闻乐 发自 凹非寺 量子位 | 公众号 QbitAI AI Coding火到不用多说，但怎么用才最高效呢？ 这份连大神卡帕西和OpenAI总裁Greg Brockman都在转发推荐的Coding Agents指南，用3招教你快速交付。 大神们在转，网友也在夸！ 这份实战指南的作者是Swift开发出身、深耕AI驱动开发领域的大神 Peter Steinberger ，他也是一位AI Coding重度爱好者，已经写了很多 份实战经验博客。 简单总结一下今天的这篇AI Coding指南：先按任务类型选对模型，再重构工作流提速，但要捋清人机分工。 Peter不仅给出了自己的模型配置，最后还有实用小技巧～ 三大关键策略 按任务类型选对模型 大家用AI编码，很多时候是不是一个模型用到底？ 结果一到大项目就卡壳，小项目修改还慢。问题呢，就出在"没给模型找对活儿"。 人家这份指南里就说了，第一步就得先按任务类型给Coding模型分好工。 大任务就用Codex，小任务Opus更好使 。 比如，搞几十页的工程规范落地、项目重构这种大活儿就直接上Codex，它有个特点，开始写代码前会默读文件，把项目逻辑摸透，虽然比 Opus多花点 ...

Core Insights - The article discusses the concept of the "Infinite Software Crisis," where AI-generated code leads to increased complexity and a lack of understanding among developers about the code they deliver [2][12][31] - It emphasizes the importance of choosing "simplicity" over "ease" in software development, advocating for a structured approach to avoid entanglement and complexity [3][14][31] Group 1 - The term "software crisis" first emerged in the late 1960s, highlighting the gap between the growing demand for software and the ability to deliver it effectively [10] - Historical patterns show that each generation of developers faces increasing complexity due to advancements in technology, leading to cycles of crisis [10][12] - AI tools have accelerated the pace of code generation, but this speed can lead to a lack of understanding and increased technical debt [8][19] Group 2 - The article introduces a three-phase methodology to manage complexity: research, implementation planning, and execution [23][25] - In the research phase, developers should provide all relevant context to AI, allowing for a comprehensive analysis of the codebase [24] - The implementation plan should be detailed enough for any developer to follow, ensuring clarity and reducing the risk of introducing complexity [25][26] Group 3 - The distinction between "essential complexity" (the inherent difficulty of the problem) and "accidental complexity" (unnecessary complications introduced during implementation) is crucial [20][21] - AI does not differentiate between these complexities, potentially leading to further entanglement in code [18][21] - The article argues that understanding the system deeply is essential for making safe modifications, as AI cannot replace human judgment in recognizing patterns and potential issues [31][32]

作者 | 高允毅 自 8 月 GPT-5 发布以来，Codex展现出惊人的爆发力，用户增长 20 倍，每周处理数万亿 tokens，成为 了 Open AI 最受欢迎的编程智能体。 "Codex 能快速实现 20倍的增长，不只是因为模型变强了，还因为我们理解了，真正的智能体不是一个 模型，而是模型、API 和框架共同努力的结果。"在最新播客中，OpenAI 的编程智能体 Codex 产品负 责人 Alexander Embiricos 揭露背后的秘密。 比如，Codex 在长时任务能力上的突破。为了让它能够连续工作十几个小时甚至数天，团队设计了名 为"压缩"的机制——模型负责提炼关键信息，API 承接任务链路，框架负责稳定运行。三层像齿轮般咬 合，使 Codex 能够完成传统大模型难以支撑的长时编程任务。 正是这样的底层逻辑，让 Codex 在业务实战中有惊人表现。 Andrej Karpathy 曾公开分享，他被一个 bug 困住数小时，最终交给 Codex 处理，一小时内就完成了修 复。 Sora 团队更是依靠 Codex，在短短 28 天时间，从 0 到 1 完成 Android 应用的上线，直接冲到 ...

