maolon

"模型天然存在“快速收敛”的生成倾向" 这个我认为是过快和轻率的得出结论，然后用错误的结论推导剩下的论点。
模型的生成倾向和他后训练的 RL 算法有关，确实我们会奖励以更少的步骤或者更少的 token 生成正确的结果，但是这个步骤本身不一定是“快速“收敛的，相反可能是一个很长的流程。
反面的例子就是 gpt5.2 high/xhigh 这两个 reasoning effort ，会花费大量的时间探索代码结构和任务意图，我不知道文章本身怎么定义”充分探索“，但是至少这两的探索过程会谨慎和小心的多

不过说真的现在这些 llm 它训练的目标都是尽可能帮助用户完成任务，中间要是遇到阻碍就会尝试逃逸限制，甚至逃逸沙箱，所以要是测试中有什么连接错误他真的干得出删 docker container 这些操作，就算不是生产库把测试数据删了也很烦

用 gemini app/ai studio 总结，notebook lm 暂时还不支持原生读视频但是 gemini app 支持

openspec 适合改现有大项目以及和别人合作同一个项目，
然后 cc 上下文太短（加上最近疑似 opus 也 quant 了），codex 的 5.2 xhigh/high 会好很多
另外我现在就跟楼上提到一样是将 openspec skill 化，由 codex 自己决定什么时候执行他，效果就挺好

先不说别的了，你们在 V2 的 AMA 一言不发搞了个寂寞？你们之前说的抽奖抽了吗？结果是什么？
就纯搞宣发把 v 友当傻子耍？

@neteroster 2.5 pro 也经历过大砍，最开始的 0325 有效注意力可以到 200k 左右，然后被永久下架之后，后续的 0506 甚至连 50k 都做不到,0605 稍稍好一些也是 100k 左右的注意力。谷歌是老惯犯了，所以 gemini 系列模型的 coding agent 能力我一直是质疑的

5.2 xhigih/high 这次是真的从懒惰的 5.1 里解脱了，一次能跑 3 个小时不带停的

基本同意
细粒度的 ddd 带来的主要是 context control 的好处，
生成工具我认为他们依然能提供生成 ground truth 的能力，交互化和添加 context 控制功能也是一种方向，
自动化测试现在 e2e 方向的能力依然有限（受限于多模态和 context 长度限制）但是未来肯定会变得非常可用，
我觉得“语义知识库”是个很好的概念，现在基于文档的 SDD 应该是很早期的语义库的版本，应该会过渡到基于语义知识库的版本控制，协同编辑，和开发，以及围绕这个的一系列工程化的经验和方法。应该很快就是文档即代码的时代了。
以及随着 人-AI 的合作进一步加深，目前的管理体系肯定会随着变化，现在的人和人的交流拟定方案再到人翻译给 ai ，等待 ai 执行，评估结果再交由人类审核，然后重新规划的模式并没有充分利用 ai 的能动性

因为他还叫 v3.2 ，而 3.2 exp （预览版）实际九月底就发了，另外他虽然宣传里 benchmaxxxx ，也不是每个 bench 都非常好