EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • Anthropic 與 OpenAI 同日重置使用者速率限制,市佔消耗戰升溫

    Anthropic 與 OpenAI 同日重置使用者速率限制,市佔消耗戰升溫。

    速率限制調整與市場動態
    隨著 OpenAI 的 GPT-5.6 系列模型推出,Codex 與 ChatGPT Work 的使用者成長速度驚人,每日新增約一百萬名活躍使用者,目前已突破 900 萬大關。為了維持服務穩定,Tibo(@thsottiaux)宣布再次重置所有使用者的額度,並預計在短時間內恢復 100% 的每週使用限制。與此同時,ClaudeDevs 團隊亦同步宣布重置所有使用者的 5 小時與每週速率限制,展現出兩大 AI 巨頭在推論成本補貼上的激烈角力。
    競爭格局與策略分析
    這場由 OpenAI 與 Anthropic 引發的消耗戰正持續升溫,雙方皆不惜投入大量資源以爭取市佔率。回顧近期動態,Anthropic 在一個月內已罕見地兩度重置訂閱使用者額度(含 5 小時與每週限制),顯示其在面對 OpenAI 強勢擴張時,採取了防禦性的應對策略。
    相關背景脈絡
    這波服務調整並非單一事件,而是延續了近期 AI 服務頻繁變動的趨勢:
    本站先前策展過〈Codex 與 ChatGPT Work 額度重置〉,記錄了當時達到 700 萬使用者的里程碑。
    本站先前策展過〈Codex 與 ChatGPT Work 移除 5 小時限制〉,當時 OpenAI 針對高強度使用需求進行了首次重大調整。
    本站先前策展過〈GPT-5.6 使用量激增與限制重置〉,分析了 OpenAI 在成本與 token 效率上的優勢。
    本站先前策展過〈ClaudeDevs 重置速率限制〉,記錄了 ClaudeDevs 團隊先前的調整動作。
    隨著兩大陣營持續透過補貼推論成本來搶佔使用者,這場關於運算資源與使用者黏著度的競爭,短期內恐難以平息。

    原文:https://easyvibecoding.app/curated/2555-anthropic-openai-reset-rate-limits-same-day

    2 min
  • OpenAI 推出 Codex Micro 硬體控制器操控 Agent 工作流

    OpenAI 推出 Codex Micro 硬體控制器操控 Agent 工作流。

    產品發布與定位
    OpenAI 於 2026 年 7 月 16 日正式發布與硬體品牌 Work Louder 聯名開發的「Codex Micro」控制器。該裝置被定位為「Agent 工作指揮中心」,旨在將研究與部署成果轉化為實體周邊。目前該產品已於 OpenAI Supply 網站上架,採限量發售模式,售完即止。
    OpenAI 品牌包裝盒內展示了一款帶有 Codex 字樣的客製化鍵盤裝置。
    硬體規格與設計
    根據官方資訊與產品展示,Codex Micro 具備以下硬體特性:
    機身採用 CNC 加工鋁合金外殼,鍵帽選用 PBT 與 PC 材質。
    配備多個可自定義按鍵、一個旋鈕及一個類比搖桿,並具備可變色的 RGB LED 背光,能隨 Agent 的處理狀態(如 Thinking、Done)變換燈光顏色。
    支援藍牙與 USB-C 連接,相容於 macOS 與 Windows 作業系統。
    一位講者展示如何透過專用硬體控制器「Codex Micro」與 OpenAI 的 Codex 平台進行語音互動與專案開發。
    軟體整合與應用
    Codex Micro 的核心價值在於與 OpenAI 的 Codex 平台深度整合,讓開發者能將複雜的 Agent 任務映射至實體按鍵:
    工作流映射:使用者可透過設定介面,將按鍵、旋鈕與搖桿綁定至常用的 Codex 動作,例如執行常用的 skill、建立 Pull Request,或觸發自己的 Codex pet。
    Agent 互動:透過專屬的設定介面,使用者可管理「Agent keys」、調整鍵盤配置(Keyboard layout)以及監控裝置狀態(如電池電量、亮度、自動調光設定)。
    視覺化輔助:Codex 平台的 UI 介面可與控制器連動,讓使用者在開發過程中,能隨時透過控制器查看釘選的對話脈絡(pinned chats)或執行專案視覺化任務。
    這是一段展示 Work Louder 與 OpenAI 合作開發的硬體控制器,透過語音指令進行設計系統生成的演示。
    開發者生態
    除了核心的 Codex Micro 控制器外,OpenAI 同步推出了一系列聯名周邊商品,包括 T 恤、帽子、襪子、水壺及帆布袋等。這批聯名商品將 Codex 的常用操作帶到實體控制器上,按鍵與搖桿可依個人工作流程自訂。欲了解詳細產品資訊或進行購買,可參考 OpenAI Supply 官方頁面。
    Supply Co. 網站展示與 OpenAI 聯名推出的 Codex Micro 智慧工作控制器及相關周邊商品。

