EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • Matthew Berman 訪談 Tibo:Astra 與新模型如何改變開發者工作流程

    Matthew Berman 訪談 Tibo:Astra 與新模型如何改變開發者工作流程。

    訪談也觸及使用限制反覆重設、自我遞迴改進、AI 風險與環境影響,呈現產業加速發展下的期待與爭議。
    訪談重點 影片章節顯示,Tibo 分享了在 Google DeepMind 的學習(0:45),並說明 OpenAI 如何建立「relentless culture」(4:22)。其他主題包括:
    Astra 與新一代模型(7:23)
    AI 加速改變開發者工作流程(11:18)
    ChatGPT 與 Codex 的整合方向(14:27)
    OpenAI 與 Anthropic 的比較(20:25)
    OpenAI 為何持續重設使用限制(23:37)
    Recursive Self-Improvement(30:25)
    導致「The Pause」的危險(32:00)
    Ultra Fast 是否會成為預設模式(34:13)
    為何每個人都應該嘗試 AI(43:20)
    「Reset」形象 社群回應集中在 Tibo 經常重設使用者限制的形象。Emmanuel Crown 稱這是首次看見「大重設按鈕」背後的人;其他留言則以「reset lord」和「替我拯救使用限制的人」戲稱他。Matthew Berman 回應,Tibo 在 OpenAI 實際負責的工作不只是按下重設按鈕,顯示這個網路稱號只反映其公開形象的一部分,不能代表他的完整職責。
    環境爭議 訪談末段提到 AI 的環境影響後,Chris 詢問這裡所指的是用水、碳排放還是能源消耗,並主張 AI 對水資源與碳排放的實際貢獻,相較其他技術與產業「極其微小」。他進一步認為,AI 可能帶來環境與醫療效益,抑制 AI 反而可能造成更大的環境損害與更高的癌症死亡率。不過這是 Chris 的立場,並非訪談提供的研究結論。
    發布者立場 Matthew Berman澄清,他提問不是要表達自己對相關議題的看法,而是希望回應一般大眾對 AI 環境影響的擔憂;他並表示,自己認為外界對 AI 環境問題的描述被過度放大。這段討論反映出,AI 的環境成本仍是公共辯論的一部分,但本次對話並未提供具體排放、用水或能源數據。

    原文:https://easyvibecoding.app/curated/3126-matthew-berman-interviews-tibo-astra-models-developer

    3 min
  • ClaudeDevs 重建 Claude 網頁版與桌面版串流 renderer,長回覆停滯次數降至約九分之一

    ClaudeDevs 重建 Claude 網頁版與桌面版串流 renderer,長回覆停滯次數降至約九分之一。

    核心更新 ClaudeDevs 於 2026 年 8 月 25 日說明,團隊重建串流 renderer,只更新仍在變動的內容,因此:
    在較慢的筆電上,長回覆的停滯次數降至約九分之一。
    最嚴重的凍結時間縮短至約四點五分之一。
    在 120Hz MacBook 上,串流全程維持 120fps。
    畫面觀察 輔助影片以「Before」與「Now」對比同一段建立 Python 命令列支出追蹤器的長回覆。畫面顯示,舊版在約 3 秒後出現 210ms 凍結;新版則維持約 119–120fps,凍結時間為 0ms。影片底部註明,這是同一台 120Hz 筆電上的實測重建,對比 7 月 15 日建置版本與 8 月 24 日版本;這些數值屬於畫面展示,不另視為官方規格。
    Claude 在網頁與桌面端串流大型長回覆時的效能對比,左側舊版在長文本輸出時頻繁遇到畫面停滯與資源耗盡,右側新版則能維持流暢且穩定的幀率。
    社群回饋 Lydia Hallie 將這次更新形容為更多「生活品質」改善。

    原文:https://easyvibecoding.app/curated/3123-claudedevs-rebuild-claude-streaming-renderer-reduce-stalls

