更多动态
纸面数据看上去还不错， $2/M 输入、$10/M 输出，输出上限 1M tokens（之前 64K）。 基准测试DeepSWE （真实软件工程），Argon 77.9% 居首；LVBench （长视频理解），91.7% 领先。18 项领先/并列 13 项， https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
DeepSWE v1.1 上得分 75.2%，超过旗舰 GPT-6 Astra 的 74.8%，价格只有五分之一（$2/$10 每百万 token，缓存输入 $0.10）。 单任务 $1.50 vs Astra $7.70。电脑操作 OSWorld 2.0 拿 71.4%，距 Astra 只差 2.1 分，成本七分之一。GPT-6 Sol 发布才 7 天就被取代了。 🔗 https://openai.com/index/introducing-gpt-6-1-sol
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
