EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • Pi 團隊表示 Pi Coding Agent 開箱只送出不到 1.2k token,並援引 Systima 實測對照:Claude Code 基礎開銷約 33k token、OpenCode 約 7k

    Pi 團隊表示 Pi Coding Agent 開箱只送出不到 1.2k token,並援引 Systima 實測對照:Claude Code 基礎開銷約 33k token、OpenCode 約 7k。

    實測數據分析
    根據 Systima 的研究報告,Claude Code 與 OpenCode 在相同任務下的 token 消耗存在巨大落差:
    基礎開銷(Baseline Overhead): 在執行簡單任務時,Claude Code 僅在系統 prompt、tool schemas 與初始化 scaffolding 的開銷就高達約 33,000 token,而 OpenCode 僅需約 7,000 token。
    快取效率(Cache Efficiency): OpenCode 的請求前綴在多次執行中保持位元組一致(byte-identical),能有效利用快取;反觀 Claude Code 會在對話中頻繁重寫數萬個快取 token,導致快取寫入量最高可達 OpenCode 的 54 倍。
    配置膨脹(Config Bloat): 若專案中包含如 AGENTS.md 等大型指令文件,每項請求會額外增加約 20,000 token;若再掛載 5 個 MCP 伺服器,則會再多出 5,000 至 7,000 token。這意味著使用者尚未輸入任何指令前,系統可能已消耗 75,000 至 85,000 token。
    任務執行策略: 雖然 Claude Code 在處理多步驟任務時,因能將多個 tool calls 合併為單次請求而縮小了總體消耗差距,但在處理子 Agent(subagents)任務時,由於每個子 Agent 都有獨立的啟動成本,總 token 消耗會急劇攀升。
    技術觀點
    Systima 的測試透過在 harness 與模型端點之間插入代理(proxy)進行攔截,確保了數據的真實性。研究強調,在生產環境中運作 Agentic AI 時,了解系統實際發送的內容至關重要,特別是在歐盟 AI 法案(EU AI Act)第 12 條要求記錄並理解系統行為的背景下,開發者應依賴數據而非經驗法則來評估成本與效能。

    原文:https://easyvibecoding.app/curated/2461-pi-coding-agent-uses-far-fewer-tokens-than-rivals

    3 min
  • Grok Build 會在每個互動回合前後,將使用者整個 workspace 的程式碼快照上傳至 xAI 的 Google Cloud Storage 儲存桶

    Grok Build 會在每個互動回合前後,將使用者整個 workspace 的程式碼快照上傳至 xAI 的 Google Cloud Storage 儲存桶。

    這是一份關於程式碼庫與目錄上傳至 Google Cloud Storage 的日誌分析與問題排查報告。
    隱密行為揭露
    根據使用者 mylifcc 的技術分析,Grok Build 除了將 Agent 讀取的特定檔案送入模型外,還存在一條未在官方安裝文件中揭露的隱密資料傳輸管道。該工具會在每個互動回合(turn)前後,自動將整個程式庫打包並上傳至 xAI 位於 Google Cloud 的 gs://grok-code-session-traces 儲存桶中。
    技術運作流程
    該機制透過獨立管道執行,具體流程如下:
    在每個 turn 前後,系統會自動打包 beforecodebase 與 aftercodebase 以及 session_state。
    檔案會被暫存至 ~/.grok/upload_queue。
    透過 StorageClient 經由 proxy 與簽名 URL(signed URL)將資料傳送至 GCS。
    根據 ~/.grok/logs/unified.jsonl 中的 repo_state.upload 紀錄,單次上傳的檔案上限可達 1 GiB。
    隱私與安全疑慮
    此行為引發了開發者社群的廣泛擔憂,許多使用者對於「預設自動上傳整個工作目錄」的行為感到震驚。mylifcc 指出,雖然這並非指 Google 直接將資料用於模型訓練,而是 xAI 使用 Google Cloud 作為物件儲存服務,但這種未經明確告知即強制備份整個程式庫的機制,已對使用者的程式碼隱私構成潛在風險。使用者可透過檢查 ~/.grok/logs/unified.jsonl 檔案中的 repopath 與 gcspath 欄位,確認自身資料是否已被上傳。

    原文:https://easyvibecoding.app/curated/2459-grok-build-uploads-workspace-snapshots-to-gcs