    2 min
  • x.ai 推出 Grok Voice Think Fast 2.0,登上語音對語音評測第一名並支援語音代理

    x.ai 推出 Grok Voice Think Fast 2.0,登上語音對語音評測第一名並支援語音代理。

    核心發布 @SpaceXAI 在 2026 年 8 月 25 日表示,該模型評估的不只是語音生成,而是能否理解聽到的語音、推理、解決真實客戶問題,並透過 Agent tools 正確完成任務。Grok Voice Think Fast 2.0 已可透過 API 或 Agent Builder 使用,開發者可在 console.x.ai 建立、調整與部署 voice agents。
    實際應用 Starlink 使用 Grok Voice 處理客服與銷售來電;官方稱它能診斷硬體問題、寄送替換品,並透過語音通話與聊天功能,每週完成超過 3,000 筆訂單。這些數字是 @SpaceXAI 對實際部署成果的說法。
    評測表現 7 月 29 日發布的官方公告引用 Artificial Analysis 資料,列出 Grok Voice Think Fast 2.0 的多項結果:
    AA Speech-to-Speech Quality Index 為 82.9%,高於 Grok Voice Think Fast 1.0 的 75.7% 與 GPT-Realtime-2.1 (High) 的 79.1%。
    Big Bench Audio 語音推理分數為 97.2%,Full Duplex Bench 對話動態分數為 95.1%。
    τ-voice Bench 的 Agentic Performance 為 56.5%,Time to First Audio 為 0.70 秒。
    Grok Voice Think Fast 2.0 在 Artificial Analysis Speech-to-Speech Index 以 79.0% 的得分位居第一,領先 GPT-Realtime-2.1 High (73.9%) 與 Gemini 3.1 Flash Live (71.5%) 等模型。這組圖表數字與官方公告的 82.9% 來自不同快照或評測口徑,不能直接視為同一組結果。
    辨識與推理 x.ai 表示,模型在 24 種語言、數千個短語的測試中,轉錄準確度相較 Deepgram Nova 3 與 ElevenLabs Scribe v2 提升 1.5~2.0 倍,相較 Grok Voice Think Fast 1.0 提升 1.4 倍;在含背景噪音的情境,與專用語音轉文字模型的差距約可擴大至 10 倍。模型還能在說話時同步推理,使用的 reasoning token 約為前代中位數的 0.4 倍,官方稱這不會增加延遲,tool call 通常能在 Agent 說完第一句話前執行。
    遷移與價格 官方預期多數使用情境不需修改既有 prompt 就能改善表現,Starlink 的 A/B 測試也觀察到銷售轉換率與客服自助解決率提高。公告表示 grok-voice-latest 於 2026 年 8 月 5 日從 Grok Voice Think Fast 1.0 切換至 2.0;希望維持舊版者,需在期限前固定使用 grok-voice-think-fast-1.0。Grok Voice Think Fast 2.0 的價格為每分鐘音訊 0.08 美元。

    原文:https://easyvibecoding.app/curated/3125-xai-grok-voice-think-fast-2-0-hits-top-voice-evaluation

    4 min
  • ChatGPT Work 與 Codex Plus 明日恢復 5 小時使用上限,Pro $100 與 Pro $200 暫不受限

    ChatGPT Work 與 Codex Plus 明日恢復 5 小時使用上限,Pro $100 與 Pro $200 暫不受限。

    明日恢復 5 小時上限
    這項限制原本曾宣布,後來延期,如今預計重新啟用。
    Tibo 認為,5 小時上限能平滑運算資源負載,讓 Plus 方案維持相對寬鬆的每週使用量。
    使用體驗考量
    Plus 使用者多半是較偶爾使用服務的人,以及剛加入的新使用者;他們可能不小心用完整週額度,之後因無法使用而感到困惑,整體體驗並不理想。
    Pro 方案例外
    未來幾個月內,Pro $100 與 Pro $200 訂閱仍不會啟用 5 小時限制。

    原文:https://easyvibecoding.app/curated/3127-openai-chatgpt-work-codex-plus-restore-five-hour-limits-pro

    1 min
  • 什麼是 harness engineering?為什麼你應該在意?