    這是一段展示 Work Louder 與 OpenAI 合作開發的硬體控制器,透過語音指令進行設計系統生成的演示。 影片中的 Prompt 與操作:

    Prompt(00:14): 根據這些生成一個完整的設計系統

    原文:Generate a full design system based on these

    操作步驟: 1. (00:14)輸入語音指令 2. (00:17)裝置顯示「Thinking」狀態,按鍵亮起藍燈 3. (00:20)裝置顯示「Done」狀態,按鍵亮起綠燈

    一位講者展示如何透過專用硬體控制器「Codex Micro」與 OpenAI 的 Codex 平台進行語音互動與專案開發。 影片中的 Prompt 與操作:

    Prompt(00:30): 建立一個名為「One Letter Off」的瀏覽器遊戲。玩家一次更改一個字母,將單字「cold」變成「warm」。增加 30 秒計時器、連勝機制以及令人滿意的方塊動畫。

    原文:Build a browser game called One Letter Off. Players change one letter at a time to turn the word cold to warm. Add a 30-second timer, streaks, and satisfying tile animations.

    Prompt(02:16): 讓勝利狀態更生動,並增加連勝計數器。

    原文:Make the win state punchier and add a streak counter.

    操作步驟: 1. (00:03)講者將手放置於 Codex Micro 控制器上。 2. (00:29)講者按住控制器按鍵進行語音輸入。 3. (00:54)講者旋轉控制器上的旋鈕調整推理強度。 4. (01:59)講者雙擊控制器按鍵以查看背景應用程式狀態。 5. (02:05)講者切換至權限確認介面並按下接受。 6. 講者撥動類比搖桿作為解壓玩具。 7. 講者進入 Codex Micro 設定頁面調整按鍵映射。

    Supply Co. 網站展示與 OpenAI 聯名推出的 Codex Micro 智慧工作控制器及相關周邊商品。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:04 點擊「加入購物車」按鈕。 2. @00:19 點擊「返回商店」連結。 3. @00:34 瀏覽商品列表頁面。 4. @00:41 進入「常見問題」頁面。 5. @00:50 瀏覽器網址列顯示 Supply Co. 相關頁面連結。

    原文:https://easyvibecoding.app/curated/2549-openai-launches-codex-micro-hardware-controller

    3 min
  • OpenAI 透過社群活動發放 100 美元 Codex 點數,鼓勵使用者分享 GPT-5.6 Sol 的使用心得

    OpenAI 透過社群活動發放 100 美元 Codex 點數,鼓勵使用者分享 GPT-5.6 Sol 的使用心得。

    社群推廣與獎勵機制
    Tibo(@thsottiaux)與 OpenAI 官方帳號(@ChatGPTapp)近期針對「GPT-5.6 Sol」模型發起推廣活動,旨在透過社群分享提升使用者參與度。OpenAI 官方架設了專屬活動網站 switch-to-codex.openai.chatgpt.site,並祭出 100 美元的 Codex 點數作為獎勵,目標是讓前 10,000 名參與者獲得額外的 token 使用額度。
    OpenAI 舉辦社群活動,鼓勵使用者分享使用 GPT-5.6 的心得,即可獲得 100 美元的 Codex 點數。
    活動參與步驟
    根據活動頁面顯示,使用者需完成以下步驟以領取獎勵:
    在 X(原 Twitter)上發布關於「GPT-5.6」的使用心得,或分享透過該模型創作的內容。
    準備好具備 ChatGPT Go、Plus 或 Pro 方案的帳號。
    將該貼文的連結與對應的 ChatGPT 帳號 email 提交至活動表單。
    經 OpenAI 核實後,系統將會為該帳號加入 100 美元的 Codex 點數。
    技術整合與應用
    開發者 Corey Ching(@coreyching)指出,目前已透過「Sites plugin」整合了 Codex 功能,並強調該整合具備行動裝置響應式設計與儲存功能。隨著使用量快速成長(Tibo 提到即將突破 900 萬次使用),Tibo 也詢問社群,是否應再次重置 ChatGPT Work 與 Codex 的使用額度,或先維持現況。