    2 min
  • 企業在 AI 時代面臨「反向資訊悖論」,使用大型語言模型時被迫交出核心知識以換取智慧

    企業在 AI 時代面臨「反向資訊悖論」,使用大型語言模型時被迫交出核心知識以換取智慧。

    反向資訊悖論的核心困境
    諾貝爾經濟學獎得主 Kenneth Arrow 曾提出「資訊悖論」,指出賣方在銷售資訊時,往往因必須先揭露資訊才能完成交易,導致知識價值流失。然而,AI 時代產生了「反向資訊悖論」:買方(企業)為了讓模型發揮效用,必須輸入高價值的專有知識,導致企業在支付金錢購買智慧的同時,還賠上了核心競爭力。隨著使用頻率增加,資訊不對稱性會加劇,模型供應商透過使用者的 prompt、Agent 使用的工具以及修正回饋,不斷汲取企業的制度性知識,而企業對供應商如何利用這些資料卻一無所知。
    知識流失的隱形路徑
    這種知識外洩並非單一事件,而是透過「exhaust」(廢氣,指模型運作過程產生的副產品)持續發生。每一項修正、每一次評估(eval)與每一個 Agent 的決策,都被蒸餾成模型供應商的內部知識。這種知識屬於 Hayek 所謂的「時間、地點與情境的知識」,是企業獨有的競爭優勢,若僅由模型供應商單向獲取,經濟價值將會向基礎設施擁有者傾斜,而非知識創造者。正如 Alex Karp 所言,技術型客戶渴望掌控自身的運算資源、模型、資料堆疊與 alpha,而非將生產工具轉移給他人。
    建立企業信任邊界
    為了對抗此悖論,企業必須建立真正的「信任邊界」,確保資料、traces、evals、調整後的權重與記憶(memory)能共同累積並產生複利效應。企業應主張將模型輸出用於微調或訓練自有模型的權利,以符合企業的課責義務。為此,企業應採取以下策略:
    控制權(Control):建立私有的 evals,因為 evals 定義了組織內部的「好」標準。此外,必須保留對組織記憶、traces、回饋、決策與制度脈絡的所有權,並確保能使用模型產出的結果。
    能力(Capability):在租戶邊界內建立專有的學習環境,讓模型在真實工作流程中學習,同時避免暴露公司的核心知識。
    選擇權(Choice):確保編排層(orchestration layer)與單一模型解耦。企業應思考:若移除目前使用的模型,是否仍有能力透過其他模型進行操作與優化?確保公司的「資深」能力不因特定「通用型」模型的更換而流失。
    成本(Cost):透過解耦編排層,企業能以最高效且具成本效益的方式整合脈絡、模型與任務,無需犧牲品質。
    複利(Compound):將上述四點整合,打造屬於企業自身的持續學習 loop(即爬坡機器),讓 AI 投資能持續為公司創造複利價值。
    企業應追求一種能使用模型,卻無需交出使其獨特之知識的運作模式,這正是我們必須面對的反向資訊悖論。

    原文:https://easyvibecoding.app/curated/2458-the-reverse-information-paradox-of-ai-adoption