    什麼是 harness engineering?為什麼你應該在意?

    要如何在完全沒有手動撰寫任何程式碼的情況下,交付一個軟體產品?
    今天有位朋友問了我這個問題,我才發現自己沒有一個簡單的答案。所以我進一步深入研究。
    結果發現,答案就在於你如何設計 harness。
    作者:@shirmeir86
    等等,現在是怎樣?什麼是 harness engineering?
    這之所以成為目前 coding agent 領域最重要的趨勢,是有原因的。現今最大的問題是:如何在不用逐行閱讀的情況下,驗證 AI 產生的程式碼?要怎麼確保 Agent 不會弄壞正式環境,或刪除你的資料?
    我最近讀到一個很有意思的實驗:一個由 3 位工程師組成的團隊,在完全沒有手動撰寫任何程式碼的情況下,建立並發布了一個軟體產品的內部 beta 版本。每一行程式碼——應用程式邏輯、測試、CI 設定、文件、可觀測性,以及內部工具——全部都是由 Codex 撰寫的。
    他們是怎麼做到的?他們沒有撰寫應用程式,而是設計了 harness。
    harness 究竟是什麼?
    把 AI Agent 想成一匹強大的賽馬。harness 就是賽道、眼罩,以及騎師手中的韁繩,讓它朝正確的方向前進,而不是跳進觀眾席。
    正如我的同事 Arthur Thompson 今天所說:對 Agent 而言,harness 是由所有包覆 LLM 的確定性元件組成。
    Balaji Subramaniam 在他的部落格中詳細介紹了這些確定性元件——協調層、執行沙盒、狀態持久化,以及驗證工具。
    如果你想建立可靠的 agentic 系統,你的工作重心就會從撰寫邏輯,轉變為設計環境。以下是你需要專注的幾件事:
    設定嚴格的界線:不要讓 Agent 猜測自己可以碰哪些東西。強制套用嚴格的存取規則(例如把它限制在特定沙盒內),避免它不小心清除正式環境中的資料。
    建立「Repair Loop」:Agent 遲早會犯錯。一個優秀的 harness 會自動捕捉錯誤,例如建置失敗或測試失敗,然後把乾淨的日誌直接回傳給 Agent,讓它自行修正程式碼。
    給它地圖,而不是操作手冊:正如 OpenAI 團隊所發現的,不要用大量的指示文件淹沒 Agent。應該有邏輯地組織程式庫,讓 Agent 在工作過程中逐步自行探索所需的 context。
    讓我看看程式碼
    實務上會長什麼樣子?以下是一個使用 Google Antigravity SDK 搭配 Google 的 ADK,設定本機 harness 的簡單範例。請注意,我們嚴格將 Agent 限制在特定的 workspace(workspaces=[“./sandbox”])中,並提供儲存記憶的位置(save_dir=”./trajectories”),讓它能從過去的經驗中學習。
    `python
    import os
    from google.adk.labs.antigravity import AntigravityAgent
    from google.antigravity import LocalAgentConfig
    from google.antigravity.hooks import policy
    Ensure absolute paths for workspace containment
    sandbox_dir = os.path.abspath("./sandbox")
    os.makedirs(sandboxdir, existok=True)
    save_dir = os.path.abspath("./trajectories")
    Engineer the harness environment
    sdk_config = LocalAgentConfig(
    system_instructions="You are a helpful local environment assistant.",
    workspaces=[sandbox_dir],
    Let the agent write safely within the restricted sandbox boundary
    policies=[policy.allow_all()],
    savedir=savedir,
    )
    Wrap the config to run the agent inside the harness
    root_agent = AntigravityAgent(
    name="antigravity_assistant",
    description="Runs an Antigravity SDK agent inside ADK.",
    config=sdk_config,
    )
    `
    說明 AI Agent 權限控管機制的架構圖,左側為藍色的 AI Agent,右側上方以綠色框顯示可寫入的 ./sandbox folder,中間與下方則以虛線及紅色框顯示遭到政策阻擋的 Production Database 與 Host System Files。
    展開畫面重點- 圓形節點「AI Agent」
    實線箭頭連接至綠色長方形「./sandbox folder」,上方標籤為「Writes Code」
    虛線箭頭連接至紅色圓柱體「Production Database」,上方標籤為「Blocked by policy」
    虛線箭頭連接至紅色長方形「Host System Files」,上方標籤為「Blocked by policy」
    完成這樣的設計後,你可以把既有程式碼放進沙盒,寫一個簡單的迴圈對它執行單元測試,接著讓 Agent 反覆修正自己的錯誤。
    加入測試
    那麼,我們實際上要如何對這個受沙盒限制的 Agent 執行測試?
    在現代的 harness engineering 中,測試是 Agent 工作流程圖中的主動元件。使用 Google 的 ADK 2.0——它引入了以圖為基礎的工作流程——你可以把測試驗證步驟定義成一個簡單的路由節點。
    如果測試通過,工作就完成了。如果測試失敗,harness 會自動把錯誤回傳給 Agent,讓它再試一次。請注意內建的「kill switch」:我們會追蹤迭代次數,因此如果 Agent 卡在不斷弄壞、修正程式碼的無限迴圈中,harness 就能安全地中止執行。
    `python
    from google.adk.agents.context import Context
    from google.adk import Event
    from google.adk.events.event_actions import EventActions
    from google.genai import types
    Evaluate the code in the sandbox
    def executiontestnode(ctx: Context):
    Safely track our attempts to prevent infinite loops
    iterationcount = ctx.state.get("iterationcount", 0) + 1
    ctx.state["iterationcount"] = iterationcount
    testpassed = ctx.state.get("testpassed", False)
    feedback = ctx.state.get("feedback", "")
    if test_passed:
    Success! End the workflow.
    return Event(actions=EventActions(route="END"))
    if iteration_count > 5:
    The Kill Switch: The agent is stuck. Stop the loop.
    return Event(actions=EventActions(route="END"))
    Failure! Feed the error trace back to the agent and loop it.
    feedback_msg = f"The unit tests failed with the following traceback:\n\n{feedback}"
    return Event(
    cont…

