Holy Shit! $NVDA CEO Jensen Huang resigns!
NVIDIA announces CEO transition. Read the release: nvidianews.nvidia.com/news/n…
53
OpenAI 发布了 ChatGPT Images 2.5!
对开发者来说还有一个非常明显的变化:API 现在拆成了 Flare 和 Sunburst !
Flare 偏速度和大规模生成,Sunburst 偏 editing precision 和高质量 production workflow。
以后做 AI Image App 可以根据 workflow 在 latency / quality / cost 之间动态 routing。
ChatGPT Images 2.5—faster, sharper, smarter, with better tools for creating whatever you can dream of.
- Faster image generation to keep your ideas flowing
- Improved fidelity for more natural, recognizable images
- Consistent details across multiple edits
- Comment-based edits to change only what you want
224
Andrew Ng 最近发了一张 AI Engineering Skills Map!
里面列了四项能力:
• Building & deploying AI applications
• Software engineering fundamentals
• Using coding agents
• Shaping the build
我第一眼其实觉得:这些都不算特别意外!
LLM、RAG、Agent、Eval、Software Engineering……
过去一年基本都讨论过。
但我后来重新看了一遍经过思考发现第四项:
Shaping the build
因为它和前面三项放在一起,有一个很明显的变化:
工程师越来越不缺“把东西写出来”的能力了。
至少在我自己使用 Codex 这类 Coding Agent 的过程中,这种感觉越来越明显。
以前做一个功能,大量时间花在:
查文档、搭结构、写 boilerplate、调 API、修一些并不复杂的 bug。
现在这些事情 Agent 已经能吃掉相当大一部分。
但是,我并没有觉得工程变简单了。
很多时候是另一批问题变得更突出:
哪些东西可以放心交给 Agent?
哪些地方必须人为 review?
Agent 说“完成了”,我凭什么相信它真的完成了?
这些问题,Coding Agent 基本不会替你做最终判断。
这也是为什么我现在越来越觉得:
Software Engineering fundamentals 在 AI Coding 时代的重要性!
因为你需要看懂 Agent 正在替你做什么 trade-off。
你得知道什么时候该给更多 context,
什么时候应该停下来重新 planning,
什么时候需要 tests / verifier,
什么时候干脆不应该让它继续修改。
我自己对 Coding Agent 的理解也在发生变化。
最早会把重点放在 Prompt:
“怎么写得更详细,才能让它一次做对?”
后来慢慢变成:
Goal→ Context→ Plan → Execution → Verify → 再决定下一步
所以 Andrew Ng 这张图里,我最认同的是它隐含的角色变化:
过去 Software Engineer 很大一部分价值来自 implementation。
以后 implementation 依然重要,但越来越多的价值会落到:
你能不能定义对的问题,做正确的工程判断,以及验证 Agent 的结果。
如果一定让我压缩成几个词,我目前会写成:
Judgment、Delegation、Verification。
代码并没有不重要。
只是“把代码写出来”,正在迅速变成整个工程过程中越来越便宜的那一部分!
265
官方公布了 Codex 开启 100 万 token 上下文的方法(针对 GPT-5.6 Sol)
具体操作: 打开 ~/.codex/config.toml,在最上面加上这三行:
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
保存后重启 Codex,新开一个会话即可生效。
也可以用命令行临时测试,不改默认配置。
官方特意强调:默认上下文是经过性能和成本调优的,不是随便压低的。
我的看法理解认为:
1M 上下文应该是特定场景的工具!
日常写代码、改小模块,默认就够用
只有在跨很多文件、长链路 agent 任务、需要长时间保留工具输出时,才值得临时打开。
开了之后如果不主动做阶段性总结和清理,上下文再大也会慢慢变脏!
Here is how to enable a 1M-token context window in Codex for GPT-5.6 Sol.
Even though we have tuned the context limit in Codex to be set optimally when it comes to performance and cost, this is a common ask, so here it is documented.
A larger context window lets Codex retain more code, tool output, and conversation history before summarizing older material. You need a model that supports it. And GPT-5.6 Sol, for example, has a documented 1,050,000-token window.
Open ~/.codex/config.toml and add or update these settings at the top level, before any [section] headers:
```
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
```
The first setting selects the model. The second tells Codex to use a one-million-token context budget. The third starts automatic history compaction around 900,000 tokens, leaving some headroom. Restart Codex client and start a new session after saving.
To try the configuration for a single CLI session without changing your defaults:
```
codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000
```
Have fun, but also know that we tuned the default carefully!
