全部 · 2026-06-25

这个工具解决了一个很实际的痛点：每次跟 Claude、ChatGPT 聊天都得把背景重新说一遍。它相当于在你的 Cloudflare 账号里搭了个私人记忆库，AI 能按意思搜到之前聊过的项目、决定和偏好，不用靠关键词硬匹配。v2 版做了两个挺聪明的改进：一是会自动把相关的记忆串起来，召回时顺着线索找，不是孤立地翻旧账；二是把已经敲定的结论和还在变的草稿分开，避免拿过期的上下文来用。代码开源，MIT 协议，有免费套餐，在 Product Hunt 上拿了当天第四名。 不过，文章里没给出任何性能数据。我不知道记忆库大了之后，每次召回要等多久，也不知道免费套餐的存储上限和同时能处理多少请求。这些数字直接决定它能不能用在日常高频场景里。另外，它依赖 Cloudflare 的生态，如果你不用 Cloudflare，迁移成本得自己掂量。总的来说，想法和实现方向都对，但实际用起来顺不顺手，还得自己跑一遍才知道。

这条指控目前只有Anthropic单方面发声，正文没给出任何技术细节或证据，连“逆向工程”具体指什么操作都没说清楚。阿里那边还没公开回应，所以整件事还停留在“一方说另一方偷了东西”的阶段。 如果指控属实，说明闭源大模型的技术护城河可能比大家想的浅，靠工程手段就能把核心能力抽走。但信息缺口太大，没法判断这是真有实锤，还是商业竞争里的施压动作。 接下来要看两点：Anthropic会不会拿出可验证的证据，比如模型输出对比、内部水印检测结果；阿里会不会正面回应，而不是沉默或发公关声明。这两样缺一个，这事就只能当八卦看。

作者用自己的一次试用经历，点出了一个挺直观的事实：DeepSeek V4 调用一次只要 0.09 美元，而 Anthropic 要 5 美元，价差将近 50 倍。他的核心判断是，OpenAI 和 Anthropic 被高昂的运营成本架住了，很难把价格砍掉一两个数量级去跟 DeepSeek 或小米的 Mimo 打价格战。 文章猜测这两家可能会走“奢侈品路线”，靠制造稀缺感和品牌溢价来维持高价，甚至可能游说政府以安全为由限制开源模型的竞争。这个推测听起来合理，但正文没提供任何证据，比如内部成本结构、定价策略文件或相关游说动态，所以目前只能当一种观察视角。 另外，文章把 Allen AI 的 OLMo 拎出来，说它连训练数据都公开，才是真正的开源路线。但 OLMo 的数据截止在 2024 年 12 月，时效性已经落后。整篇读下来，唯一的硬数字就是那个 50 倍价差，缺了模型能力、吞吐量、延迟这些关键指标，没法判断便宜是不是因为牺牲了质量。如果是真的性能接近，那这个价差确实吓人；如果只是跑简单任务，那参考价值就打折了。

这篇 HN 帖子是一个程序员的个人见闻，不是调研报告。他描述的场景确实极端：15 人团队里，代码不再是唯一可信的源头，大家让 Claude 写代码再让 Claude 解释代码，代码审查不靠人，有的开发者同时开着 5 个以上 Claude 会话，根本不看代码。作者自己也是 Claude 重度用户，但看到这种“全自动”工作流还是被惊到了。 评论区有人直接泼冷水：LLM 的输出至今还经常错得离谱，把公司押在这种东西上风险很大。另一些人则认为手写代码的时代已经过去了，监督 AI 干活就是新常态。但两边都没给出数据支撑，全是个人判断。 这篇东西最大的价值是抛出一个问题：如果连理解问题都外包给模型，程序员这个职业还剩什么？但它最大的缺陷也在这里——只有一个人的观察和 HN 评论区，没有披露这个团队的交付质量、线上事故率、人员流动情况。如果想知道这是不是普遍现象，得看更多团队的真实数据，而不是一篇帖子。

这篇论文最有意思的不是外部数据，而是 OpenAI 内部怎么用 Codex。到今年 6 月，公司内部每周输出的 token 里 99.8% 都来自 Codex，ChatGPT 基本退居二线。法务、财务、招聘这些非技术部门在今年 4 月前后也把主力 AI 工具切到了 Codex，说明能独立干活的 agent 确实在吃掉传统对话式 AI 的份额。外部个人用户里，80.6% 至少跑过一次估计要花人 30 分钟以上的任务，25.6% 跑过超 8 小时的任务，长任务渗透速度比短任务快。非开发者用户增长最猛，个人端涨了 137 倍，组织端涨了 189 倍。 但正文没披露 Codex 的定价和外部企业付费转化率，也没说这些长任务的实际完成质量怎么样。OpenAI 内部重度用户一天能跑出 60 小时以上的 agent 工作时长，这个数字看着吓人，但它是靠并行跑多个 agent 堆出来的，不能直接理解成一个人干了 60 小时的活。另外，任务时长是按人类完成时间估算的，这个估算方法本身有没有水分，论文里没展开。