    OpenAI 舉辦社群活動,鼓勵使用者分享使用 GPT-5.6 的心得,即可獲得 100 美元的 Codex 點數。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)瀏覽活動網頁內容,包含活動步驟說明與驗證流程。 2. (00:02)在表單中輸入 ChatGPT 電子郵件與 X 貼文連結,並勾選確認條款。 3. (00:20)瀏覽常見問題區(FAQ)。

    原文:https://easyvibecoding.app/curated/2551-openai-gives-100-codex-credits-for-feedback

    2 min
  • Boris Cherny 提出工程師應將領域知識轉化為基礎設施,透過編寫 CLAUDE.md、skills 與自動化流程,讓 Agent 能在無需額外人工提示下高效協作

    Boris Cherny 提出工程師應將領域知識轉化為基礎設施,透過編寫 CLAUDE.md、skills 與自動化流程,讓 Agent 能在無需額外人工提示下高效協作。

    自動化的槓桿效應
    過去優秀的工程師會花費大量時間進行自動化工作,例如優化編輯器設定、編寫檢查程式碼品質的 lint 規則,或是建立端到端(End to End)測試套件。Boris Cherny 指出,這些活動在過去是工程師提升產出槓桿率的關鍵,而在 Agent 時代,其重要性更勝以往:
    效率倍增:基礎設施與開發體驗(DevX)的自動化不僅能提升人類工程師的速度,當團隊使用多個 Agent 協作時,每個 Agent 的執行效率也會同步提升。
    自動化取代單次修復:與其讓 Agent 每次遇到相同問題都重新處理(這會消耗大量 token 且容易遺漏邊緣案例),不如讓 Claude 直接編寫 lint 規則、CI 流程或常規腳本。這種將瑣事轉化為程式碼的過程,正是所謂「loop」的核心意義,即徹底自動化一整類的工作,而非僅是單次解決問題。
    降低貢獻門檻
    自動化不僅是為了速度,更是為了讓團隊成員能更輕易地參與專案。Boris Cherny 觀察到,現代工程師透過 Claude 的輔助,能在加入專案的第一天就開始貢獻程式碼,甚至非工程師也能達到相當的產出水準。阻礙這種協作的關鍵在於「隱性知識」——那些僅存在於開發者腦中、尚未被編碼的領域知識。
    擴展知識編碼範圍:過去領域知識的自動化受限於 lint 規則、型別系統與測試;現在,這些知識可以被編碼為程式碼註解、skills、CLAUDE.md 規則以及 Agent 的記憶。
    減少溝通成本:如果一個 PR 因為不符合框架規範被拒絕,或是設計師開發的功能因違反架構模式被退回,這在 Boris Cherny 看來都是「自動化的失敗」。這代表團隊未能將領域知識轉化為基礎設施,導致 Agent 或新進人員必須仰賴人類的額外說明才能工作。
    團隊的行動方針
    Boris Cherny 強調,每個開發團隊都應積極編寫 CLAUDE.md、REVIEW.md、skills 與相關文件,目標是讓 Agent 能夠在「零額外提示」的情況下,在程式庫中進行生產力開發。
    將知識轉化為基礎設施:隨著大型語言模型變得更聰明,且 Agent 的 harness 逐漸成熟,這項任務將變得越來越簡單。
    持續優化:團隊應將領域知識轉化為基礎設施,這不僅能讓 Claude 寫出更好的程式碼,也能確保程式碼審查能自動攔截問題,並讓下一位參與專案的成員能更無縫地進行貢獻。這不僅是技術上的演進,更是工程師傳統「自動化與編碼領域知識」精神的自然延伸。

