傻眼了。
ChatGPT 官方这边一直不太好直接看 token 和费用，我就找了个三方平台，在 Codex 里拿 GPT-5.4 和 GPT-5.5 跑了一轮同类任务，思考模式都拉到 high。结果很直白，简单问题还算温和，GPT-5.5 比 GPT-5.4 大概贵了 30% 左右；一上复杂任务，费用直接干到 2.6 倍，连请求次数和 token 消耗都一起往上走。
我现在的判断也很直白：这不是一句“5.5 单价更贵”就能说完的事。简单问题里，贵主要贵在单价；复杂任务里，贵的其实是整条调用链。但是反过来看，5.5 也确实更像是在替你吃掉返工成本。模型更愿意多想、多做、多检查几步，最后账单不是按一句回答算，而是按整套动作算，人也少来回折腾几轮。
开始我其实没想着测。刷到 OpenAI 在 2026 年 4 月 21 日发 ChatGPT Images 2.0 的新闻时，我的第一反应是，又一个图像版本更新。直到我瞅了眼 Artificial Analysis 的榜单，GPT Image 2 (high) 已经排到文本生成图片第一，Elo 1332，我就有点意难平，还是去试了几轮。
结果挺直接，中文效果很好，漫画也能做，连续多张图的角色和叙事稳定性也上来了。但我后面越试越觉得，这次真正值得写的不是“它更会画了”，而是“它开始让一些原来默认可信的东西变得不太可信了”。这件事比排行榜更麻烦。
今晚刷模型消息，确实有点傻眼。
按官网时间线看，这波密集更新其实是连着来的：2026-04-20 Moonshot 把 Kimi K2.6 挂上首页；2026-04-22 小米正式放出 MiMo-V2.5 和 MiMo-V2.5-Pro；2026-04-23 OpenAI 发布 GPT-5.5，API 定价也一起抬了上去；2026-04-24 DeepSeek 又把 V4 Preview 推出来。顺手说一句，群里常说的“小米 2.5”，严格点讲应该是 Xiaomi MiMo-V2.5 / V2.5-Pro，不是一个模糊代号。
我现在的判断很直接：这轮已经不是单纯的模型发版潮了，而是三条线一起打起来了——模型能力、API 价格、芯片栈归属。谁只讲其中一条，基本都容易看偏。也正因为三条线开始咬在一起，大模型这个赛道才会显得这么白热化。
这两天刷到 Anthropic 在 2026 年 4 月 7 日放出来的 Project Glasswing，我第一反应有点傻眼。不是因为又一个模型分数更高了，而是它把最强那档能力先锁进了一个小圈子里，先给 AWS、Apple、Google、微软、Linux Foundation 这些防守方用。
我自己的判断很直接：这事比又一个 benchmark 破纪录更重要。前沿 AI 公司现在卖的，已经不只是模型本身，而是“谁先拿到能力、能拿到多少能力、拿到之后要承受什么审计和约束”这一整套访问控制。模型越来越像危险工具，发布节奏也越来越像发放许可证。
搬家以后，家里的宽带从电信换成了联通。刷剧、打游戏都没什么明显变化，我一开始也没太当回事。
真正露馅是在下载资料的时候。我习惯性切到美国节点，按以前的经验，美国机房带宽足，下载大文件通常能跑得很满。结果这次怎么切都上不去，反而新加坡、台湾节点顺了很多。
这一下把我原来那个很粗的判断拆开了：节点快不快，不能只看服务器在哪个国家，也不能只看机房带宽。你家宽带站在哪张网、代理服务商买了什么上游、回程更偏哪家运营商，最后都会落到同一个下载进度条上。
写完上一篇 Hermes 和 OpenClaw 的对比以后，我又去翻了一遍两边文档。越看越觉得，如果只问功能像不像，很容易看偏。
更直接的问题是：它们把 token 花在了哪里。
OpenClaw 更像一个长期在线的助理工作台，默认就要带身份、工作区、消息面和记忆边界。Hermes 更像一个本地 agent 内核，默认先把上下文压住，需要时再发现、再注入、再展开。一个把成本前置，一个把成本后置。最后账单长得当然不一样。
这两天我把 Hermes 和 OpenClaw 的文档来回翻了一圈，越看越觉得，很多人把这两个项目放在一起比，其实一开始就比偏了。
它们当然都在做“个人 AI 助手”。都能接消息、调模型、跑工具、留住一点上下文。Hermes 甚至还专门做了 hermes claw migrate，摆明了是知道自己会接到一批 OpenClaw 用户。
但是说白了，Hermes 不是换皮版 OpenClaw，OpenClaw 也不是多了几个消息入口的 agent framework。一个是从 Gateway 往外长，一个是从 AIAgent 往外长。这个差别不先看明白，后面谈架构、设计理念和生态，基本都会越聊越乱。
AI 写 C++ 小项目，最吓人的地方不是它写不出来，而是它太快写出来了。
你只是想起一个最小 Demo，它三分钟给你铺好目录，接好三方库，补上日志、配置、异常和几个看起来很专业的类。项目甚至能跑。问题是，等你开始认真接业务，才发现自己还没搞清楚新库支持什么、构建链路怎么走、哪些抽象是必要的，返工已经排着队来了。
我现在对 AI 编程的态度反而更保守：不是少用 AI，而是每一轮都把检查点压小。尤其 C++ 这种没有统一脚手架兜底的语言，前面让 AI 多做一点，后面就可能多还几步。