我发现现在每天吃早饭包子饺子这些质量在缩水，肉给的特别少，价格还贵，要是在几年前或者更早价格便宜，肉给的大多。真的，感觉物价贵了，早餐体验也变差了。 10 个帖子 - 9 位参与者 阅读完整话题
如果你因为 在codex中做PPT，但做出来一坨，质量远远不如之前 或者 其他相似原因 ，发现你熟知的这三个插件不见了 Documents、Spreadsheets、Presentations 可以这样让codex来恢复它们 我注意到我的codex中有一些插件不见了，比如这个。 name: Presentations description: Build premium editorial analytics presentation decks for PowerPoint and Google Slides with artifact-tool presentation JSX, using ruthless narrative editing, chart-first storytelling, rendered critique, platform-specific delivery rules, and iteration until the output beats the reference deck. 做表格、文件、PPT的这三个插件都不见了，上面那个是做PPT的，查明原因，尽快找回 仔细检查一下，确保它们的所有功能都完整的被恢复了过来。 效果 1 个帖子 - 1 位参与者 阅读完整话题
感兴趣的佬，GitHub搜索：jlifeng/JobPilot 近期亮点 v1.5.0 — 桌面工作台重构、AI 分析记录落库、WebDAV 自动同步、AI 生成简历、设置页简化、深色模式优化和更完整的模拟面试反馈。（构建中） v1.4.1 — 发布流程新增 Intel Mac 构建，与 Windows 和 macOS Apple Silicon 安装包一并生成。 v1.4.0 — 导出数据脱敏、Anthropic 简历编辑工具、局部文本替换和更稳定的 AI 流式输出。 v1.3.0 — 工作台布局重构、编辑器预览与侧边栏优化、面试模拟删除/重新开始、Anthropic 面试流式对话。 v1.2.2 — WebDAV 加密云端同步，支持快照备份与恢复。 v1.1.x — 桌面端打包、多格式导入、PDF 解析增强、应用内更新、模板优化和 macOS 支持。 1 个帖子 - 1 位参与者 阅读完整话题
感觉没怎么用 智力就下降了好多，感觉说的不是人话了 5 个帖子 - 3 位参与者 阅读完整话题
之前我记得是记忆和会话是分开的，会话严重干扰回答质量所以我一直是关掉的，记忆本身没存东西，今天提问的时候突然提到了参考我的思路，看了眼设置发现已经没有单独的会话开关了 2 个帖子 - 2 位参与者 阅读完整话题
测试模型质量的问题，佬友们有没有什么适合高强度推理的问题，想拿来拷打一下gpt，这个账号之前被降智过 1 个帖子 - 1 位参与者 阅读完整话题
主要使用可能是 中日英 三语互译，论文邮件翻译。 查了研究了一下 claude 似乎是文学性翻译很好用，更自然一点 Qwen 好像专门的MT系列翻译模型质量很好，尤其对中日有特化 Deepseek 看社区推荐很多，又快又好，现在刷网页翻译一直在用，但是有点担心质量可能不是最好 Gemini 好像是日语翻译效果也很不错，但是用的不多，速度也很不错 也用了很多模型尝试翻译， 剧透 ，成本到是没关系，就是想请教各位佬现在最高质量的翻译模型都是如何选择的 13 个帖子 - 11 位参与者 阅读完整话题
兄弟们快起床，A瘾犯了，求些cpa认证文件 非常感谢兄弟们这几天这么给力，高质量token吸起来真TMD的爽 1 个帖子 - 1 位参与者 阅读完整话题
一直在用linuxdo增强搜索，质量确实不错！感谢我的GitHub账号，刚看了社区入门的一些帖子，其中有一个关于种子的比喻深入我心，顿时有些感慨，很多时候我们只需走在路上，一切都会如期而至！就如同谁能想到5年的GitHub账号变成了某种门槛标准，没曾想为今天埋下了伏笔！ 各位佬，又是什么把你们从曾经的GitHub到Linuxdo连在一起的呢？留下你的故事 ~ 分享最近digging到的一些很喜欢的壁纸： 3 个帖子 - 3 位参与者 阅读完整话题
美国硅谷 轻量应用服务器 2核2G 200Mbps带宽 基本信息 IP质量 网络质量 回程路由 2 个帖子 - 2 位参与者 阅读完整话题
总感觉claude code cli生成的代码质量更高一点，各位佬友有相同的感受吗？ 顺便问问大家都用cli还是客户端vibe coding~ 1 个帖子 - 1 位参与者 阅读完整话题
性能够用，质量够好，希望重量能小一点，预算中等偏上价位
