开发者发布桌面端隧道管理工具 Loris Tunnel 2.0。该工具最初于今年3月上线，定位为 S...
在科技圈普遍追逐 AI 热点的背景下，一款名为 DartSh...
VSCode Codex作为AI辅助编程工具，在本地环境运行...
据Linux.do论坛用户反馈，智谱GLM 5.3模型在Claude Code中的实际使用体验不及预期。该用户使用智谱start套餐每日赠送的300万tokens额度，在Claude Code中执行一个Plan任务时，任务尚未完成额度即已耗尽。用户还实测了推理速度：GLM 5.3约为75 token/s，GLM 5.3 Flash约为43 token/s，并指出定位轻量高速的Flash版本速度反而低于旗舰版，称这一现象“倒反天罡”。Claude Code是Anthropic推出的AI编程工具，支持接入第三方模型，国内开发者常通过智谱等国产大模型的编程套餐驱动该工具，以降低使用门槛和成本。值得注意的是，智能体编程工作流中，由于每轮请求需重传完整上下文，叠加工具调用、代码读写与多步规划，token消耗远超普通对话场景，单个复杂任务消耗数十万甚至百万级tokens并不罕见。智谱GLM系列近期迭代较快，GLM 5.3定位旗舰模型，Flash定位轻量版本，但此次实测显示其在agent场景下的吞吐表现与套餐额度设计仍有优化空间。该帖已引发社区对国产模型承载Claude Code的实际能力与套餐定价合理性的讨论。
核心观点：Agent编程的token消耗量级正在重塑大模型定价逻辑，吞吐与额度跟不上，就接不住Claude Code外溢的生态流量。
原文链接：Linux.do
开发者在V2EX分享了一款名为TrailNote的地图标记工具，产品已在trailnote.co上线。该工具的核心功能是帮助用户在地图上记录自己去过的地点，形成个人足迹地图，同时支持旅游行程规划，方便出行前对目的地进行标记与安排。该项目最大的看点在于开发方式：整个产品完全通过AI编程完成，开发者没有人工审查过任何一行代码。这意味着从功能实现到最终交付，代码的编写与调试均由AI工具承担，人类开发者的角色仅限于提出需求与验收结果。这种零代码审查模式是近期AI编程社区的热议话题。随着大模型编程能力的快速提升，越来越多个人开发者开始尝试完全不读代码、只看成品的开发流程。支持观点认为这大幅降低了软件开发门槛，让有想法的人能快速将产品落地；质疑声音则关注代码质量、数据安全与长期可维护性等风险。TrailNote作为一个已上线的完整产品，为这场讨论提供了具体案例：即便是涉及地图交互、地理数据处理与前端可视化的应用，也能在无人审查代码的情况下完成交付。该分享在社区引发关于AI编程能力边界与可信度的讨论。
核心观点：当一行代码都不读也能交付产品，软件开发的核心门槛正从编码能力转向需求表达与产品判断。
原文链接：V2EX 分享发现
OpenAI CEO 萨姆·奥特曼于10月29日上线的Cheeky Pint播客中，首次直接回应AI对数学界的冲击。他表示理解被搅乱的数学家们的处境，但坚持认为世界理应了解宇宙如何运转，重要的科学发现应当公开，因此AI数学成果仍会继续发布。此次争议源于OpenAI此前的密集发布动作：该公司先声称用AI攻克了纳维-斯托克斯问题，随后又集中放出近400个数学难题的求解成果，以及数百篇未经同行评审的数学证明。由于这些成果缺乏充分解释、引用与验证流程，遭到多位顶尖数学家的批评，认为其发布方式破坏了数学界的学术规范。面对质疑，奥特曼承认发布方式确实需要改进，表示OpenAI未来会在公开成果的同时，给数学界留出足够的解释空间和审阅时间，试图在“科学发现应公开”的理念与学术共同体对严谨验证的要求之间寻找平衡。这一事件也引发了业界对AI数学能力的真实水平以及AI公司科研伦理边界的广泛讨论。
核心观点：AI产出速度与学术验证体系的错位，正成为AI进军基础科学绕不开的核心矛盾。