SpaceX将IPO的热度还没过，OpenAI又整了个大活： 计划在新一轮融资中募集1000亿美元。 若能筹得目标金额，OpenAI的估值可将飙升至8300亿美元。 而在两天以前，这个数字是5000亿美元。 短短48小时内，涨了3300亿美元…… 这就是OpenAI。 2023年你觉得290亿美元的估值很贵，2024年你觉得1570亿美元的估值是泡沫…… 当2025年底面对8300亿美元的估值时，又能说出什么呢？ 01 65倍"溢价" 传统的SaaS公司估值通常看市销率或市盈率。 根据Techloy及WSJ的报道，OpenAI在2025年的预计营收约为127亿美元。 巴克莱银行测算，这项技术落地后，GPT-6的训练效率将提升10倍，但前期需要430亿美元的算力储 备，这正是千亿融资的核心用途之一。 就像SpaceX的火箭，虽然烧钱，但一旦成功脱离地心引力，投资人是真的愿意买账。 按8300亿美元估值算，其市销率高达65倍。 作为对比，在SaaS最疯狂的2021年，Snowflake的市销率也就是50-80倍左右，现在大部分成熟的SaaS公 司已经回落到10-15倍区间。 那么，山姆奥特曼凭什么让投资人接受65 ...

来源：华尔街见闻 在AI竞赛全面进入"贴身肉搏"的阶段，市场的关注点正在发生变化：模型谁更强，已经不再是唯一问 题；谁能把模型能力稳定转化为收入与现金流，才是新的分水岭。 在最新一期《Big Technology Podcast》的一对一访谈中，OpenAI CEO Sam Altman罕见地从商业、产品 和基础设施三个层面，系统回应了外界最关心的问题。多项表态释放出一个清晰信号：OpenAI正站在 从"现象级产品公司"迈向"企业级AI平台"的关键拐点上。 这也是 OpenAI 同时推进 浏览器、设备、代理（Agents） 的底层逻辑——目标不是做一个更聪明的聊 天机器人，而是成为"默认智能层"。 Altman再次强调，"记忆"是AI最具长期价值的能力之一，而当前AI的记忆功能仅处于"GPT-2时代"。未 来的AI将能记住你说过的每一句话、做过的每一个决定；不只是事实，而是偏好、情绪、习惯；这是 人类助理永远无法做到的。 ChatGPT为什么三年几乎没变？答案是"通用性" Altman坦言，他原本以为 ChatGPT 的聊天界面不会撑这么久，但现实证明：通用、低门槛的交互方式 被严重低估了。 不过他也明确指出 ...

在AI竞赛全面进入"贴身肉搏"的阶段，市场的关注点正在发生变化：模型谁更强，已经不再是唯一问题；谁能把模型能力稳定转化为收入与现金流，才是新 的分水岭。 在最新一期《Big Technology Podcast》的一对一访谈中，OpenAI CEO Sam Altman罕见地从商业、产品和基础设施三个层面，系统回应了外界最关心的问 题。多项表态释放出一个清晰信号：OpenAI正站在从"现象级产品公司"迈向"企业级AI平台"的关键拐点上。 ChatGPT为什么三年几乎没变？答案是"通用性" Altman坦言，他原本以为 ChatGPT 的聊天界面不会撑这么久，但现实证明：通用、低门槛的交互方式被严重低估了。 不过他也明确指出，ChatGPT 的终极形态不会只是"对话框"：未来 AI 将主动工作，而非被动响应、会根据不同任务生成不同界面、能在后台持续运行，只 在关键时刻打断用户、从"工具"演进为"智能代理"。 这也是 OpenAI 同时推进 浏览器、设备、代理（Agents） 的底层逻辑——目标不是做一个更聪明的聊天机器人，而是成为"默认智能层"。 Altman再次强调，"记忆"是AI最具长期价值的能力之一，而当 ...

来源：瓜哥AI新知 本文内容整理自OpenAI CEO Sam Altman在Alex Kantrowitz频道的专访，公开发表于2025年12月19日。 原始内容参考：https：//www.youtube.com/watch？v=2P27Ef-LLuQ 内容提要： 山姆·奥特曼在Big Technology播客上谈OpenAI的制胜之道、AI基础设施建设逻辑及2026年 IPO展望 竞争与警惕： OpenAI 将竞争视为常态，并通过"红色警报"机制保持警惕，迅速应对新出现的威 胁，并借此机会发现和弥补产品与策略的短板。他们认为这种警惕是持续获胜的关键。 产品生态系统的重要性： 强大的模型只是入场券。OpenAI 强调构建完整、协调的解决方案，即 围绕最顶尖的模型打造最卓越的产品，并拥有足以支撑大规模服务的基础设施。用户选择产品的 理由，远不止模型本身，还包括产品体验、个性化和品牌忠诚度。 模型不会完全商品化： 不同模型在特定领域各具优势，而前沿模型将创造最大的经济价值。尽管 通用模型能满足日常需求，但为科学发现等特定任务优化的模型将更具价值。 AI 平台化趋势： 人们渴望一个统一的AI平台，就像他们在生活 ...