性能够用，质量够好，希望重量能小一点，预算中等偏上价位
正文 很多佬友用着中转站,却不太清楚这些概念,也不知道自己买的服务质量如何、有没有被坑。这篇把几个核心指标讲清楚。 一、倍率 充值倍率 :充值金额和获得额度的比例。例如充值倍率 1r:10 ,就是花 1r 获得 10额度。额度单位由站长设定,通常是刀(美元),部分公益站以 ldc 为单位。 分组倍率 :中转站通常会按模型划分不同倍率 不同分组对应不同的倍率。 举例:某站 default 分组倍率为 0.1 ,那么 default 分组下所有模型都按官方价×0.1 计费。比如 gpt-5.5 官方价是输入 5、输出 30,乘以 0.1 后就是上图的输入0.5、输出 3。 搞懂倍率后，就可以对赠送的额度有直观的理解了。例如一二公益站 赠送200刀额度 ，实际计价是按官网倍率1:1来的，和某付费站注册 赠送20刀额度 ，分组倍率0.1， 实际是一样的总额度 ，但是从视觉上看，感观差异就很大了。前提:这里假设该站模型的「基准价」是按官方价定的。有的站会自己抬高基准价, 倍率低不代表最终便宜 ,详见后文。 二、首字速度与缓存 首字速度(TTFT) :从你 发出请求 到 收到回复第一个字 之间的时间间隔。注意: 推理模型「思考」的时间也算在首字里——它要先想完才吐第一个字,所以推理模型的首字天然比普通模型慢。 首字快慢主要由三件事决定: 上游模型本身的速度 :尤其推理模型要先思考,这段时间跑不掉; 中转到上游(OpenAI/CLAUDE/GEMINI等)的网络距离和线路质量 :服务器离上游越近、线路越优,每次往返越快——这是中转能优化的主要部分; 服务器是否过载 :高峰期 CPU 被打满会明显拖慢首字。 常见误区 :很多人以为「出口带宽大(1G/10G)首字就快」。其实 带宽和首字延迟是两回事 。带宽决定的是「能同时扛多少请求、传大数据快不快」(吞吐量),首字是「 延迟」,取决于线路往返和上游速度。带宽只有在高并发把链路打满时才会间接拖慢延迟— —平时堆带宽并不会让单次首字更快。带宽的真正价值在下面的 RPM 部分(扛并发)。 缓存 :指「提示词缓存」(prompt caching)——把重复的输入前缀缓存下来,命中的输入token 按更低价计费(通常约为原价的 1/10)。所以系统提示词固定、多轮对话等场景，缓存命中率越高越省。前面的价格表里就有缓存价一列。 三、RPM RPM(Requests Per Minute) :每分钟请求数。 个人使用一般 RPM 都小于 10。 这个指标主要反映中转的承载能力:服务器和上游账号池越大,能扛的 RPM 越高。 一个付费站如果日常 RPM 能稳定上千,规模就不小了(不过 RPM还和客户活跃度有关,不能简单换算成具体客户数)。 四、怎么判断自己有没有被坑? 1. 先把各级倍率和价格算清楚。 真实花费要把「充值比例」和「模型/分组倍率」一起算,不能只看倍率低就以为便宜: 有的站倍率低,但充值比例坑,或者把模型基准价抬高了; 综合折扣 ≈ 官方价 × 倍率 ÷ 充值比例。 举例:充值 1:1 、倍率 0.2 、模型按官方价——实际只花官方价的0.2,相当于比直接用官方 API 便宜约 5 倍。 2. 最影响体验的是首字速度。 首字是最能直接感知的指标——问个问题,模型老半天才回,体验就很糟。简单请求、线路好的大站能做到 1–2s,甚至1s内。但 推理模型、长上下文请求,首字2–5s 都算正常 ,这跟上游和请求大小有关。 3. 低价站靠不靠谱。 如果看到一个倍率低得离谱的中转站,就要想想它能扛多少RPM。一旦请求量超过服务器上限,CPU被打满,首字会爆慢,发个「hi」可能要等很久才回。所以很多中转站会 限制并发 ,本质就是压RPM。而个人用 AI 经常会开多个窗口同时跑,如果并发限制太狠,用起来也难受。这是低价和体验之间的取舍,挑站时值得留意。 声明：内容均由本人亲自编写，ai用于矫正markdown格式，方便佬友阅读。 4 个帖子 - 4 位参与者 阅读完整话题
GPT image 2 的图片质量是目前最好的，就用这个做了个解释视频生成器 Knowcast 。 在 https://www.knowcast.app 要做知识科普，故事解说都可以用这个。 做的过程中发现越做越难。 发现 GPT image 2 还是有不少问题，比如它有极繁主义倾向，而且连贯故事的 prompt 不是很好写，画面 prompt 调整了好久。下了很多功夫。找到合适的 API 也麻烦(吐槽一下好多 gpt image 中转站质量很差) 如果大家想生成一些讲解解说类视频，很推荐试一下。 可以生成教学视频，绘本，新闻讲解等等。