1
1
236
分享一个我经常使用的命令行:
npx ccusage@latest
如果你平时同时在用多个 AI Coding Agent,这条命令很好用,建议收藏!
ccusage 目前已经支持一大批主流 Coding Agent / CLI,
包括:Codex、Claude Code、OpenCode、Gemini CLI、
GitHub Copilot CLI、Kimi、Qwen、Amp、Droid 等。
而且最方便的是:不用全局安装,直接在终端运行:
npx ccusage@latest
它就会自动读取本机已经存在的 Usage Logs,把检测到
的不同 Coding Agent 使用情况汇总到一起,包括:
Token Usage、Estimated Cost、使用过的 Models、
Session 消耗
我平时最常看的其实是每天的 Usage:
npx ccusage@latest daily
想换时间维度也很简单:
# 每周
npx ccusage@latest weekly
# 每月
npx ccusage@latest monthly
# 每个 Session
npx ccusage@latest session
如果只想看某一个 Agent,也可以直接指定:
# Codex
npx ccusage@latest codex daily
# Claude Code
npx ccusage@latest claude daily
# Gemini CLI
npx ccusage@latest gemini daily
# OpenCode
npx ccusage@latest opencode daily
还可以进一步拆到具体 Model:
npx ccusage@latest daily --breakdown
这样就能看到不同模型分别消耗了多少 Token。
我觉得这个工具真正解决了现在 AI Coding Workflow 越来越碎的问题。
你可能今天用 Codex,另一个项目用 Claude Code,
偶尔又切 Gemini CLI、OpenCode 或其他 Agent。
最后连一个很简单的问题都不好回答:
我今天到底烧了多少 Token?
ccusage 相当于直接在 Terminal 里给这些 Coding Agent 做了一个统一的本地使用情况仪表盘!
如果你平时也是多个Agent 混着用,这条命令可以收一下!
1
1
166
Come on guys!一小时ChatGPT Work 教程,收藏学习起来!
Learn 99% of ChatGPT Work in 61 minutes:
GPT Work is like Codex in the cloud.
It works on phone, web, and desktop.
And I've been using it to run my business.
These are the 14 knowledge work capabilities.
00:00 Intro
03:18 #1 Presentations
09:16 #2 Plugins
17:36 #3 Blocks
23:34 #4 Websites & Apps & Hosting
30:09 #6 Branching Chats
31:51 #7 Desktop App (Cloud vs Local)
37:01 #8 Voice Mode
41:36 #9 Remote Voice Mode
45:52 #10 In-App Browser
48:50 #11 Skills
51:45 #12 Scheduled Automations
54:37 #13 Spreadsheets
56:58 #14 Multi-Agent Workspace
59:19 Final Review
1
1
268
把 Anthropic CEO 做成 Codex Pet 之后,我发现这东西比想象中有意思 !😂
Codex Pet 不只是官方提供的几个小宠物,你完全可以自己准备角色图,然后让 Codex 帮你生成一套专属 Pet。
而且不同工作状态,还可以设计不同的动作和表情:
待机、跑动、等待、审查代码、等待你的输入、失败 / 阻塞
我这个版本就故意设计成:
平时皱着眉站在 Prompt Box 里,默默看着我使用 GPT-5.6 Sol Extra High。
仿佛每天都在问我:
“你都把我放进 Codex 了,为什么还不用 Claude Code?”
整个制作过程其实没有想象中复杂:
角色原图 → Prompt 定义角色和动作 → 生成 Sprite → 导入 Codex → 唤醒 Pet
如果你也想给自己的 Codex 塞一个专属的 “Coding Supervisor”,我可以下一篇把完整制作过程整理出来。
包括:我使用的原图、完整 Prompt、各个状态怎么设计,以及实际踩过的坑
这样你就可以把任何喜欢的角色,放进 Codex 里陪你 Coding 了!
I turned Anthropic’s CEO into a Codex Pet.
Now every time I use GPT-5.6 Sol Extra High, he just stands in the prompt box staring at me like:
“You put me inside Codex… and you’re still not using Claude Code?”
1
148
X 今天发布了新的 Original Content Rewards Program!
官方写得很长,我用人话解释一下新的收益规则:
以后不是你的 Post 有多少 Views,就按多少 Views 赚钱。
真正能产生收益的,是 Qualified Impressions。
简单理解,需要同时满足:
1. 你的内容是原创的
2.用户是 Premium 用户
3.他是在 Home Timeline 看到你的 Post
4. Post 至少有 50% 出现在屏幕里
5. 同一个用户重复看同一条,只算一次
6. 刷出来的、欺诈流量也不会算。
另外一个很容易搞混的地方:
申请门槛和赚钱的 Impression,不是一回事。
申请需要至少:
500 Verified Followers
+
过去 90 天 500,000 Verified Home Timeline Impressions
但是真正进入收益计算的,是你的原创内容产生了多少 Qualified Impressions!