    原文:https://easyvibecoding.app/curated/2554-boris-cherny-turns-domain-knowledge-infrastructure

    4 min
  • DoorDash 推出 dd-cli 讓開發者透過終端機訂餐

    DoorDash 推出 dd-cli 讓開發者透過終端機訂餐。

    核心功能與應用
    DoorDash 共同創辦人 Andy Fang 近期宣布開放 dd-cli 的有限測試,這項工具旨在將外送服務整合至 Agent 的工作流程中。透過 dd-cli,使用者可以在終端機環境下執行搜尋餐廳、篩選優惠以及結帳等操作。根據示範影片顯示,Claude Code 可透過解析 menu.json 等檔案,自動化處理複雜的訂購邏輯,例如識別多位使用者的餐點需求(如「The Modern Caesar」、「Thai Mango Salad」與「The Seasonal GOWT with Summer Peaches」)、自動計算總價($64.90),並精確扣除「Meal Perk」福利($25.00),最終進入付款確認步驟。
    Claude Code 透過終端機介面自動化處理 Mendocino Farms 的餐點訂購流程。
    社群反應與爭議
    此項工具在開發者社群引發了兩極化的討論:
    支持觀點:部分使用者認為這展示了 Agentic 程式開發的潛力,強調透過終端機指令即可完成訂購,無需額外開啟圖形介面,實現了真正的自動化體驗。
    質疑觀點:許多使用者對此功能抱持懷疑態度,直言「根本不需要」透過終端機來訂餐,甚至有人質疑為何需要讓 Claude Code 介入日常飲食訂購,認為這類應用偏離了開發工具的實際需求。
    參與管道
    目前 dd-cli 僅針對美國與加拿大的 macOS 開發者開放,有興趣嘗試 Agentic 商業應用的開發者可透過 官方表單 申請加入候補名單。

    Claude Code 透過終端機介面自動化處理 Mendocino Farms 的餐點訂購流程。 影片中的 Prompt 與操作:

    Prompt(00:00): 請在 Mcry_comms 幫我發布「Seasonal GOWT with Summer Peaches」,Yaki 說要一份「Thai mango salad with chicken」。再加上我平常點的 Chicken Caesar,然後幫我從公司樓下的 Mendocino Farms 建立一個這三份餐點的自取訂單。盡快自取。在下單前請先給我購物車清單和總金額。

    原文:Please post the 'Seasonal GOWT with Summer Peaches' and Yaki posted 'Thai mango salad with chicken please' in Mcry_comms. Add my usual Chicken Caesar, then build one pickup order for all three from the Mendocino Farms downstairs at my work address. ASAP pickup. Show me the itemized cart and total before you place it.

    操作步驟: 1. (00:00)輸入訂購指令 2. (00:34)系統讀取菜單檔案並解析餐點 3. (00:40)將餐點加入購物車 4. (00:55)顯示訂單明細與總金額 5. (00:59)應用 Meal Perk 福利並計算最終金額 6. (01:05)確認支付方式並請求使用者確認訂單

    原文:https://easyvibecoding.app/curated/2536-doordash-launches-dd-cli-for-ordering-food

