即刻App年轻人的同好社区
下载
Codex模型怎么选：Luna、Sol还是Astra
OpenAI 发布了新模型 GPT 6 Astra，我使用的个人体感是：任务完成得更快，额度条也可能掉得更快。
OpenAI 的官方说明是，Astra 可能比 Sol 更快消耗 Work 和 Codex 额度，实际结果还会受到任务规模、上下文、输入输出、推理设置和 Fast mode 影响。也就是说，Astra 少生成一部分 token，并不代表这次任务一定更省额度。
按当前公开的 credit rate，同样 token 下 Astra 的价格约为 Sol 的 2.5 倍，和 Luna 的差距约为 42 至 50 倍。Luna max 适合需求已经拆清楚的实现、批量修改和测试；Sol medium 更适合日常开发和长时间使用；Astra light 则适合跨文件修改、复杂规划，以及 Sol medium 开始反复试错的任务。
公开评测里，Astra light 同档参考值和 Sol medium 处于同一梯队，Astra 的输出也更精简。社区反馈却有两种方向：有人觉得它更聚焦、更快完成；也有人发现五小时额度下降得很快。这些体验都可能成立，因为「完成一个任务用了多少额度」和「每分钟额度下降多快」是两个观察角度。
我现在更推荐一条渐进式顺序：先用 Luna max 执行明确任务，Sol medium 作为日常主力，复杂任务切到 Astra light，只有 light 处理不下来时再升到 medium 或更高。连续记录几次真实任务的完成时间、额度变化和返工次数，再决定自己的默认模型。
OpenAI 发布了新模型 GPT 6 Astra，我使用的个人体感是：任务完成得更快，额度条也可能掉得更快。
OpenAI 的官方说明是，Astra 可能比 Sol 更快消耗 Work 和 Codex 额度，实际结果还会受到任务规模、上下文、输入输出、推理设置和 Fast mode 影响。也就是说，Astra 少生成一部分 token，并不代表这次任务一定更省额度。
按当前公开的 credit rate，同样 token 下 Astra 的价格约为 Sol 的 2.5 倍，和 Luna 的差距约为 42 至 50 倍。Luna max 适合需求已经拆清楚的实现、批量修改和测试；Sol medium 更适合日常开发和长时间使用；Astra light 则适合跨文件修改、复杂规划，以及 Sol medium 开始反复试错的任务。
公开评测里，Astra light 同档参考值和 Sol medium 处于同一梯队，Astra 的输出也更精简。社区反馈却有两种方向：有人觉得它更聚焦、更快完成；也有人发现五小时额度下降得很快。这些体验都可能成立，因为「完成一个任务用了多少额度」和「每分钟额度下降多快」是两个观察角度。
我现在更推荐一条渐进式顺序：先用 Luna max 执行明确任务，Sol medium 作为日常主力，复杂任务切到 Astra light，只有 light 处理不下来时再升到 medium 或更高。连续记录几次真实任务的完成时间、额度变化和返工次数，再决定自己的默认模型。
0 00
没想到蒙古人答题也会钻空子
用 AI 帮朋友手搓了一个蒙古可用的答题网站
0 00
今日又学到了一个原文与今意不符的例子：「相忘于江湖」。
当下被理解为「两个人洒脱地分别，从此忘记对方」。而在原文中，它的含义是，「真正好的状态，是彼此都能够自由存在，以至于根本不需要依靠艰难的相互扶持来确认彼此。」
泉涸，鱼相与处于陆，相呴以湿，相濡以沫，不如相忘于江湖。与其誉尧而非桀也，不如两忘而化其道。夫大块载我以形，劳我以生，佚我以老，息我以死。故善吾生者，乃所以善吾死也。—— 《庄子·内篇·大宗师》
当下被理解为「两个人洒脱地分别，从此忘记对方」。而在原文中，它的含义是，「真正好的状态，是彼此都能够自由存在，以至于根本不需要依靠艰难的相互扶持来确认彼此。」
泉涸，鱼相与处于陆，相呴以湿，相濡以沫，不如相忘于江湖。与其誉尧而非桀也，不如两忘而化其道。夫大块载我以形，劳我以生，佚我以老，息我以死。故善吾生者，乃所以善吾死也。—— 《庄子·内篇·大宗师》
1 00
和 GPT 聊生图需求时，它对我需求的总结（图1）让我想起在不熄灯播客里雨白说过的一句话「一些人 AI 用不好的原因，是没有意识到 AI 和他没有共同知识」，很好地反映了为什么我们很多时候无法从 AI 那里得到想要的结果。
就比如我想生成一些「日常疯感」风格的图片，但 GPT 帮我总结的关键词都是「比例异常、空间错位、表情过度、身体与物体发生奇怪连接」，生成的图片都是两张嘴、三只眼，什么「女人在厨房煎鸡蛋，蛋黄是一只眼睛」这种诡异的内容。
原因是我和它理解的「疯」不是一回事。我想要的是它最后在图片中总结的，「旁若无人、行为略微越出公共场合的惯常尺度、完全沉浸在自己的情绪和节奏中」，它一开始理解的「疯」那是真的发疯， 图2是它生成的「日常疯感之女生吃意面」，堪比威尔史密斯吃意面的崩坏程度了🫠
所以我仍然觉得现在的 AI 很「笨」，原因是它无法猜测你的想法，只能通过你提供的上下文来理解你的需求，很多时候上下文信息不充分或是给偏了，得到的结果就会「失之千里」。这时候很多人会觉得 AI 不行，大骂一声「傻 X AI」。
这也是为什么我关注的 AI 博主都在强调前期规划的重要性。「对齐颗粒度」，虽然我很不想用这个词，但确实是使用 AI 的重中之重。AI 不仅在背景知识上和人有差异，思维方式或者说执行任务的方式，和人也完全不同。
AI 本质上就是个放大器。
就比如我想生成一些「日常疯感」风格的图片，但 GPT 帮我总结的关键词都是「比例异常、空间错位、表情过度、身体与物体发生奇怪连接」，生成的图片都是两张嘴、三只眼，什么「女人在厨房煎鸡蛋，蛋黄是一只眼睛」这种诡异的内容。
原因是我和它理解的「疯」不是一回事。我想要的是它最后在图片中总结的，「旁若无人、行为略微越出公共场合的惯常尺度、完全沉浸在自己的情绪和节奏中」，它一开始理解的「疯」那是真的发疯， 图2是它生成的「日常疯感之女生吃意面」，堪比威尔史密斯吃意面的崩坏程度了🫠
所以我仍然觉得现在的 AI 很「笨」，原因是它无法猜测你的想法，只能通过你提供的上下文来理解你的需求，很多时候上下文信息不充分或是给偏了，得到的结果就会「失之千里」。这时候很多人会觉得 AI 不行，大骂一声「傻 X AI」。
这也是为什么我关注的 AI 博主都在强调前期规划的重要性。「对齐颗粒度」，虽然我很不想用这个词，但确实是使用 AI 的重中之重。AI 不仅在背景知识上和人有差异，思维方式或者说执行任务的方式，和人也完全不同。
AI 本质上就是个放大器。
0 00
不得不说，GLM 模型生成 PPT 的能力就是比 DeepSeek 更好，比 GPT 更适应中国国情。
不管是之前的 GLM-5.2 还是最新的 GLM-5.3-Flash，使用 PPT-Master Skill 生成的 PPT 基本都能达到直接使用的程度。
不管是之前的 GLM-5.2 还是最新的 GLM-5.3-Flash，使用 PPT-Master Skill 生成的 PPT 基本都能达到直接使用的程度。
0 00