原文链接：Linux.do
文章探讨了Agent系统从单任务向持续自主实体演进的路径。过去一年，以Coding Agent为代表的单任务Agent已证明模型能够使用工具解决复杂问题，且对人类持续监控的依赖不断降低；同时模型的多Agent协同能力提升，使跨会话的组织与调度成为可能。随着人在底层执行中的参与减少，其角色正上移至更高层的决策与验收。在此背景下，接入消息、日程、邮件与工作平台的个人助手（Personal Agent）近期集中涌现，形成持续在线、事件驱动的工作模式，该模式在软件开发等商业场景中同样具有价值。然而，现有主流Agent设计以单一Session为基本单位，各Session彼此独立。用户并行推进多项工作时，必须手动切换并记住各Session上下文，而一个人通常只能同时跟进3到5个活跃Session。在这种设计下，单任务上限取决于模型能力，多任务上限取决于人的注意力。即便借助CLI、MCP或外部连接器扩展本地单会话Agent，仍受制于单会话同步阻塞、多任务上下文混乱、本地设备离线即停止运行等问题。文章提出，要突破这些限制，需打破Agent与单次手动会话的绑定，使其成为能跨会话保持上下文、同时推进多项复杂任务且互不干扰的连续实体，这一Agent形态及系统架构被称为Super-agent。
核心观点：Agent竞争的下半场不在模型参数，而在架构：谁先摆脱单会话束缚，谁就能承载真正的自主智能。
原文链接：Linux.do
一位从事计算摄影算法开发的用户近日在Linux.do论坛分享了对OpenAI GPT Pro网页版的实测体验。该用户需要对多张图片的合成算法进行优化，将所需图片打包压缩后，配合需求说明和提示词直接通过网页端提交给GPT Pro。实测结果显示，该任务可在网页版上连续运行10至11个小时以上，期间系统还会自动开启4个Agent并行处理，展现出较强的长时间复杂任务执行能力。用户估算，一个窗口的持续运行量就可能消耗掉GPT Pro 20x档位一周的用量上限，而网页版GPT Pro的整体可用量相当于至少二三十个20x档位的周额度。基于这一体验，该用户建议，对于目标明确、验收条件清晰的任务，如算法优化、代码迭代等，可优先交给网页版ChatGPT执行，以更充分地利用订阅额度。该帖子在社区引发了对大模型订阅额度体系与Agent长任务执行能力的讨论，为重度用户选择订阅方案提供了实际参考。
核心观点：大模型竞争正从对话质量转向长任务执行力，订阅额度的算力兑换比成为重度用户选平台的核心标尺。
原文链接：Linux.do
OpenAI 宣布一项订阅政策调整：自 12 月起，ChatGPT 与 Codex 将共享统一的使用额度，用户在两个产品中的消耗将计入同一配额池，不再各自独立计算。此前，ChatGPT 对话与 Codex 编程任务分属两套独立的限流体系，Plus 和 Pro 订阅用户可分别享有各自额度。调整落地后，重度使用 Codex 进行编码开发的用户，额度消耗速度可能明显加快，需要在高频对话与编程任务之间权衡分配。Codex 是 OpenAI 面向开发者推出的 AI 编程智能体，支持代码生成、重构、调试与多文件编辑等任务，被视为与 Anthropic 的 Claude Code 直接竞争的产品。此次额度打通被外界解读为 OpenAI 整合产品体系、简化订阅体验的一步：统一计量可降低用户理解成本，也为后续跨产品的统一计费与功能联动铺路。据披露，OpenAI 将在额度接近上限时向用户发出提醒，并可能针对不同订阅档位提供加购或弹性方案。对于以 Codex 为核心工作流的开发者而言，在 12 月前评估额度是否够用、规划使用习惯，将成为需要正视的现实问题。
核心观点：额度打通表面是简化体验，实质是对重度用户的隐性提价，AI 订阅制的成本博弈已进入精细核算阶段。
原文链接：Linux.do