    2 min
  • Palantir 發布 Agent Engine 與 Agent SDK 支援多人協作

    Palantir 發布 Agent Engine 與 Agent SDK 支援多人協作。

    核心架構與設計理念
    Palantir Group Lead Natasha Armbrust 指出,現有的簡單迴圈(while loop)架構難以應對真實世界中非同步、並發且具備「人類在迴圈(human-in-the-loop)」需求的複雜場景。為此,Palantir 打造了全新的 Agent 堆疊,其底層架構由下而上依序為:
    Ontology:作為資料與邏輯的基礎。
    Orchestrator:提供 Agent 迴圈的耐久性(durability)基礎設施。
    Agent Engine:託管並執行 Agent 原語的 API 與執行階段層。
    Agent SDK:供開發者定義複雜 Agent 的高階工具。
    一位講者在 DevCon 活動中,透過架構圖解說 Agent Stack 的組成與運作機制。
    三大核心原語(Primitives)
    Agent Engine 的運作建立在三項關鍵原語之上,透過這些原語的整合,Agent 系統在底層實際上運作如同一台分散式狀態機:
    Context Items:定義 Agent 會話的強型別資料,用於儲存狀態。
    Events:代表發生的事件,是改變狀態的主要方式。
    Effects:負責將 Agent 與外部世界連接,執行非同步任務並分派新的 Events。
    運作流程與實際應用
    在演示中,Natasha Armbrust 展示了如何透過這些原語處理病患出院流程。當外部系統(如實驗室檢測結果)發生變更時,系統會觸發 Event,經由 Handler 處理後產生 Mutation 更新狀態,或透過 Effect 呼叫外部工具。這種設計確保了:
    狀態持久性:即便任務執行時間長達數天,系統仍能精確追蹤狀態。
    多人協作(Multiplayer):多位使用者(如護理師與管理人員)可透過不同介面與同一個 Agent 互動,並即時反映狀態更新。
    競爭條件處理:透過分散式狀態機的機制,有效管理並發事件帶來的衝突。
    未來規劃與生態系
    Palantir 預告了該堆疊的後續發展,旨在降低開發門檻並強化治理能力:
    低程式碼 Agent Builder:將提供與 Pro Code Agent SDK 同級的原語,讓組織內更多使用者能定義複雜 Agent。
    Agent Manager:作為企業內所有 Agent 的統一監控與治理介面,無論是透過程式碼或低程式碼工具建構的 Agent,皆可在此進行管理。
    目前 Agent SDK 已於 DevCon 6 提供測試版本,開發者可透過 Canary 會話開始建構應用。

    一位講者在 DevCon 活動中,透過架構圖解說 Agent Stack 的組成與運作機制。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:01)講者展示 Agent 堆疊架構圖 2. (00:26)講者切換至核心原語說明頁面 3. (01:46)講者切換至 Agent Loop 流程圖

    原文:https://easyvibecoding.app/curated/2533-palantir-launches-agent-engine-and-sdk

    3 min
  • Google 發布 Gemma 4 整合 Flash Attention 4 提升推論速度

    Google 發布 Gemma 4 整合 Flash Attention 4 提升推論速度。

    效能與架構升級
    本次更新主要針對硬體加速與執行效率進行優化,特別是針對 NVIDIA Hopper 架構 GPU 的支援:
    啟用「Flash Attention 4 (FA4)」支援:預填(prefill)吞吐量提升 25% 至 70%,首個 token 生成時間(TTFT)縮短幅度最高達 31%。
    互動體驗優化:改進了 Chat Template 的格式化表現,並修復了 Tool Calling 的執行問題,確保模型在呼叫工具時能維持更高的準確度與一致性。
    Gemma 4 31B 在代理推理與工具調用基準測試中展現出顯著的淨提升,其中在 Tau2(Telecom) 上的進步幅度最大,達到了 +10.10%。
    視覺處理與模型行為調整
    針對視覺模型的使用,Google 提供了更靈活的 token 預算配置選項,以平衡效率與細節捕捉需求:
    視覺解析度調整:預設的視覺 bucket 設定為 280 以維持 token 效率。若使用者需要處理高解析度影像(如精確的 OCR 或 2.51MP 解析度),可手動將 maxsofttokens 參數調整至 1120。
    減少模型「偷懶」:針對模型在回答時過於簡短或刻意保留資訊的邊緣案例進行了大幅修正,確保輸出的完整性。
    視覺工具:使用者可透過 Gemma 4 Vision Token Budget 的互動式 Space 頁面,視覺化觀察不同 Nmax 設定下,影像調整大小與 token 消耗的對應關係。
    Gemma 4 E4B 在各項代理推理與工具調用基準測試中均展現出淨提升,其中在 Tau2(Airline) 基準測試上的進步最為顯著,提升了 8.00%。
    資源與取得方式
    此次更新涵蓋了 Gemma 4 系列的多款模型,包括 31B、26B、12B 以及輕量化的 E4B 與 E2B 版本。開發者可透過 Hugging Face Gemma 4 集合頁面 下載最新的模型權重與更新內容。

