wisej

Update：非 API 目前不支持，但是说支持 400k 。但设置了依然不生效

5.5 是不是不支持 1M ？ Codex 设置了还是 256k

@tidilist 操作路径是怎样的呢，输入框上上面是否有 IChat Ctx ？


---
IChat 可以总结全文，但理念更多是"精确制导"---智能获取光标位置附近 context ，同时滚轮切换 scope

@gpt5 codex app 里默认还是 256k ，可能 api 的话默认 1M 了吧

期货的有低费率渠道么？

80pct 吧。但是数据壁垒和应用墙是道坎。

在我看来，agent 就是下一代 app 的范式。原来的 app 是 [hardcode] +高用户使用门槛（很多中老年人不知道如何操作），产品通过 UI 的组合操作来表达用户意图；现在 LLM 就是大脑（非 hardcode ），mcp 是工具，skill 是领域知识/sop/手册。用户只需要表达，LLM 识别意图+规划+执行。

本质上就是，从结果表现来看，LLM 不同于以往的效率工具，它是能做“脑力劳动”这个 level 的工作了的

MzQzOTg2MDIyQHFxLmNvbQ== 很有兴趣体验

@Muyun 非常感谢，回答很有帮助&启发。

1.确实，端到端是一种技术范式，走向数据驱动
2.L 还有一点好处它能理解环境语义(得益于 LLM 的通识)，比如施工牌、交警手势，上限感觉还是高的。但是对算力要求会更高？
3.所以 VLA 是通过 V>L>A 来防止高维到极低维的信息 loss 么，这 latency 会很高吧？
4.vision-action pair 的数据积累，不知道算力和数据对于 AD 更是瓶颈呢?其实我之前没意识到数据的问题，确实 VA 的数据不像 LLM 好获取。而且城区不好用大家不愿用，负反馈循环了..但是车企有宣传比如 1000w clips ，不知道这量级算多算少。
5.world model ，理、华为宣传上好像是已经在用做仿真和 RL 训练了。理想联合发的有个 paper 4D Gaussian ，我理解就是带有预测的交通世界模型来仿真。不知道"还需要几个技术突破"具体指啥？

@Chicagoake 确实比以往赛季复杂些。我觉得还不错，可玩性很高