筛选结果
16 篇排序
18:18EN → 简体中文
Theo - t3․gg· 2026年10月12日智能变便宜了，为什么 AI 账单反而上涨？Theo Browne · Ping LabsTheo Browne 解释 token 价格、任务成本与模型能力的区别，以及更有用的智能体为何仍可能带来更高账单。
28:17EN → 简体中文Theo - t3․gg· 2026年10月6日Ultrafast 编程：即时设计循环与高昂成本Theo Browne · Ping LabsTheo Browne 探索快速推理如何改变工作流，以及为什么他仍建议不要仅为 Ultrafast 升级。
27:53EN → 简体中文Theo - t3․gg· 2026年9月22日Grok 4.7：代码库调查表现出色，性价比参差不齐Theo Browne · T3Theo 对比发布时的说法、Token 成本、基准测试和自己的代码库及游戏实验，发现它的审查能力有用，同时也存在明显取舍。
27:09EN → 简体中文Theo - t3․gg· 2026年9月18日为什么 Theo 更看重编程智能体的稳定性，而非最佳表现Theo Browne · T3Theo Browne 认为，当编程任务从调查延伸到测试和审查时，模型最差的表现也很重要。
25:31EN → 简体中文Theo - t3․gg· 2026年8月13日Grok 4.6：智能体基准更强，速度与成本有所取舍Theo Browne · t3.ggTheo Browne 用设计、游戏和真实代码测试 Grok 4.6，将报告的基准提升与自己观察到的任务速度和成本进行比较。
25:58EN → 简体中文Theo - t3․gg· 2026年7月14日Theo 谈 Codex Ultra：推理强度、子代理与用量Theo Browne · Ping LabsTheo 分析自己测试的 Ultra 模式对多代理工作和用量的影响，以及他为何更喜欢明确的工作流阶段。
26:09EN → 简体中文Theo - t3․gg· 2026年7月10日提前使用 GPT-5.6 的六周里，Theo 做了什么Theo Browne · Ping Labs从移动应用重写到编译器原型和远程机器修复，Theo Browne 分享大规模实验及其局限。
24:43EN → 简体中文Theo - t3․gg· 2026年7月9日Grok 4.5 编程体验：Theo 的基准解读与初步测试Theo Browne · Ping LabsTheo Browne 在 Cursor 提前使用 Grok 4.5 后，考察其成本、基准限制、编程工作和 3D 实验。
28:11EN → 简体中文Theo - t3․gg· 2026年7月7日在本地运行开放权重 AI 模型的取舍Theo Browne · Ping LabsTheo Browne 区分开放权重的价值与本地推理面临的硬件、并发和成本限制。
23:24EN → 简体中文Theo - t3․gg· 2026年7月4日Fable 5：Theo 谈模型回退、订阅限额和成本Theo Browne · Ping LabsTheo Browne 讨论性能争议，并分享在限时订阅窗口内使用的节省成本工作流。
28:37EN → 简体中文Theo - t3․gg· 2026年7月1日Theo 测试 Sonnet 5，解读 Fable 回归TheoTheo 比较模型基准与自己的编码测试，认为 Sonnet 的子代理编排有潜力，但对任务成本提出质疑。
22:43EN → 简体中文Theo - t3․gg· 2026年6月29日Mac 价格、统一内存与本地 AI：Theo 的购买取舍TheoTheo 解释大内存 Mac 为何适合本地推理，以及组件涨价如何改变他与 PC 的比较。
23:21EN → 简体中文Theo - t3․gg· 2026年6月9日AI 算力为何紧缺：提前购买 GPU 的价值TheoTheo 从芯片制造、内存、存储和电力出发，梳理 AI 算力背后的供应瓶颈。
28:02EN → 简体中文Theo - t3․gg· 2026年5月29日Theo 测试 Claude Opus 4.8 与 Claude Code 工作流Theo通过实际使用，观察模型行为、早期基准、用量估算和并行智能体工作流。
27:55EN → 简体中文Theo - t3․gg· 2026年5月28日Theo 解读 Anthropic 的盈利预测与 AI 收入增长Theo讨论年化收入、云端分销、按量定价，以及季度预测的局限。
23:36EN → 简体中文Theo - t3․gg· 2026年5月20日Gemini 3.5 Flash、Antigravity CLI 与 Railway 云故障Theo Browne · T3Theo 讨论一次模型发布、开发工具过渡和云服务故障，审视各自背后的成本与依赖。