自 8 月 GPT-5 发布以来，Codex展现出惊人的爆发力，用户增长 20 倍，每周处理数万亿 tokens，成为 了 Open AI 最受欢迎的编程智能体。 "Codex 能快速实现 20倍的增长，不只是因为模型变强了，还因为我们理解了，真正的智能体不是一个 模型，而是模型、API 和框架共同努力的结果。"在最新播客中，OpenAI 的编程智能体 Codex 产品负 责人 Alexander Embiricos 揭露背后的秘密。 比如，Codex 在长时任务能力上的突破。为了让它能够连续工作十几个小时甚至数天，团队设计了名 为"压缩"的机制——模型负责提炼关键信息，API 承接任务链路，框架负责稳定运行。三层像齿轮般咬 合，使 Codex 能够完成传统大模型难以支撑的长时编程任务。 正是这样的底层逻辑，让 Codex 在业务实战中有惊人表现。 Andrej Karpathy 曾公开分享，他被一个 bug 困住数小时，最终交给 Codex 处理，一小时内就完成了修 复。 Sora 团队更是依靠 Codex，在短短 28 天时间，从 0 到 1 完成 Android 应用的上线，直接冲到 App Store ...

自 8 月 GPT-5 发布以来， Codex 展现出惊人的爆发力， 用户增长 20 倍 ，每周处理数万亿 tokens，成为了 Open AI 最受欢 迎的编程智能体。 "Codex 能快速实现 20 倍 的增长，不只是因为模型变强了，还因为我们理解了，真正的智能体不是一个模型，而是模型、 API 和框架共同努力的结果。" 在最新播客中，OpenAI 的编程智能体 Codex 产品负责人 Alexander Embiricos 揭露背后的秘 密。 比如，Codex 在长时任务能力上的突破。为了让它能够连续工作十几个小时甚至数天，团队设计了名为"压缩"的机制——模型 负责提炼关键信息，API 承接任务链路，框架负责稳定运行。三层像齿轮般咬合，使 Codex 能够完成传统大模型难以支撑的 长时编程任务。 正是这样的底层逻辑，让 Codex 在业务实战中有惊人表现。 作者 | 高允毅 Andrej Karpathy 曾公开分享，他被一个 bug 困住数小时，最终交给 Codex 处理，一小时内就完成了修复。 Sora 团队更是依靠 Codex，在短短 28 天时间，从 0 到 1 完成 Android 应用的上线 ...

OpenAI爆款APP，只动用了四员悍将。他们在短短28天内，完成了从0搭建安卓版Sora。这背后，竟是AI完成了85%的编码。 4人28天手搓Sora APP，约85%代码竟是AI写的！ 10月初，OpenAI重磅发布迭代后Sora 2，以及首个AI视频应用Sora APP。 直到11月，安卓版Sora一经上线，就登上了谷歌Play Store榜首。 从10月8日到11月5日，4人工程团队与Codex协作，消耗约50亿Token，就把Sora Android推向全球。 尽管应用规模虽大，却实现了99.9%无崩溃率。 而且，他们还使用的是GPT-5.1-Codex模型的早期版本。 发布仅5个月的时间，Codex已经承包了OpenAI内部每周70%的PR了。 安卓用户在24h内，生成了超100万条视频 时隔两个月，OpenAI团队揭秘这款爆火应用（首个安卓版），如何构建的背后故事。 让人意外的是，这款APP仅在28天内完成，背后最大功臣便是AI智能体——Codex。 拥抱 「布鲁克斯定律」：保持灵活，唯快不破 当Sora在iOS上发布时，用户量直接原地爆炸。 | 相比之下，安卓当时只有一个简陋的内部原型，而在G ...