最新文章
刘琦的个人开发博客
- 发布于
4 月还是个 joke,10 月 112.5k star。caveman 从不改用户 prompt — Adobe CAVEWOMAN 论文和 JetBrains 86 个真任务 A/B 都指向同一结论:把 prompt 写短让答案更差。省 token 真正的位置在输出 voice、读入压缩、模型路由和 script 复用,我把它四条路的数字摆一起看了一遍。- 发布于
Claude Code 把 idle compaction 卡在 20 万 token、54 分钟。顺着「按什么触发压缩」这条线翻到 AutoCompact 的实测表:同一个 256K 窗口下不压是 30.4,主动压缩能到 39.6,只靠长度触发的紧窗口掉到 28.8。六种压缩策略我摆一起比了一遍。- 发布于
10 月 14 号 OpenAI 发了 Third Moment Research 的客户故事:10,000 个 agent 并发、单次研究 36 到 48 小时、单日 1 万亿 OpenAI token。我把这四个数字倒推成每 agent 的 token 预算,推出一套和官方叙事不一样的结论:94% 以上的 token 是重读,账单被 3% 的输出 token 支配,换模型的杠杆 5 倍、缓存命中率的杠杆不到 2 倍。顺带解释这家公司为什么说 6.1 Sol 用得最多,以及 9 月 30 号我说「6.1 Sol 是工程补位」那个判断被使用数据坐实了。- 发布于
OpenAI 10 月 13 号的 Higgsfield 故事说视频从 1 分钟做到 10 分钟以上。我沿着帧数、显存与一致性三条线拆:这个 10 倍不是模型一次生成的,是把「生成」问题改写成「调度」问题换来的。