这篇文章点出了一个很实际的坑：模型默认生成的代码风格，往往来自训练数据里占大头的旧 Node.js 模式，而不是现代运行时已经内置的 Web API。作者 Jim Montgomery 用具体数字算了这笔账——手动解析查询参数约 140 个 token，用 URLSearchParams 只要 12 个；一个 3 字段的 React 表单手写状态管理约 200 个 token，用 FormData 只要 14 个。因为 API 计费中输出 token 比输入贵 3 到 5 倍，这种默认风格等于在烧钱，还容易引入 bug。 解决办法简单到让人想翻白眼：在 prompt 里告诉模型你的运行环境支持哪些 API。文章没做大规模统计，数字是作者自己估算的，但比例方向是对的。缺的是不同模型、不同任务下的对比数据，以及这种优化对代码质量的实际影响有多大。如果是真的，这可能是最省钱的 prompt 技巧之一。

这件事最值得从业者留意的地方，不是 OpenAI 又出 bug，而是我们日常检查磁盘的那套习惯完全失效了。du、df、Finder 看的是文件系统逻辑大小，Codex 的 SQLite 日志库一边狂写一边回收空间，文件体积纹丝不动，只有 SMART 计数器能读出物理写入量。报告者 Rui Fan 实测 21 天写入 37 TB，年化 640 TB，而一块 1TB 消费级 SSD 的额定写入寿命通常就 600 TBW。4 月 10 日就有人贴出了 strace 里 pwrite64 刷屏的证据，但每个看到 issue 的人都用 du 扫一眼，觉得文件不大、磁盘没满，就没当回事，直到 6 月 22 日登上 Hacker News 前排才引爆。 根因是日志级别默认设成了 TRACE，连打开系统文件和 WebSocket 原始帧都原封不动记下来，而且 Codex 自己的默认值会绕过用户设的 RUST_LOG 环境变量。0.142.0 合并了修复，报告者反馈能砍掉约 85% 的写入，年化降到 32 TB 左右，回到正常水平。但 Windows 桌面包在修复合并后仍然复现，第三项关键修复还在 0.143.0 里没发布。 正文没披露 OpenAI 内部为什么把默认级别设成 TRACE，也没解释为什么 4 月的报告没被及时升级。600 TBW 是保修值不是硬边界，很多盘超了还能用，截至发稿也没有公开的因这个 bug 实际烧坏硬盘的案例。但这件事提醒我们：本地 agent 常驻后台之后，磁盘写入会变成一个需要主动监控的指标，不能只靠文件大小和剩余空间来判断。

这条信息值得所有跑多轮 agent 的团队点开看。Spheron 测出 prefill 占 agent 推理成本的 85% 到 95%，输入输出 token 比高达 267:1，模型每生成一个字就要重读 267 个字。这个数字解释了为什么 prompt caching 的折扣能打到一折——供应商在缓存复用时几乎没有额外 GPU 开销。 文章把提升命中率的工程栈拆成三层：压缩层让 KV 矩阵变小，CompressKV 只保留 3% 的缓存就能守住 97% 的 LongBench 性能，但 FlashAttention 内核不暴露 attention score，算法好不等于能落地；路由层解决多副本下请求被随机分发导致缓存全部 miss 的问题，llm-d 的方案把 TTFT p90 从 92.5 秒压到 0.54 秒；API 层是大多数开发者唯一能直接碰的，但 Anthropic 今年 3 月静默把缓存 TTL 从 1 小时砍到 5 分钟，用户账单瞬间暴涨 100 倍。 文章没给出不同压缩方案在真实生产环境下的横向对比数据，也没说明路由方案在并发波动时的缓存颠簸阈值。如果你用的是 API 而不是自建集群，三层里只有 API 层能动手，另外两层看看就好。

这条更新解决了一个很实际的痛点：编程助手在推荐模型时，训练数据通常滞后几个月，根本不知道当前哪个模型便宜、哪个跑分高。OpenRouter 这次直接把模型目录、基准测试排名、实时价格和文档打包成一个远程 MCP 服务器，Claude Code、Cursor 等工具加一行命令就能调用。助手可以按价格、上下文长度筛选模型，发测试提示词，还能并排对比不同模型的回复和成本。 安全设计上，首次登录会生成一把专用密钥，7 天有效，默认消费上限 10 美元，防止代码自动调用时账单失控。不过正文没提这个 MCP 服务器本身是否收费，也没说明超出 10 美元上限后是直接停掉还是需要手动提额。另外，所有工具都依赖 OpenRouter 自己的数据和排名，如果你常用的模型在它平台上表现一般，推荐结果可能会有偏差。