    4 min
  • Context rot:這項研究證明了你那百萬 token 的 context window 正在欺騙你

    Context rot:這項研究證明了你那百萬 token 的 context window 正在欺騙你

    大多數開發者將 context window 視為一個水桶。貼上更多內容、獲得更多資訊,填滿那百萬個 token,模型就能對所有內容進行推理。
    事實並非如此。而且這項數據在最新的模型上也同樣適用,而不僅僅是去年的舊模型。
    這一切始於 Chroma。2025 年年中,他們針對此議題進行了規模最大的對照研究——涵蓋 18 個前沿模型,進行了 194,000 次測試呼叫。
    結果顯示,隨著輸入內容變長,每一個模型的效能都會下降。他們的研究分析非常值得完整閱讀。
    當時測試的是 Claude 4 和 GPT-4.1。一年後,在 Opus 4.8、GPT-5.5 和 Gemini 3 上,這種效應雖然減弱了,但從未消失。其機制是結構性的。
    本文將拆解這項研究的發現、目前的數據、為什麼更大的 window 無法解決問題,以及你本週應該做出哪些改變。
    這是真實的數據,沒有理論空談。
    ---
    第 1 部分 - 在 Demo 中表現驚人,在生產環境卻崩潰的現象
    想像一個研究型 Agent。它運行在一個擁有 1M-token window 的前沿模型上,被餵入了所有資料——逐字稿、筆記、整份風格指南。
    每次呼叫大約會消耗 320,000 個 token。內部的 Demo 完美無缺。每個人都印象深刻,於是你將其上線。
    在生產環境運行兩週後,模式出現了。長篇逐字稿中間的關鍵事實開始遺失。
    Agent 引用了錯誤季度的財報。引用了錯誤的來源。歸因錯誤。而且每次都表現得信心滿滿。
    你檢查了 Prompt 是否有 Bug。結果並沒有。window 足夠大,模型很強大,但輸出結果依然錯誤。
    這不是一個可以透過修補程式解決的 Bug。這就是 context rot(上下文腐敗),而 Chroma 是第一個精確量化這種情況有多嚴重的團隊。
    展開畫面重點圖中標題為「PART 1」與「Crushes the demo, dies in production」,副標題為「320,000 TOKENS PER CALL - AND THE FACTS GO MISSING」。
    畫面呈現一個三個階段的流程圖:
    第一階段(標籤為「demo」):內容為「Internal eval」,描述為「Full transcripts, notes, style guide. Flawless.」。
    第二階段(標籤為「ship」):內容為「Two weeks live」,描述為「Facts from the middle start disappearing」。
    第三階段(標籤為「bug?」):內容為「Wrong quarter. Wrong source.」,描述為「Confident every time. No prompt bug to find.」。
    底部文字為:「the window was big enough. the model was strong. the output was still wrong.」
    ---
    第 2 部分 - 每個人都在吹捧的基準測試其實是個騙局
    這是 AI 行銷不想讓你面對的真相。每一個百萬 token 的發布會都揮舞著同一個基準測試:大海撈針(needle in a haystack)。
    在巨大的文字區塊中隱藏一個句子,要求模型找到它。模型的得分接近完美。這就是為什麼實驗室喜歡展示它。
    但看看它是如何構建的。那根「針」是「在舊金山最棒的事就是去多洛雷斯公園(Dolores Park)」,而問題是「在舊金山最棒的事是什麼」。
    問題和答案共享相同的詞彙。這只是一個詞彙匹配,僅此而已。
    模型只是定位了看起來像問題的 token。這證明了一件事:它可以在輸入中找到一個事實。
    但這完全無法證明它具備跨越該輸入進行推理的能力。而推理正是真實 Agent 的全部工作。
    因此,Chroma 重建了測試,要求模型進行真正的理解,而不是關鍵字匹配。這就是那 18 個模型全部敗下陣來的地方。
    展開畫面重點標題:PART 2
    The benchmark everyone brags about is a trick
    NEEDLE IN A HAYSTACK - A LEXICAL MATCH, NOTHING MORE
    方框內容:
    ...essays about startups and painting and how to do great work...
    the best thing to do in San Francisco is go to Dolores Park...
    ...more unrelated text filling the context window...
    QUESTION what's the best thing to do in San Francisco?
    MODEL just matches the words. never had to reason.
    底部文字:
    it proves the model can find a fact. it proves nothing about understanding it.
    畫面重點:此圖透過一個簡單的範例,指出當前流行的「大海撈針」測試(Needle In A Haystack)本質上只是在進行詞彙匹配(Lexical Match)。圖中展示模型僅是從長文本中提取出與問題關鍵字對應的片段,而非真正理解內容,因此無法作為模型具備推理能力的證明。
    ---
    第 3 部分 - 當模型必須思考而非匹配時會發生什麼
    這就是讓它們崩潰的版本。答案不再是逐字匹配,而是需要一個小小的推論。
    問題:「哪個角色去過赫爾辛基?」文字中的「針」:「Yuki 住在 Kiasma 美術館隔壁。」
    要回答這個問題,模型必須知道 Kiasma 位於赫爾辛基,然後將兩者連結起來。人類可以不假思索地做到,但模型卻無法掌握。
    在短長度下,它們表現得很好。但隨著 context 增加,這 18 個模型的準確度都急劇下降。
    這裡有一個關鍵點,徹底粉碎了「這只是個難題」的藉口:Chroma 保持問題不變,僅改變周圍文字的長度。
    同樣的問題。同樣的答案。周圍更多的 token。更差的表現。
    這就是 context rot 的定義:隨著 window 被填滿,即使任務從未改變,模型也會變得更笨。
    展開畫面重點圖表標題為「PART 3 Make it think, not match」,副標題為「SAME QUESTION, MORE TOKENS AROUND IT, WORSE ANSWER」。
    圖表分為左右兩個區塊:
    左側綠色區塊「SHORT CONTEXT」:
    - 問題:「Which character has been to Helsinki?」
    - 提示(needle):Yuki lives next to the Kiasma museum.
    - 結果:✓ model connects Kiasma → Helsinki
    右側紅色區塊「SAME TASK, LONGER INPUT」:
    - 說明:identical question. identical answer. just more text wrapped around it.
    - 結果:X accuracy drops across all 18 models
    底部註解:the task never changed. only the length did. that's context rot in one line.
    ---
    第 4 部分 - 應該終結爭論的數據
    這裡不再是憑感覺,而是規格問題。有三個發現經受住了生產環境的考驗。
    第一,每個模型的效能都隨長度下降。沒有模型能在其宣稱的 window 範圍內保持穩定。
    1M-token 的模型在超過約 200,000 個 token 後,表現就不再像 1M-token 模型了。200K 的模型在 80,000 到 100,000 個 token 時就開始崩潰。
    第二,Prompt 的中間部分是「死亡地帶」。將關鍵事實放在 20 份文件 context 的開頭或結尾,準確度依然很高。
    將其放在第 5 到第 15 個位置——也就是中間——大多數模型的準確度會下降 30 個百分點以上。
    這就是舊有的「迷失在中間(lost in the middle)」效應,但比 2023 年史丹佛大學的數據顯示的還要嚴重。它並沒有隨著規模擴大而改善。…