    8 min
  • Apodex 1.1 與 FrontierAgent 開源:Agent Team 可平行執行長時間研究任務

    Apodex 1.1 與 FrontierAgent 開源:Agent Team 可平行執行長時間研究任務

    發布內容
    Apodex 於 2026 年 8 月 24 日介紹 Apodex 1.1,定位涵蓋複雜專業工作、科學研究、金融分析與深度搜尋。此次同步推出三項內容:
    Apodex 1.1:目前能力最完整的 frontier model,可透過 Apodex 線上 workspace 使用。
    Apodex 1.1 mini:35B、採 open weights,設計為可在本機部署的模型。
    FrontierAgent:開源、可本機部署的研究工作台與 agent runtime,原始程式碼位於 GitHub,模型權重則整理於 Hugging Face。
    使用者也能從 Apodex 線上工作台、API platform 或 技術報告 了解與使用這套系統。
    Agent Team 與執行方式
    Apodex 1.1 的核心功能是 Asynchronous Agent Team。系統會先拆解複雜任務,再讓多個 Agent 平行處理不同工作,持續整合各自結果;使用者可在執行途中介入、引導或重新調整方向,而不必捨棄仍然有效的既有成果。
    Apodex 將這種能力歸納為兩個擴展面向,並以持久化任務狀態串起整個流程:
    Environment Scaling:擴大模型能學習與操作的檔案、搜尋、程式碼及其他可執行環境。
    Agentic Coordination Scaling:讓任務能在多個 Agent、branch 與不同時間點之間拆解、協調、整合及重新組織。
    Persistent task state:保留計畫、產出物、相依性、失敗狀態與下一步,使長時間執行不會因中途變更而失去脈絡。
    對研究工作而言,這代表系統能從原始輸入一路產出可檢查的結果,並保留清楚的步驟、檔案、失敗原因與後續行動。Agent Team 會把工作分支交給平行 sub-agent,再收回報告完成整合;關鍵主張還能先經過 Independent Statement Review,獨立檢查後才交給使用者。
    主 Agent 與 Expert Agent Team 及 Verification Agent Team 協作的非同步多 Agent 架構系統流程圖,左側包含 Query、Main Agent 控制面板與 Report Pool,右上方展示多個不同領域的 Agent 任務狀態,右下方為 Verification Agent Team 的審查職責劃分。
    評測結果
    Apodex 表示,在同時以 ReAct 與 Agent Team 評估的四項 benchmark 中,Agent Team 帶來 4.1–9.3 分的提升。貼文列出的結果如下:
    專業工作:APEX-Agent 38.5、GDPVal 78.8 win rate
    金融:FrontierFinance 54.3
    科學研究:FrontierScience-Research 63.3、BioMysteryBench Human-difficult 35.3
    推理:HLE 56.1
    FrontierAgent 文件中的完整比較也列出,Apodex-1.1 Agent Team 在 APEX-Agents、GDPval、FrontierFinance、FrontierScience-Research、BioMysteryBench 與 HLE 的分數分別為 38.5、78.8、54.3、63.3、35.3、56.1;ReAct 則為 34.4、69.5、48.7、55.0、23.5、53.2。相較之下,Apodex-1.0 分別為 16.5、59.3、40.3、28.3、17.6、49.0。
    Apodex 1.1 Agent Team 在 FrontierFinance(54.3 分)與 FrontierScience-Research(63.3 分)取得第一,並在 APEX-Agents(38.5 分)、GDPVal(78.8 分)、BioMysteryBench(35.3 分)及 Humanity's Last Exam(56.1 分)等基準測試中位居前列,相較於 ReAct 組態有 4.1 至 9.3 分的提升。