    原文:https://easyvibecoding.app/curated/2535-google-gemma-4-adds-flash-attention-4

    3 min
  • OpenAI 發布自動化紅隊測試模型 GPT-Red,透過對抗性自我博弈訓練提升 GPT-5.6 Sol 的防禦能力

    OpenAI 發布自動化紅隊測試模型 GPT-Red,透過對抗性自我博弈訓練提升 GPT-5.6 Sol 的防禦能力。

    核心機制與應用
    OpenAI 推出 GPT-Red,旨在解決傳統人工紅隊測試難以擴展的瓶頸。該模型透過「對抗性自我博弈」(adversarial self-play)進行訓練,在模擬環境中不斷嘗試對各種防禦型大型語言模型進行 prompt injection 攻擊。一旦 GPT-Red 成功突破防禦,這些攻擊案例就會被納入防禦模型的訓練資料中,形成一個提升安全性的正向循環。
    顯著的防禦成效
    根據 OpenAI 的測試數據,GPT-Red 的導入對模型穩健性帶來了顯著提升:
    GPT-5.6 Sol 成為目前對抗 prompt injection 最穩健的模型,其失敗率較四個月前的最佳生產版本降低了 6 倍。
    在針對「Fake Chain-of-Thought」攻擊的測試中,GPT-5.1 的成功率曾高達 95%,但在 GPT-5.6 Sol 上已降至 10% 以下。
    即使在面對 GPT-Red 自身最強的直接攻擊時,GPT-5.6 Sol 的失敗率僅為 0.05%。
    實戰測試與安全性策略
    為了驗證 GPT-Red 的通用性與實戰能力,OpenAI 進行了多項測試:
    在模擬的間接 prompt injection 競技場中,GPT-Red 在 84% 的場景中取得成功,遠高於人類紅隊測試員的 13%。
    針對 Andon Labs 開發的 AI 販賣機系統,GPT-Red 成功執行了修改商品價格、訂購高價商品及取消他人訂單等惡意目標。
    針對基於 GPT-5.4 mini 的 Codex CLI Agent,GPT-Red 展現了更高的資料外洩成功率與 token 使用效率。
    OpenAI 強調,GPT-Red 僅作為內部工具使用,不會對外開放,以防止惡意攻擊者利用其強大的攻擊能力。此舉確保了生產環境模型在維持高能力水準的同時,能具備更強的穩健性,且不會因過度防禦而導致拒絕執行合法任務。

    原文:https://easyvibecoding.app/curated/2542-openai-launches-gpt-red-automated-red-teaming

    3 min
  • Thinking Machines 發布 Inkling 開放權重模型供微調

    Thinking Machines 發布 Inkling 開放權重模型供微調。

    模型核心規格
    Inkling 是一款基於 Mixture-of-Experts (MoE) 架構的 Transformer 模型,具備以下關鍵技術指標:
    參數規模:總參數量為 975B,活躍參數為 41B。
    訓練資料:使用 45 兆 token 的多模態資料進行預訓練,涵蓋文字、影像、音訊與影片。
    上下文視窗:支援高達 1M token 的長文本處理。
    架構細節:採用類似 DeepSeek-V3 的 MoE 設計,每層包含 256 個路由專家(routed experts)與 2 個共享專家,每個 token 啟用 6 個路由專家,並使用基於 Sigmoid 的路由機制與無輔助損失(auxiliary-loss-free)的負載平衡偏置。
    訓練策略:採用混合優化策略,針對大型矩陣權重使用 Muon 優化器,其餘參數則使用 Adam。
    多模態與效能表現
    Inkling 強調在多模態領域的廣泛適應性,特別是在音訊處理方面表現優異,於 VoiceBench、MMAU 及 AudioMC 等評測中名列開放權重模型前茅。該模型設計重點在於「持續思考」(continuous thinking)能力,讓使用者能根據實際應用場景在成本與效能曲線中進行權衡,以更少的 token 達成相同的任務目標。官方也強調,Inkling 並非當前最強的模型(無論開放或封閉權重),而是以多模態、高效思考與可微調性兼備的均衡特質,作為適合客製化的開放權重基座。此外,Thinking Machines 也同步釋出了輕量級版本 Inkling-Small(12B 活躍參數)供開發者預覽。
    開發者生態與應用
    Thinking Machines 致力於推動模型客製化,並透過以下方式支援開發者:
    平台整合:Inkling 現已於 Tinker 平台開放微調,並提供「Inkling Playground」介面供開發者直接進行互動測試。
    自我優化:官方展示了 Inkling 透過 Tinker 平台自行編寫、執行並評估微調任務的能力。
    生態支援:該模型獲得了多個開源社群與基礎設施夥伴的 Day-0 支援,包括 Together AI、FireworksAI、Databricks、Unsloth、Modal、Baseten、LightSeek,以及 vLLM 與 SGLang 等專案。
    安全性與穩健性
    在安全性方面,Inkling 針對「認識論」(epistemics)進行了特別訓練,強調模型在回答問題時的校準能力與信心表達。官方委託外部測試人員針對武器與暴力相關請求進行評估,結果顯示 Inkling 在 FORTRESS 基準測試中,於其所比較的開放權重模型中展現最強的內建安全防護機制。