    8 min
  • OpenAI 發布 GPT-5.6 Sol 模型,以 1353 的 Elo 分數在 Design Arena 評測中奪得榜首

    OpenAI 發布 GPT-5.6 Sol 模型,以 1353 的 Elo 分數在 Design Arena 評測中奪得榜首。

    評測表現與排名
    根據 Design Arena 於 2026 年 7 月 13 日公布的官方結果,GPT-5.6 Sol 展現了顯著的效能提升:
    該模型目前位居 Design Arena 總榜第一名,Elo 分數達到 1353。
    效能表現超越了 AnthropicAI 旗下的 Claude Fable 5,並與 Z.ai 推出的 GLM 5.2 在前端設計領域處於同一效能區間。
    相比前代 GPT-5.5,GPT-5.6 Sol 在排名上躍升了 18 個名次,Elo 分數提升了 60 分。
    根據 Design Arena 的官方結果,OpenAI 的 GPT-5.6 Sol 在前端設計(非代理)評測中以 1353 的 Elo 評分位居第一,超越了 Claude Fable 5,並與 GLM 5.2 處於相同的性能區間,相較於 GPT-5.5 實現了 18 個名次與 60 分 Elo 的顯著提升。
    效能與速度優勢
    除了排名上的突破,GPT-5.6 Sol 在工程指標上也建立了新的基準:
    該模型成功建立了一個全新的 Pareto frontier(柏拉圖前沿),在維持高水準表現的同時,執行速度超越了目前所有同等級的競爭模型。
    這項進展顯示 OpenAI 在模型推論效率與設計生成品質之間,取得了更佳的平衡,為前端設計任務提供了更具實用性的選擇。