    Apodex 1.1 mini 搭配 Agent Team 時,在 FrontierFinance 得分 50.2、FrontierScience-Research 得分 51.7、APEX-Agents 得分 27.7,幾乎追上 1T-parameter 的 Kimi K2.6 在 APEX-Agents 的 27.9;改用 ReAct 時,三項分數為 40.0、45.0、24.2。這些是來源所列的 benchmark 結果,不代表所有任務都具備相同表現。
    Apodex 1.1 Mini Agent Team 在 FrontierFinance 取得 50.2 分領先各模型,但在 APEX-Agents 以 27.7 分略落後 Kimi K2.6(27.9),在 FrontierScience-Research 以 51.7 分落後 DeepSeek V4 Flash 0731(55.0),各 benchmark 表現各有高低。
    FrontierAgent 的工作台設計
    引用的 FrontierAgent repo 將工具、workflow 與評測層分開,提供兩種原生模式:
    ReAct:由單一具狀態的 Agent 讀取檔案、搜尋資料、執行命令、撰寫交付成果,並在任務範圍內反覆迭代。
    Agent Team:由 coordinator 維護 task board,把獨立工作分派給平行 sub-agent,收集結構化報告後合成最終結果。
    TUI 會即時顯示 pending、active、completed、blocked 與 cancelled 等任務狀態。檔案工作則集中在 task-scoped 沙盒:/inputs 為唯讀、/workspace 存放工作狀態、/outputs 保存最終交付成果。系統對授權與沙盒錯誤採 fail-closed;會對變更操作顯示 diff,通常要求核准,並將 session 建立 checkpoint、trace 與 engine log。使用者可用 /revert 還原變更,或用 --resume 繼續保存的執行。
    Apodex 1.1 報告、研究文件與程式碼工作流程畫面
    來源 repo 也指出,執行中的 Agent 不會因使用者輸入而直接中斷;新指令會排入下一個安全的 turn boundary。在 Agent Team 模式下,指令會先引導 coordinator,已經開始執行的 sub-agent 則可完成目前工作。
    本機部署與使用方式
    FrontierAgent 支援 macOS、Linux、WSL2、Docker,以及搭配 SGLang 的本機模型服務。官方基本流程如下,需準備 Git、Python 3.12、uv 與 OpenAI-compatible model endpoint,Docker 可選:
    複製 repo 並安裝相依套件:
    `bash
    git clone https://github.com/ApodexAI/FrontierAgent.git
    cd FrontierAgent
    uv sync --python 3.12 --extra dev
    cp .env.example .env
    `
    在 .env 填入 endpoint:
    `dotenv
    OPENAIAPIKEY=your-key
    OPENAIBASEURL=https://your-openai-compatible-endpoint/v1
    OPENAI_MODEL=your-model-name
    Optional web research tools
    SERPERAPIKEY=
    JINAAPIKEY=
    `
    依需求啟動單一 Agent 或 Agent Team:
    `bash
    Stateful single-agent workflow
    uv run frontier-agent --mode react --cwd /path/to/project
    Coordinator plus parallel sub-agents
    uv run frontier-agent --mode agent_team --cwd /path/to/project
    `
    FrontierAgent 也提供原生 command-line TUI、ReAct 與 Agent Team 模式,以及在 macOS 和 Linux 上的一鍵啟動方式,不要求預先安裝 Docker。若使用 Docker,repo…

