muyangquan

@cctrv 是。因为实测 gpt 的效果不满意，才尝试国模的。
我的所有任务指令都是让 GPT 对话版根据指定 IDE 和模型“翻译”过的（我输入自然语言任务，跟它探讨，再让它适配转化一下成技术性的指令）。结果 codex+外模验收时总会有被无视的那种漏项，总得复工。而用 deepseek4.1 或 glm5.3 确实听话，丝滑验收通过率极高。

可能我就是吃粗粮的命吧。。。（其实主要是没吃过好饲料）

## 问题本质

Codex 的 agent loop 判定"本轮是否继续"的唯一依据，是模型在 `responses` 流中是否**持续输出** **`function_call`**：

- 模型继续输出工具调用 → `needs_follow_up=true` → 执行工具后继续采样（正常循环）；

- 模型输出一段普通 `message` 后结束流 → `needs_follow_up=false` → 本轮完成 → 等待用户输入。

`deepseek-v4-flash-0731` 的固有行为是"干几步就说一句、说完就收尾"，它把**过程汇报**当成了**任务完成**信号发出。Codex 无法区分两者，于是"干一步就停"。

> 佐证：catalog 中该模型 `supports_parallel_tool_calls=false`、无 `none` 以外的低档推理（仅 none/high ），flash 系列定位就是"快进快出"。

@kkocdko
@wolfsun
@IvanLi127
@cctrv
我让 AI 找问题根源，结果基本实了。如你们判断，模型被造假了。追风尝试用 kimi k3 ，结果是只是名儿，核儿是 deepseek-flash-0731……

通过 jsonl 分析，gpt/grok 的 ERROR 都表现在死循环或硬断，而软停的只有 k3 这个壳儿的模型

终于测试到了可心的 ZZ 站。虽然还没体验到大家那种蹬顶级模型的美妙，但终于摆脱国内 IDE 和模型了。每天成本居然省了一二十倍。又快又稳的爽。哈哈哈。但愿它能持续存下去。

放古代也是个游侠豪客，性情中人，刚正不阿。当代社会下，只能当边缘人，二哈货角色，格格不入，半死不活的存在。
实在不行，躺平吧，走隐士风，躲进小楼成一统，管他冬夏与春秋。

正常。年轻人的认知祛魅阶段，只是有点拐弯幅度大显得极端了。但从各种大果来看，恰恰证明极端化才是你常态。慢慢盘吧，早晚能包浆的。

测试 15 块充了一个中转站，好像被割了？ cc switch 真实 token 消耗 4 万，中转站上的统计是 3000 万。而且速度极慢，不如免费的快呢。一个任务下来按小时计算……仅仅是终于体验了一次 codex

@afkool @hubaq 感谢感谢！我一一尝试一下。

我似乎知道问题了。不是不学，是努力错了方向。
小孩过家家，看着扮演的是夫妻角色，但找不对眼儿，各种乱捅，所以才体会不到爽……哈哈哈😁

@dm87497 时差问题？我晚上的 B-ai 也出现 429 情况了。