所以以后看到:
“这条 Post 100 万 Views”
这个数字本身已经不能说明它赚了多少钱。
真正有价值的问题应该是:
其中有多少,是 Premium 用户在 Home Timeline 真正看到你的原创内容?
这才是 X 新收益机制最核心的变化。
2
1
173
最新爆料说,OpenAI 计划最快下周发布新模型 Astra,内部最新 checkpoint 叫 “mewfour”,目前已经是发布候选版本!
另外一个很关键的信息是,Astra 不是在现有模型上继续修修补补,是一次新的预训练。据说它也是 OpenAI 自 GPT-4.5 以来训练过的最大模型。
我现在更好奇的是把 Astra 放进 Codex 这种产品以后,能不能真的把任务跑得更久、更稳!
当然,目前“下周发布”“mewfour 已经是 RC”这些信息都还是爆料。
不过应该不用等太久了!
🚨 EXCLUSIVE: OpenAI are preparing to launch Astra imminently, targeting next week.
Their next major model, Astra is a new pretrain - the largest model OpenAI have trained since GPT-4.5. Their most recent dogfood checkpoint of the model, internally known as "mewfour", is the Release Candidate.
2
266
I turned Anthropic’s CEO into a Codex Pet.
Now every time I use GPT-5.6 Sol Extra High, he just stands in the prompt box staring at me like:
“You put me inside Codex… and you’re still not using Claude Code?”
如果你的 ChatGPT 账号绑定的是 giffgaff(或任何即将失效的手机号),千万不要先退出账号!
OpenAI 目前不能修改绑定手机号。
如果旧号码已经失效,而你又退出了登录,未来登录新手机、Mac 或 Codex 时,可能会直接卡在短信验证。
正确的处理流程:
① 不要退出任何已经登录的设备。
② 打开:
Settings → Security
③ 先开启 Passkey(通行密钥)
让你的 iPhone / Mac(iCloud Keychain)或密码管理器保存 Passkey。
④ 再配置 Authenticator
例如:
• 1Password
• Google Authenticator
• Microsoft Authenticator
• Authy
确认能正常生成验证码,并实际测试一次。
⑤ 如果你有 YubiKey 等硬件设备,再添加 Security Key。
它属于额外的高安全级别保护,不是每个人都必须配置。
⑥ 最后确认登录方式。
确保至少拥有两种可以独立登录的方法:
✅ Passkey
✅ Authenticator
SMS 不要作为唯一验证方式。
只有完成上面这些,再考虑更换设备或退出当前登录。
如果你使用的是 iCloud Passkey,请确认 iCloud Keychain 已开启并正常同步;如果更换 Apple ID 或关闭 Keychain,Passkey 也可能无法使用
如果你现在还绑定着一个已经失效的手机号,建议马上检查一次自己的 Security 设置,别等到需要登录新设备时才发现已经没有退路了。
1
2
222
如果你也正在使用 Opus 5,请先做好以下几点。
这是我最近踩坑后最实用的经验:
明确任务范围
规定输出长度和格式、
只回答被问到的内容、
不确定就明确说明,不要自行推断、
对额外生成的信息单独核查、
比如让它总结文章、提取网页信息、比较产品或起草内容时,核心任务通常完成得很好,但它很容易顺手补充背景、结论和建议。
看起来更完整,真正容易出错的往往也是这些额外内容!
Opus 5 很强,但默认倾向于多做,用好它的关键,是把边界说得足够具体!
We benchmarked Opus 5 vs. GPT 5.6 Sol on scraper usage, here are the results:
1. Performance on the core tasks was nearly identical
2. Opus was ~2x more verbose than Sol
3. Opus tends to include information beyond what is asked and that's where it makes mistakes
To use Opus effectively, give it concrete instructions and verify the extra work it does on top
1
1
243
同一个 Prompt!上面是 Kimi K3,下面是 Opus 4.8!
Kimi 做出来的是一个完整的军械库场景,Opus 更像只是刚把房间和几张桌子搭起来。
当然,单凭一个案例不足以证明 Kimi 全面超过 Opus!
但要是在做 3D、游戏或者 Visual Coding,我会先跑一遍 Kimi K3!
I tested Kimi K3 vs Claude Opus 4.8
Same prompt, an armory bay with lighting, props, and detail. Top is Kimi K3, bottom is Opus 4.8.
It's not even close.
Kimi K3 built a full scene with textures, proper lighting, ammo crates, weapon racks, working detail everywhere. Opus 4.8 gave me a near empty room with a couple of floating tables.
No doubt it beats Opus 4.8. Kimi K3 is Fable 5 level, and it's clearly better than GPT-5.6 Sol at 3D and games.
An open weight model just matched the best closed models on the market. Let that sink in.
