    8 min
  • 企業 Codex 週活躍使用者增幅:法務 108 倍、工程 5 倍

    企業 Codex 週活躍使用者增幅:法務 108 倍、工程 5 倍。

    職能成長 OpenAI Enterprise Signals 以 2026 年 2 月為基準,整理各職能企業 Codex 週活躍使用者的成長:

    法務:成長為 108 倍 業務/客戶帳戶:成長為 41 倍 招募/人員:成長為 41 倍 行銷/傳播:成長為 26 倍 醫療/臨床:成長為 24 倍 財務/會計:成長為 20 倍 專案/計畫:成長為 18 倍 工程/技術實務:成長為 5 倍

    圖表將週活躍企業 Codex 使用者數以 2026 年 2 月 1 日為索引基準。這表示法務職能的成長幅度遠高於工程職能,但不代表法務使用者數已超過工程使用者,也不代表產生了同等幅度的業務成果。

    法務職能的每週活躍企業 Codex 使用者,自 2026 年 2 月至 6 月成長為 108 倍,領先業務/客戶帳戶(41 倍)、人員/招募(41 倍)、行銷/傳播(26 倍)、醫療/臨床(24 倍)、財務/會計(20 倍)、專案/計畫(18 倍)與工程/技術實務(5 倍)。

    資料方法與限制 OpenAI 在Enterprise Signals 報告中表示,分析採用企業客戶的彙總、去識別化使用資料,並以自動化內容分類判定職能;分析過程不會由 OpenAI 員工閱讀客戶訊息。報告同時提醒,token 使用量只是商業價值的不完美代理指標,因此不能單靠 token 數量評估生產力或投資回報。

    解讀與產業影響 a16z 於 2026 年 8 月 12 日指出,AI 的高強度使用者正出現在科技與工程以外的部門;其後在 8 月 23 日的Charts of the Week 文章中,將法務的 108 倍成長描述為知識工作走向前沿的訊號。不過,a16z 與 OpenAI 都提醒,部分變化可能來自 Codex 更廣泛的推出與可用性提升,而不只是組織行為改變。報告所稱的 frontier firms,是每月使用量排名前 10% 的企業;因此結果更接近高使用量企業的採用趨勢,不能直接推論整體企業市場。a16z 認為,這群每月使用量排名前 10% 的企業使用者,使用方式正從聊天逐步轉向外掛、技能與代理式工作流程。

    原文:https://easyvibecoding.app/curated/3108-openai-codex-business-user-growth-legal-108x-engineering-5x

