
Sign up to save your podcasts
Or


Matthew Berman 訪談 Tibo:Astra 與新模型如何改變開發者工作流程。
原文:https://easyvibecoding.app/curated/3126-matthew-berman-interviews-tibo-astra-models-developer
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。
原文:https://easyvibecoding.app/curated/3123-claudedevs-rebuild-claude-streaming-renderer-reduce-stalls
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。
原文:https://easyvibecoding.app/curated/3125-xai-grok-voice-think-fast-2-0-hits-top-voice-evaluation
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。
原文:https://easyvibecoding.app/curated/3127-openai-chatgpt-work-codex-plus-restore-five-hour-limits-pro
什麼是 harness engineering?為什麼你應該在意?
Apodex 1.1 與 FrontierAgent 開源:Agent Team 可平行執行長時間研究任務
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
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
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
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
From the publisher's feed