• JollyJ

    最近用 6.1Astra 干活真是用到心力交瘁,感觉完全没有当年 5.6 出来时那种质的飞跃,反而处处透着一股“降智”和算力缩水的味道

    1 、吞额度无底洞,额度掉得飞快就算了,关键是有效产出极低。我现在从提一个需求,到反复纠偏让它真正理解我要什么并开始正确干活,前置拉扯起码要先消耗掉 20% 的额度。

    2 、干活速度太慢,响应延迟肉眼可见地变长,干活磨磨唧唧,完全没有以前行云流水的效率感。

    3 、理解能力滑坡,经常抓不住重点,要么过度脑补,要么死活绕不出来,聊几轮就开始丢上下文约束。

    OAI 到底是后台偷偷换了量化阉割版,还是内置的思维链绕进死胡同了?各位现在主力用哪个模型干活,有平替方案吗?我现在基本都用 Gemini3.8Flash 开发了。因为我手头的需求比较多、比较杂,需要快速验证,现在等 Astra 响应的时间,都够我用 3.8 完成一次开发验证了。

    主楼
  • lifeintools

    干活太慢 是原罪。。

    #1
  • JollyJ

    @lifeintools 我现在只会用 Astra 定规划方案,开发全部交给 DS4.1 和 Gemini3.8 ,整体在效率上还是不错的

    #2
  • suhu

    这种分工能力有啥方案可以实现吗,还是完全靠手动

    #17
  • xenme

    6.1 astra 还没出呢
    6.1 sol 是 6 astra 的阉割版,这两个能有啥区别

    #3
  • msg7086

    快速开发肯定用 flash 搞啊,要深究问题才要用 Astra 。

    #4
  • yustation

    刚出的时候真的不错,现在让它干点活得不断返工,还不如国产模型,虽然粗糙点起码出活快

    #5
  • nanoxx

    奇怪🤔既然你觉得 5.6 好,为什么不用 5.6 ?

    #6
  • ktyang

    以前 5.6 不需要跟他讨论方案讨论半天么?

    #7
  • JollyJ

    @xenme 忘记打顿号了,是 Astra 、6.1Sol ,说是 6.1 速度提升,实际体验没感受出来,一个简单任务完全就是在等模型回答

    #8
  • JollyJ

    @nanoxx 我是说 5.6 那种“增质”那种惊艳的感觉,我并没说 5.6 > 6 系列

    #9
  • JollyJ

    @ktyang 不会画蛇添足,执行能力比较强

    #10
  • miniliuke

    6.1sol 虽然慢,但是真的感觉非常舒心

    #11
  • leonleung

    太慢了,astra 和 6.1 sol 基本都是 40 tok/s 以下,开了 fast 也就那样

    图片

    #12
  • Sezxy

    6.1sol 上次说把速度提到 50tok/s 的那天用感觉是快了点,但好像就那么一天,后面又慢下来,现在有没有 30tok/s 都不知道

    #13
  • chenluo0429

    那你感觉错了。或者你的工作内容和工作方式体现不出来模型好坏呢差异。
    6-astra 的缺点是贵和慢,6.1-sol 的缺点是慢。能力和 5.6 完全不在一个级别上

    #14
  • Gloppy

    是的,慢。我前几天还点了 feedback ,希望他们改进。

    图片

    #15
  • Haku

    用 6 和 5.6 都深度用过,6 的提升还是显而易见的。二者均为 max 思考模式,6 需要的提示词更少做出来的效果也更好。

    #16
  • maemolee

    完全不用,我一直用 5.6terra 。

    #18
  • JollyJ

    @suhu 比如项目创建个 docs 目录,共享文档

    #19
  • Nasdaq

    fast 和 ultrafast 吃额度太快了,ultrafast 更是能在 1 个小时内吃完 500D 一天的额度

    #20
  • unpay

    我方案干活全是 Astra

    #21
  • Bssn

    我干活全是 grok 4.5 ,感觉非常顺手,有没有一样的兄弟

    #22
  • keshawnvan

    6 Astra 相比 5.6 Sol 又快又好
    6.1 Sol 相比 5.6 Sol 又慢又好

    #23
  • wangcongming

    干活还是得用 opus5.5

    #24
  • gumayusi

    我的建议是所有 LLM Benchmark 都应以无系统提示词、无思考为前提进行。你怎么规划系统提示词、怎么增加思考强度,应作为 Harness 对 Model 的附加能力,而非 Model 的原生能力。

    #25

发表回复

登录后回复