年 DeepSeek 路数一样， 但这次握着的是生产级效率这个最大杀器。 这意味着2026 年的游戏规则彻底变了：不再是谁参数多谁牛，而是谁能在真实生产成本下跑赢。 过去的刷榜竞赛已进入尾声， 真正的生产落地竞赛才刚刚开始。