GPT image 2 的图片质量是目前最好的，就用这个做了个解释视频生成器 Knowcast 。 在 https://www.knowcast.app 要做知识科普，故事解说都可以用这个。 做的过程中发现越做越难。 发现 GPT image 2 还是有不少问题，比如它有极繁主义倾向，而且连贯故事的 prompt 不是很好写，画面 prompt 调整了好久。下了很多功夫。找到合适的 API 也麻烦(吐槽一下好多 gpt image 中转站质量很差) 如果大家想生成一些讲解解说类视频，很推荐试一下。 可以生成教学视频，绘本，新闻讲解等等。
IT之家 6 月 7 日消息，由卡内基天文台的安德鲁・纽曼领衔的天文学家团队，首次直接测算出一个潜藏在早期宇宙星系中心的休眠黑洞质量。 这个黑洞体型极为庞大，质量相当于太阳的 60 亿倍。如今它已不再照亮周边区域，但研究团队借助詹姆斯・韦布空间望远镜（JWST），观测星系中心受黑洞引力影响的恒星运动，最终测出了它的质量。该研究成果已发表于《科学》期刊。 相比之下，处于活跃吸积状态的黑洞很容易被发现。数十年来，天文学家一直通过搜寻类星体来定位这类黑洞。类星体是宇宙中最明亮的天体之一，由气体坠入星系中心黑洞时释放的能量驱动。 据IT之家了解，此次测算的黑洞位于星系 MRG-M0138 的中心。这是一个巨型星系，其发出的光线从宇宙仅诞生约 30 亿年时出发，最终抵达韦布空间望远镜。目前该星系已停止孕育新恒星，其中心黑洞也陷入沉寂。 在此之前，天文学家仅能在近邻宇宙中运用这种方法测量黑洞质量。2020 年，科学家因追踪单颗恒星轨道、成功探测到银河系中心黑洞，斩获诺贝尔奖。 天文学家曾借助星系中心恒星的整体运动，测算出距离地球约 7 亿光年范围内的黑洞质量。但若是没有韦布望远镜完备的探测设备，再加上引力透镜效应的助力，人类根本无法对更遥远星系开展同类质量测量。 纽曼解释道：“我们结合韦布望远镜超高的观测分辨率，再依靠宇宙天然的‘放大镜’，成功探测到了这个远在 100 亿光年之外的黑洞。” 星系 MRG-M0138 处在一个巨型星系团后方，星系团会放大并扭曲它的影像，让这个遥远星系看起来比正常情况下大 30 倍。 “结合韦布望远镜的观测数据与引力透镜效应，我们得以窥探黑洞的引力影响范围。在这片区域内，黑洞的引力会大幅提升恒星的运行速度。”纽曼补充说，“这是目前测量黑洞质量最有效的手段之一，因此我们十分欣喜，能将这项技术应用到宇宙更早的演化阶段。” 此前人类仅在近邻宇宙中发现过极少数同等规模的休眠黑洞。 这项发现为探究早期宇宙中黑洞与星系的协同演化，提供了全新线索。在近邻星系中，星系中心黑洞的质量，与星系自身特征存在紧密关联。但长久以来，科学界一直难以验证这种关联在数十亿年前是否就已存在。本次研究表明，在宇宙诞生初期，密度最大的星系内部，黑洞曾经历快速成长。 如今归于沉寂的 MRG-M0138，在过去很可能是一个亮度极强的类星体。黑洞高速成长时释放的能量，会驱散、剥离孕育恒星所需的气体，这或许也是该星系最终停止形成恒星的原因。 后续观测工作还将持续推进。目前，该团队正在分析韦布望远镜采集的其他同类星系数据。欧几里得卫星与南希・格雷斯・罗曼空间望远镜，未来还将发现更多此前未知的引力透镜现象。由卡内基科学研究所作为创始合作方、正在智利拉斯坎帕纳斯天文台建造的巨型麦哲伦望远镜，其将比韦布望远镜能够更精细地解析遥远星系中的恒星运动。 研究团队表示，将这套测算方法应用到更多星系后，天文学家将进一步揭开超大质量黑洞的形成、成长之谜，以及它们如何塑造星系演化的完整过程。
你的“快”被废了（效率没了） 你大脑里的 fast-path，是你自己反复踩坑、反复验证后建立的高质量模式识别。 被迫从“判断模式”切换到“表演模式”——表演一个“AI辅助开发”的过程，给流程看。 你的“慢”也被废了（质量没了） 面对未知问题，真正的慢是有方向的慢：探索、比较、推敲、验证，最后形成判断。这个过程需要空间，需要反复，需要试错。 但领导在未知领域强行“快进”——自己用指令生成、自己质疑、自己推翻、自己纠偏。这条链路上，你被踢出了“思考者”的位置，变成了“执行助手”。你负责搭台、拆台、再搭台，但戏剧的台词、节奏、结局全由一个人定。 旧时代，领导不懂技术，你还能用专业争取话语权。 新时代，领导用 AI 直接生成代码，你的专业不再是他依赖的唯一路径。但他不知道，他的生成里少了什么。 3 个帖子 - 3 位参与者 阅读完整话题
是否有影响呢，比如在codex和web里用5.5切换不同的思考等级，或者切到旧模型再生图 1 个帖子 - 1 位参与者 阅读完整话题
佬们觉得这个新机制是降低了门槛还是提升了门槛？ 或者说五年Github用户质量更高还是小作文能通过审核的用户质量更高？ 提升门槛 降低门槛 点击以查看投票。 41 个帖子 - 39 位参与者 阅读完整话题