    3 min
  • Google DeepMind 與 EVE Online 團隊合作,用離線沙盒研究 AI 的長期記憶與規劃

    Google DeepMind 與 EVE Online 團隊合作,用離線沙盒研究 AI 的長期記憶與規劃。

    Google DeepMind 回顧從 Atari、圍棋到 EVE Online 的遊戲 AI 研究;右側四格包含迷宮、棋盤、3D 遊戲場景與 EVE Online 星艦戰鬥。

    為什麼選 EVE Online

    Google DeepMind 與 Fenris Creations 的研究合作,會先從一套架在本機伺服器、與正式世界 Tranquility 分開的離線 EVE Online 開始。研究人員將在這個受控環境裡使用模擬與歷史資料,不會直接拿玩家共同經營的 New Eden 當實驗場。

    EVE Online 的難處,在於世界不會在一場比賽後重置。市場持續變動、資源有限、資訊不完整,數十萬名玩家又各自有不同目標。AI 代理不只要學會打贏一場戰鬥,還得在不知道全貌的情況下做決策,因應別人介入,判斷對方會合作還是背叛,並承擔幾個月甚至幾年後才浮現的結果。

    四項研究挑戰

    持續學習(continual learning):世界改變時學會新能力,同時不忘記原本會的事。 深層記憶(deep memory):保存並取回遠超過目前模型上下文視窗的資訊。 長期規劃(long-horizon planning):推演數週、數月到數年後的影響。 多代理互動(multi-agent dynamics):處理合作、競爭、談判、經濟活動與大規模互動中自然出現的行為。

    先離線研究,再談遊戲內應用

    Google DeepMind 表示,研究之後可能延伸到 EVE Universe 的不同環境。EVE Frontier 的可程式化組件 Smart Assemblies 與可延伸架構,適合探索 AI 如何適應新規則,以及人類與 AI 代理如何在開放世界共存;EVE Vanguard 則提供節奏更快的第一人稱戰術情境。只有當能力夠成熟、確定能讓玩家體驗更好時,團隊才會考慮把成果帶進 EVE Online 或 EVE Vanguard。

    Fenris Creations 也把界線說得很清楚:不做替玩家遊玩 EVE 的系統,也不建立凌駕遊戲規則的自動化層。只要一項技術會消除風險、繞過後果,或代替玩家做決定,就違背 EVE 的核心。未來若真的採用智慧系統,也必須遵守世界規則,增加更有意義的選擇,而不是把選擇拿走。

    Tranquility 累積了 23 年的玩家歷史、組織、戰爭與經濟決策,因此不能被當成一般測試場。相較之下,專用測試伺服器能讓研究團隊安全試驗,也能讓玩家自行選擇是否參與。

    已經上線的功能,與仍在研究的方向

    目前 EVE 已有一項和 Google AI 技術相關的實際功能:Aura Guidance 使用 Gemini 整理 Rookie Help 裡的玩家問答,協助新手理解遊戲。不過,這和本次離線研究、EVE Frontier 的後續探索,以及可能的半自主治理系統並不是同一件事;後三者仍是研究方向,不能當成已發布功能。

    研究成果未來可能用於測試複雜系統、觀察模擬經濟中的變化如何擴散,或幫助新手理解大量遊戲路徑。至於用半自主系統在沙盒中創造更多衝突、機會與互動,官方只把它列為長期探索方向,沒有承諾一定會做。

    從遊戲研究走向真實世界

    這項合作延續 Google DeepMind 十多年來以遊戲研究 AI 的路線:從 Atari、AlphaGo、AlphaStar,到讓代理透過螢幕、鍵盤與滑鼠理解 3D 世界的 SIMA,遊戲一直是測試學習、推理與規劃能力的場域。EVE Online 下一步要補上的,是持續世界裡更複雜的人類互動與長期後果。

    雙方的長期目標,是和遊戲開發者一起找出新的玩法,讓遊戲更容易上手、更符合不同玩家需求,也把研究得到的能力帶到現實問題與科學發現。不過這項 EVE Online 研究仍在早期階段,Fenris Creations 明確表示,目前不承諾研究最後一定會走向哪裡。