    原文:https://easyvibecoding.app/curated/2454-gpt-5-6-sol-tops-design-arena

    2 min
  • OpenAI 發布 GPT-5.6 系列模型,其中 Sol 版本以 Claude Fable 5 三分之一的成本提供相近的智慧水準

    OpenAI 發布 GPT-5.6 系列模型,其中 Sol 版本以 Claude Fable 5 三分之一的成本提供相近的智慧水準。

    這張圖表呈現了 Artificial Analysis 針對多款 AI 模型在不同任務領域(如推理、編碼、科學與長文本處理)的獨立效能評測數據。
    Artificial Analysis 透過最新的「Artificial Analysis Intelligence Index」評測指出,GPT-5.6 系列包含 Sol、Terra 與 Luna 三款模型,在成本與效能的帕雷托前沿(Pareto frontier)上均有顯著提升。
    GPT-5.6 系列效能與成本分析
    GPT-5.6 Sol (max):在 Intelligence Index 獲得 59 分,僅比 Claude Fable 5 (max) 低 1 分,但每項任務成本僅為 1.04 美元,約為後者的三分之一。
    階梯式成本結構:Terra (max) 與 Luna (max) 在 Intelligence Index 分別獲得 55 與 51 分,每項任務成本較 Sol 分別降低約 50% 與 80%。
    帕雷托前沿優勢:Luna 與 Sol 在效能與成本的權衡上始終優於 Terra;對於任何 Terra 的投入程度,Luna 或 Sol 都能以更低成本提供相同或更高的智慧水準。
    GPT-5.6 各系列模型在不同推理強度下均超越前代 GPT-5.5 並推動 Pareto 前沿,其中 GPT-5.6 Luna 與 Sol 始終處於領先 Terra 的 Pareto 最優前沿上,而 GPT-5.6 Sol (max) 則以約三分之一的成本逼近 Claude Fable 5 的智慧水準。
    程式開發與 Agent 評測表現
    Coding Agent Index 領先:GPT-5.6 Sol (max) 在 OpenAI 的 Codex harness 中以 80 分領先所有模型,三項評測皆居首,其中 SWE-Atlas-QnA 與 Grok 4.5 並列第一。
    成本效益:相較於 Claude Fable 5 (max) 與 Opus 4.8 (max),Sol 在執行程式開發任務時,每項任務成本分別降低了約 40% 與 10%。
    GPT-5.6 Sol (max) 在 Artificial Analysis 程式代理指標中領先,在 Terminal-Bench v2 取得 88 分、SWE-Atlas-QnA 取得 84 分,且其每項任務成本顯著低於 Claude Fable 5 (max)。
    專業知識工作與科學研究能力
    AA-Briefcase 表現:在針對複雜專案知識工作的評測中,GPT-5.6 Sol (max) 排名第二,僅次於 Claude Fable 5 (max),但在 Presentation Elo(簡報呈現品質)指標上表現最為突出,其產出的 PowerPoint 與 Excel 檔案視覺吸引力為所有模型之冠。整體居次的原因也很明確:Fable 5 在 Rubric Score(56% vs 42%)與分析品質上仍明顯領先;另在 AA-Omniscience 知識測驗中,Sol 的準確率雖有提升,幻覺率卻升至 89%,為本次受測模型中最高。
    科學研究突破:在由 Argonne 與 UIUC 開發的物理研究基準測試「CritPt」中,GPT-5.6 Sol (max) 擊敗 Claude Fable 5,展現出在處理前沿科學研究問題上的強大潛力。該基準測試包含 71 項由全球 30 多個機構的物理學家所提供的未公開研究挑戰。
    在 CritPt: Score 基準測試中,GPT-5.6 Sol (max) 以 32.3% 的得分位居榜首,相較於 GPT-5.5 (xhigh) 的 27.1% 有顯著提升。
    技術架構與定價策略
    快取寫入定價:GPT-5.6 是 OpenAI 首度引入「快取寫入」(cache-write)定價的模型系列。
    定價細節:Sol、Terra 與 Luna 的輸入/輸出 token 價格分別為每百萬 token 5/30 美元、2.5/15 美元與 1/6 美元。
    成本機制:OpenAI 維持了 90% 的快取讀取折扣,並跟進 Anthropic 引入快取寫入費用(為輸入 token 價格的 1.25 倍),以更精確反映模型在記憶體佔用上的實際成本。
    token 使用效率:GPT-5.6 Sol (max) 在 Intelligence Index 中每項任務僅使用 15k token,相較於 GPT-5.5 的 16k token 展現了更高的 token 使用效率,且在智慧水準上超越了 Claude Opus 4.8 (max)、GLM-5.2 (max) 與 Gemini 3.5 Flash (high)。
    GPT-5.6 Sol (max) 在 Artificial Analysis 智慧指數中以 59 分緊追 Claude Fable 5 (max)(60 分),且成本僅其約三分之一;同時在 Coding Agent 指數中,搭配 Codex 評估套件以 80 分奪冠。
    GPT-5.6 Sol 在 Artificial Analysis 智慧指數中僅以 1 分之差(59分對60分)緊追 Claude Fable 5,但成本僅為其約三分之一($1.04 對 $2.75);同時 GPT-5.6 Luna (max) 在更低的成本下,智慧表現達到或超越了 GLM-5.2 (max) 與 Gemini 3.5 Flash,與 Sol 共同在帕雷托前沿(Pareto frontier)上提供極具性價比的選擇。
    在 Artificial Analysis 的 AA-Briefcase Elo 基準測試中,GPT-5.6 Sol (max) 以 1495 分位居第二,僅次於 Claude Fable 5 (with fallback) 的 1583 分。
    GPT-5.6 Sol 在 Artificial Analysis 智慧指數中以僅三分之一的成本緊追 Claude Fable 5(得分僅低 1 分),並在 OpenAI 的 Codex 架構下領先 Coding Agent 指數。
    在 GDPval-AA v2 排行榜中,Claude Fable 5 (with fallback) 以 1760 分奪冠,而 GPT-5.6 Sol (max) 以 1748 分緊隨其後位居第二,且 GPT-5.6 旗下多款模型(Sol、Terra、Luna)表現均大幅超越人類基準線(1,000 分)。
    根據 Artificial Analysis 的評測,GPT-5.6 Sol (max) 在 AA-Omniscience Index 獲得 22 分、Accuracy 為 59%;Claude Fable 5 分別為 40 分與 61%。圖中也顯示 Sol 的 hallucination rate 為 89%。
    GPT-5.6 Sol (max) 在簡報 Elo 評測中以 1656 分奪冠,相較於前代 GPT-5.5 (xhigh) 的 1122 分展現出顯著的跨代提升。