    原文:https://easyvibecoding.app/curated/2537-thinking-machines-launches-inkling-open-weight

    3 min
  • OpenAI 的 Sol 是如何培養出設計品味的

    OpenAI 的 Sol 是如何培養出設計品味的

    我們在 Design Arena 的網頁設計(非 Agentic)競技場中對 GPT-5.6 Sol 進行了基準測試,驚訝地發現它總排名第一。這比它的前身 GPT-5.5 高出了 18 個名次,也是 OpenAI 模型首次在此排行榜上奪冠。
    我們深入研究並拆解了 GPT-5.6 Sol 的部署情況,以追蹤該模型在哪些前端程式開發任務中表現出色:
    GPT-5.6 Sol 似乎能識別並主動抑制常見的 AI 設計反模式(anti-patterns)。我們使用 UMAP 將 GPT-5.6 生成的 1,000 個網站的 CLIP embedding 進行投影,以視覺化該模型的設計流形(design manifold)。令人震驚的是,我們發現其設計空間中存在明顯的「空洞」,而這些區域正是 GPT-5.5 會產生紫色漸層、便當盒式(bento-box)佈局、過大的首頁標題文字以及偏移構圖的地方。這表明 GPT-5.6 已經學會了這些 AI 反模式,但會選擇性地避免生成它們。
    它將強大的模板與極高的個人化程度相結合。GPT-5.6 Sol 從經過驗證的設計結構出發,但會針對每個 Prompt 進行大幅調整,在一致性與多樣性之間取得了比重度依賴模板或完全不受限制的模型更好的平衡。
    展開數據表項目數值GPT-5.6 Sol1353GLM 5.21351Claude Fable 51345Claude Opus 4.61336Claude Opus 4.6 (Thinking)1330Claude Opus 4.71330Grok 4.51328GLM 5.11321Kimi K2.61320Claude Sonnet 4.61318MiMo-V2.5-Pro1312GLM 5 Turbo1311Qwen3.7 Max1306Kimi K2.7 Code1299Gemini 3.5 Flash1297MiniMax M31297MiMo-V2.51295Muse Spark1293GPT-5.51292GLM 51288
    GPT-5.6 Sol 在「偏好度 vs. 速度」以及「偏好度 vs. 價格」這兩項指標上建立了兩個新的帕累托前沿(Pareto frontiers)。它的速度比 GLM 5.2(先前排名第一)快了 2.44 倍以上,比 Claude Fable 5 快了 36%,價格為每 100 萬個 token 5 美元/30 美元,而 Claude Fable 5 則為每 100 萬個 token 10 美元/50 美元。
    那麼,GPT-5.6 Sol 的網站輸出究竟有什麼改變?
    我們發現 GPT-5.6 Sol 的設計品味經過精心策劃,以避免導致美感平庸的 AI 反模式。這種對設計的專注以及獨特的模板處理方式,讓 GPT-5.6 Sol 在我們的單輪(single-turn)排行榜上名列前茅。
    模型行為 #1:明確規避 AI 反模式
    在我們三個月前對 GPT-5.5 的評測中,我們識別出一組 GPT-5.5 持續產生的「設計異味」(design smells)。這些設計異味包括使用大字體而非首頁主圖、不尋常的佈局決策,以及過度使用的紫色漸層。我們很高興地說,這些設計異味在 GPT-5.6 Sol 中已幾乎完全消失。
    展開畫面重點左圖(GPT-5.6 Sol):
    頂部導覽列:MODES, WORLD, VEHICLES, MISSIONS, MEDIA, FEATURES, 12,482 ONLINE, 使用者圖示, PLAY NOW。
    標題區:LIVE NOW, AN ORIGINAL ONLINE CRIME SANDBOX, OWN THE NIGHT. RULE THE CITY.。
    描述文字:Enter a living coastal metropolis where every block is an opportunity. Build a crew, run high-stakes operations, race tuned machines, and forge your legend—instantly online.。
    按鈕:PLAY FREE NOW, WATCH GAMEPLAY。
