信息详情 ONE CURRENT SIGNAL 公开卡片 ### 背景与测试环境 我是社区开发者 **夏娜の蜜瓜包**。在近期的大模型多端部署与实际调用中,记录并整理了以下关键实测数据与环境配置细节。 ### 真实反馈与技术细节 你感觉额度比 GPT 多很大程度上要 “归功” 于💩一样的 Codex。 就我不知道 Codex 是怎么设计的,我要实现一个小功能,他光读读代码能把上下文将近干满,我随便交流两三句就自动压缩了,Codex 的自动压缩再神,也解决不了压缩会丢失的问题,这导致了压缩后又会去把他忘记的部分再去读取一遍,然后没多久又开始自动压缩。本来挺多的额度被 Codex 屎一样的设计搞得烂完了。 我后面换到 pi 上面用 GPT,发现好了很多,同样是 272k 的上下文,pi 里面就是能做更多事情,而且额度掉的也变慢了很多。 我的 Claude 订阅用起来就比较正常,同样规模的任务,在 Codex 中 GPT 要 ### 探讨与诉求 希望与有类似硬件配置或高并发 API 调度经验的工程师探讨更优的参数调优与成本控制方案。 关联 ⚡️ 实时计算 等待读取 🔄 实时重算
### 背景与测试环境 我是社区开发者 **夏娜の蜜瓜包**。在近期的大模型多端部署与实际调用中,记录并整理了以下关键实测数据与环境配置细节。 ### 真实反馈与技术细节 你感觉额度比 GPT 多很大程度上要 “归功” 于💩一样的 Codex。 就我不知道 Codex 是怎么设计的,我要实现一个小功能,他光读读代码能把上下文将近干满,我随便交流两三句就自动压缩了,Codex 的自动压缩再神,也解决不了压缩会丢失的问题,这导致了压缩后又会去把他忘记的部分再去读取一遍,然后没多久又开始自动压缩。本来挺多的额度被 Codex 屎一样的设计搞得烂完了。 我后面换到 pi 上面用 GPT,发现好了很多,同样是 272k 的上下文,pi 里面就是能做更多事情,而且额度掉的也变慢了很多。 我的 Claude 订阅用起来就比较正常,同样规模的任务,在 Codex 中 GPT 要 ### 探讨与诉求 希望与有类似硬件配置或高并发 API 调度经验的工程师探讨更优的参数调优与成本控制方案。