    原文:https://easyvibecoding.app/curated/2453-gpt-5-6-sol-costs-a-third-of-fable-5

    5 min
  • GPT-5.6 Sol 正式發布並透過多次重置使用限制,鼓勵使用者深入測試各項模型等級的效能表現

    GPT-5.6 Sol 正式發布並透過多次重置使用限制,鼓勵使用者深入測試各項模型等級的效能表現。

    模型效能與使用建議
    Tibo(@thsottiaux)針對新推出的 GPT-5.6 Sol 模型提供了具體的使用建議,並強調不同等級間的資源消耗差異:
    建議將「GPT-5.6 Sol Medium」作為日常開發的主力模型。
    針對高難度問題,建議切換至「Extra High」等級。
    若追求極致效能且不介意消耗額度,可選擇「Ultra」等級,其處理能力極為強大。
    根據任務難度,Medium 與 Ultra 之間的 token 消耗量可能存在 5 到 10 倍的差距。
    使用限制與重置策略
    為了慶祝 GPT-5.6 Sol 上線,官方在 24 小時內針對 ChatGPT Work 與 Codex 進行了多次使用限制重置,確保使用者有足夠的空間進行深度測試。截至目前為止,官方已確認總共執行了三次使用限制重置,並承諾會持續觀察回饋以調整策略。
    產品體驗的反思與改進
    Tibo 坦言本次發布雖然引發熱烈迴響,但團隊在產品設計上出現了多項疏失,並針對使用者回饋進行了檢討:
    介面設計問題:桌面版應用程式的改版過於激進,導致原本熟悉的聊天紀錄與專案位置變得難以搜尋。
    透明度不足:系統過於輕易讓使用者啟用高運算設定,卻未充分揭露其對使用限制的影響。
    定位混淆:過度強調 ChatGPT Work 的宣傳,導致 Codex 的愛好者誤以為該產品將被邊緣化,官方對此鄭重澄清 Codex 將持續存在且受到重視。
    技術回歸:部分既有的多 Agent 工作流出現了非預期的錯誤,且在 plugin 與其他體驗細節上存在許多粗糙之處。
    後續更新規劃
    針對上述問題,團隊已採取即時行動並規劃了後續的修復路徑:
    今日更新:已執行第二次使用限制重置,並調整了預設值與模型選擇器,避免引導使用者誤用高成本設定;同時修復了多項 plugin 提交問題,並改善了 Codex 在產品中的呈現方式,解決了部分桌面版的急迫性問題。
    下週更新:將針對介面進行大幅優化,包括將聊天與專案重新放回側邊欄,並提供更具彈性的自訂選項;同時會明確化使用限制與重置時間的顯示,並釐清 ChatGPT Work 與 Codex 的適用場景。
    官方強調,將 ChatGPT 與 Codex 整合至同一個 workspace 以促進人機協作的願景並未改變,但團隊承認在首個版本中造成的混亂與功能回歸是不可接受的,未來將持續加速迭代以提升整體體驗。

    原文:https://easyvibecoding.app/curated/2452-gpt-5-6-sol-launches-with-repeated-limit-resets

    4 min
  • Perplexity 將 Grok 4.5 模型整合至 Computer 平台,讓 Pro 與 Max 使用者能以更低成本執行高效的 Agent 研究任務

    Perplexity 將 Grok 4.5 模型整合至 Computer 平台,讓 Pro 與 Max 使用者能以更低成本執行高效的 Agent 研究任務。

    核心效能評測
    Perplexity 執行長 Aravind Srinivas 指出,Grok 4.5 在內部開發的 WANDR 基準測試中表現優異,該測試用於衡量 Agent 的研究能力。根據官方評測數據:
    Grok 4.5 的效能表現超越了目前 Perplexity 內部的 GLM 5.2 後訓練模型,且兩者成本相當。
    與 Claude Opus 4.8 相比,Grok 4.5 在 WANDR 測試中得分更高,但成本僅為其一半。
    在 WANDR 基準測試中,Grok 4.5 取得了最高分(0.328),其成本($4.76/trial)僅約為 Claude Opus 4.8 的一半,且在相近成本下表現優於 GLM 5.2 + advisor。
    服務整合與應用
    Perplexity 正式將 Grok 4.5 納入其 Computer 平台的編排模型(orchestrator model)選項中,具體調整如下:
    適用對象:目前僅開放給 Consumer Pro 與 Max 訂閱使用者。
    運作機制:使用者可在 Computer 的 harness 環境中選用此模型,作為執行複雜研究任務的核心引擎。
    成本比較:Grok 4.5 的成本約為 Claude Opus 4.8 的一半。
    技術觀點
    Aravind Srinivas 對 Grok 4.5 在 Computer harness 中的表現給予高度評價。WANDR 數據顯示,Grok 4.5 的得分高於 GLM 5.2,成本約為 Claude Opus 4.8 的一半。