    底部資訊:PLAY IN BROWSER, 64-PLAYER SESSIONS, NO DOWNLOAD REQUIRED。
    右下角資訊:CITY PULSE, MIRAGE BEACH, Night / Light Rain, 24°。
    右圖(Claude Opus 4.7):
    頂部導覽列:N (Logo), NEON CITY, Modes, World, Vehicles, Missions, Arsenal, Media, FAQ, Log in, PLAY NOW。
    標題區:LIVE - SERVER V3.14 - 148,772 PLAYERS ONLINE, RULE THE NEON CITY AFTER DARK.。
    描述文字:A cinematic open-world crime sandbox playable directly in your browser. Build your empire, hijack the skyline, and rewrite the rules of Liberty in a persistent, ever-shifting metropolis.。
    按鈕:PLAY IN BROWSER, WATCH TRAILER。
    底部資訊:No download, no install, FREE to play。
    右側卡片:LVL 47, KINGPIN, NEAT, OPERATIVE V. CRUZ, CASH $1,248,320, WANTED (五顆星)。
    展開畫面重點圖片分為左右兩側,皆為「BiteSize」服務的網頁介面設計:
    左側(標註為 GPT-5.6 Sol):
    標題:「Your leftovers have potential.」
    副標:「DINNER, WITHOUT THE DRAMA」
    說明文字:「Tell BiteSize what's hiding in your fridge. Get a personalized, healthy recipe you can cook in 15 minutes—before that lonely pepper gives up.」
    按鈕文字:「Scan my fridge」、「Make dinner」
    導覽列文字:「Fridge lab」、「Why it works」、「Stories」、「Pricing」
    介面元素:包含一個顯示「Crispy tomato rice with jammy egg」的食譜卡片,以及一張寫有「Good news: 'random fridge stuff' is now a cuisine.」的便條紙。
    底部文字:「4.9 from 12k hungry humans」
    右側(標註為 Gemini 3.5 Flash):
    標題:「Got random stuff in your fridge?」
    標籤:「ZERO WASTE, MAXIMUM FLAVOR」
    說明文字:「Stop staring blankly. Punch in whatever random ingredients you have left, and our AI instantly chefs up a personalized, Michelin-grade recipe that takes 15 minutes flat.」
    導覽列文字:「The Concept」、「Fridge Simulator」、「Why It Works」、「Pricing」、「Try Simulator」
    介面元素:右側有一個「RECIPE ENGINE V2.4」視窗,顯示「ACTIVE SCAN」狀態,偵測到的食材包括「Leftover Eggs」、「Half Avocado」、「Bell Pepper」,並推薦「Crispy Avocado Hash」。
    右上角清單:包含「Leftover Broccoli」、「Half-used Tofu」、「1/2 Red Onion」。
    雖然 GPT-5.6 Sol 並非唯一解決反模式問題的模型,但它採取了一種值得關注的獨特方法。我們使用 UMAP 將 GPT-5.6 生成的 1,000 個網站的 CLIP embedding 進行投影,以視覺化該模型的設計流形:即其生成結果在更大的 CLIP embedding 空間中所佔據的區域。請見下方的視覺化圖表。…

    4 min