    原文:https://easyvibecoding.app/curated/3106-google-deepmind-eve-online-offline-ai-research

    5 min
  • Tibo 預告修正 Codex 快取命中率問題,付費訂閱額度將完整重置

    Tibo 預告修正 Codex 快取命中率問題,付費訂閱額度將完整重置。

    官方診斷 Tibo 在 X 貼文 表示,部分使用者的快取命中率低於過去穩定週期,可能導致使用量更快耗盡。三個主要來源包括:

    長時間工作階段經歷多次內容壓縮(compaction)時,圖片處理效率不佳。 Computer History 的 p95+ 使用量偏高。 對話標題功能消耗的使用量超出原先預期。

    團隊預計隔日推出修正,並完整重置所有付費訂閱的使用額度;另一套效率改善方式將於下一週調查,但尚未公布可量化的成果。

    重置時間 在後續 討論串 中,Tibo 說明付費訂閱重置預計於隔日太平洋時間下午 2 點左右進行,並更正先前寫成「14pm」的時間。

    社群疑慮 Alex Getman 指出,快取命中率下降可能讓使用量迅速增加,也質疑問題為何未能及早被發現。他希望 Codex 提供快取統計,以及訂閱使用量與 API 等值用量之間更清楚的對照,並認為使用量透明度不足才是核心問題。另一位作者則解釋,長上下文的 Agent 工作流程一旦發生快取未命中,就必須重新處理上下文;但其中提到的數值折扣範圍只是作者主張,不能視為 Codex 訂閱換算率的獨立驗證。

    原文:https://easyvibecoding.app/curated/3103-tibo-previews-codex-cache-hit-rate-fix-subscription-reset

    2 min
  • Vero 測試 GPT-5.5 xhigh 在真實專案中同時完成程式碼與證明,90 分鐘解決 27/43 個實例

    Vero 測試 GPT-5.5 xhigh 在真實專案中同時完成程式碼與證明,90 分鐘解決 27/43 個實例。

    最強的 GPT-5.5 xhigh 設定在 90 分鐘限制內,於 code-and-proof 模式完成 27/43 個實例。

    測試設計 Vero 收錄 43 個源自真實專案的多模組 Lean 4 儲存庫,涵蓋 Python、Dafny、Verus 與 Coq 等來源語言。每個實例都提供固定 API、人工整理的規格與參考實作,要求 Agent 在既定介面與規格下完成工作。

    Vero 的端對端建構與評估工作流程圖,分為 1 BENCHMARK CURATION(包含 1A REAL-WORLD REPOSITORIES、1B HUMAN-GATED CURATION、1C CURATED LEAN 4 BENCHMARK)、2 AGENT GENERATION(包含 2A PROOF-ONLY MODE 與 2B CODE + PROOF MODE)以及 3 EVALUATION(包含 3A INDEPENDENT GRADER 與 3B FORMAL AUDIT ROUTE),下方附有標題 Figure 1 與詳細說明文字。

    proof-only:只合成機器可檢查的證明。 code-and-proof:同時實作程式碼並完成證明。

    評測結果 @dawnsongtweets 表示,最強設定在 code-and-proof 模式完成 27/43 個實例;在 proof-only 模式則完成 25/43 個。這組結果顯示,當任務從單純證明擴大到同時實作程式碼與證明時,仍有許多實例無法在有限時間內完全解決。

    Vero 基準測試包含 43 個實例,其中 Track 1(形式化)在 APIs、Specs 與 Source LoC 的平均數皆高於 Track 2(非形式化)。

    方法與可信度 Vero 另設稽核機制,用於處理規格或參考實作彼此不一致的情況,避免評測結果受到不合理題目條件影響。官方貼文附上的結果圖比較兩種模式下的模型表現,而〈Vero 基準測試論文〉提供正式方法與完整的測試規範。

    原文:https://easyvibecoding.app/curated/3105-vero-tests-gpt-5-5-xhigh-code-proof-27-of-43

    3 min

About EasyVibeCoding Podcast

From the publisher's feed

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。