    原文:https://easyvibecoding.app/curated/2451-perplexity-adds-grok-4-5-to-computer-platform

    2 min
  • Cursor 推出 Side Chats 讓開發者管理對話

    Cursor 推出 Side Chats 讓開發者管理對話。

    Side Chats 側邊對話功能
    Cursor 新增的 Side Chats 功能允許使用者在不中斷主對話串的情況下,開啟獨立的聊天視窗提問、探索想法或調查分支問題。
    操作方式:在聊天面板頂部點擊「+」按鈕,或輸入 /side、/btw 指令即可建立。
    持久性與關聯:每個 Side Chat 都是獨立且持久的 Agent 對話,使用者可隨時回訪,並透過 @-mention 將 Side Chat 的內容或脈絡引用回主對話串中。
    應用場景:適合釐清問題、研究替代方案,或在主 Agent 執行任務時對決策做合理性檢查。
    Cursor 編輯器展示了全新的「Side Chats」功能,讓開發者能將程式碼選取內容直接發送到側邊聊天視窗提問。
    Agent 對話搜尋與專案管理
    為了提升大型專案的開發效率,Cursor 強化了搜尋與選取器的功能:
    對話搜尋:現在可以搜尋過去的 Agent 對話紀錄。系統會建立本地搜尋索引,支援在「Agents Window」中透過 Cmd+K 搜尋對話內容,並可在現有對話中透過 Cmd+F 精確搜尋與跳轉。
    簡化選取器:重新設計了專案與儲存庫選取器,使用者現在無需離開選取器介面即可完成專案建立,並能直接連結 GitHub、GitLab 或 Azure DevOps。
    搜尋範圍優化:搜尋功能現已改為依據當前工作環境(如「此電腦」、「雲端」或特定遠端機器)鎖定範圍,不再使用單一的全域搜尋框。
    這張截圖展示了 Cursor 編輯器中用於管理與搜尋本地端資料夾及儲存庫的介面,並顯示了支援多選功能的資料夾選擇器。
    雲端 Agent 的進階控制
    針對雲端 Agent,Cursor 新增了一系列 Hook,讓開發者能更細緻地觀察與控制 Agent 的行為:
    新增 Hook:包含 beforeSubmitPrompt、afterAgentResponse、afterAgentThought、stop、subagentStart 等。
    功能效益:這些 Hook 讓使用者能監控 Agent 的思考過程、回應內容、子 Agent 運作以及任務完成狀態,進而協助開發者建立具備自我修正能力的 Agent 迴圈。詳細支援列表可參考 Cursor Changelog。
    透過 Cursor 編輯器中的 AI 代理功能,使用者可快速搜尋專案內的 Agent 對話與執行任務。

    Cursor 編輯器展示了全新的「Side Chats」功能,讓開發者能將程式碼選取內容直接發送到側邊聊天視窗提問。 影片中的 Prompt 與操作:

    Prompt(00:05): 「cohorts and job roles」我們有哪些關於人物誌(personas)的資料?

    原文:"cohorts and job roles" what kind of data do we have on personas?

    操作步驟: 1. (00:03)選取程式碼中的「cohorts and job roles」文字。 2. (00:04)點擊浮動選單中的「Add to Side Chat」按鈕。 3. (00:06)在右側聊天視窗輸入提問。

    透過 Cursor 編輯器中的 AI 代理功能,使用者可快速搜尋專案內的 Agent 對話與執行任務。 影片中的 Prompt 與操作:

    Prompt(00:04): 冥王星

    原文:pluto

    操作步驟: 1. (00:01)點擊搜尋圖示 2. (00:02)在搜尋框輸入「pluto」 3. (00:04)選擇「New agent: "pluto"」 4. (00:07)觀察 AI 對於行星資料缺失的分析回應

    原文:https://easyvibecoding.app/curated/2449-cursor-launches-side-chats

    3 min
  • Claude Desktop 新增內建瀏覽器讓使用者操作外部網站

    Claude Desktop 新增內建瀏覽器讓使用者操作外部網站。

    Claude Desktop 應用程式近期更新,正式在「Code」分頁中整合了瀏覽器功能。這項改進讓 Claude 不僅能讀取文件、設計稿或各類網站資訊,還能像操作本地開發伺服器一樣,直接點擊、閱讀並與網頁內容互動,甚至能觀看如 FIFA 世界盃等即時內容。
    這段影片展示了 Claude Code 如何協助開發者自動化修復網站結帳頁面的運送選項顯示問題。
    瀏覽器功能與安全性
    操作方式:使用者可透過快捷鍵 Cmd+Shift+B (macOS) 或 Ctrl+Shift+B (Windows) 開啟瀏覽器面板。
    安全機制:為了確保操作安全,該功能具備安全分類器(Safety classifiers)會審查寫入動作;只有動作被標記時,才會要求使用者核准(Allow once / Always allow / Deny)。
    管理控制:組織管理員可透過設定 browserExternalPageTools 或使用網站允許與封鎖清單(site allowlist and blocklist controls)來限制外部瀏覽功能的存取權限。
    Claude Desktop 核心開發環境
    Claude Desktop 應用程式提供三個主要分頁:Chat(對話)、Cowork(針對 Dispatch 與長時程代理任務)以及 Code(軟體開發)。在 Code 分頁中,每個對話皆為獨立的 session,擁有各自的歷史紀錄、專案資料夾與程式碼變更。
    權限模式:
    - Manual(預設):編輯或執行指令前需經使用者確認。
    - Accept edits:自動接受檔案編輯與基礎檔案系統指令。
    - Plan:僅規劃而不編輯程式碼。
    - Auto:執行背景安全檢查,減少權限提示。
    - Bypass permissions:跳過權限提示,建議僅在沙盒環境使用。
    電腦使用(Computer Use):允許 Claude 控制滑鼠、鍵盤與螢幕,適用於測試原生 App 或 GUI 自動化。此功能需在 Settings > General 中手動啟用,且 macOS 使用者需額外授權「輔助使用」與「螢幕錄製」。
    進階工作流與配置
    持久化任務:針對大型重構或測試套件等長時間任務,建議選擇 Remote session,該 session 執行於 Anthropic 的雲端基礎設施,即使關閉應用程式或電腦仍會持續執行。
    環境設定:開發伺服器設定儲存於 ` .claude/launch.json ,支援定義 runtimeExecutable 或 program`。若需設定環境變數,可於提示框的環境下拉選單中進入編輯器,變數將加密儲存於本機。
    SSH 連線:使用者可透過環境下拉選單選擇 + Add SSH connection,輸入名稱、SSH Host、Port 與 Identity File 等資訊,以便在遠端機器上執行 Claude Code。
    企業級管理與部署
    管理設定:企業版可透過 admin settings console 控制 Claude Code 存取權、Web sessions、Remote Control 及 Bypass permissions mode。
    部署工具:桌面版應用程式可透過 macOS 的 MDM(如 Jamf、Kandji)或 Windows 的群組原則管理。
    設定共享:Desktop 與 CLI 讀取相同的設定檔,包括專案中的 CLAUDE.md、~/.claude.json 以及 MCP servers 設定。
    疑難排解建議
    若遇到應用程式無回應或錯誤,建議採取以下步驟:
    檢查更新:確保應用程式為最新版本。
    重啟環境:完全關閉應用程式(非僅關閉視窗)後重新啟動。
    檢查依賴:Windows 使用者若遇到本地 session 無法啟動,請確認已安裝 Git for Windows 並重啟應用程式。
    日誌檢查:macOS 使用者請檢查 Console.app,Windows 使用者請檢查「事件檢視器」中的「Windows 記錄」與「應用程式」。
    詳細文件與下載資訊可參考 Claude Code 文件。

    這段影片展示了 Claude Code 如何協助開發者自動化修復網站結帳頁面的運送選項顯示問題。 影片中的 Prompt 與操作:

    Prompt(00:00): 我們的運送步驟感覺不太對。研究一下好的結帳頁面是如何處理的,然後修復我們的。

    原文:Our shipping step feels off. Research how the good checkouts handle it, then fix ours.

    操作步驟: 1. (00:00)輸入指令並開始研究問題 2. (00:05)啟動開發伺服器 3. (00:07)開啟瀏覽器查看頁面 4. (00:12)搜尋並閱讀結帳模式文件 5. (00:18)填寫表單進行測試 6. (00:24)應用程式碼修改 7. (00:28)編輯 `shipping.tsx` 檔案 8. (00:30)重新載入頁面並驗證結果

    原文:https://easyvibecoding.app/curated/2448-claude-desktop-adds-built-in-browser

    4 min