“其实只有 Claude 获取了我的信任~”
看到这么多人纷纷转向 Gemini,哪怕 Antigravity 很烂也在用,所以是不是可以证明在模型能力面前,产品功能、交互都不重要了?
我个人想法是 Claude 封号这一波太猛,别看人人都在骂 Anthropic,但其实只要它松一点,大多数人还是会跑回去用它,哪怕已经开了 Gemini Ultra。
之所以非 Claude 不可,除了 Claude 的效果确实足够出色,还有一个对我而言非常重要的原因:我信任它。
没错,就是信任。
当我使用 GPT、Gemini,以及一众国产大模型时,并不是它们的能力达不到我的要求,而是我始终没办法像信任 Claude 那样信任它们。我没办法毫无顾虑地把一些工作交给它们,尤其是涉及支付、安全等敏感场景的任务。
但 Claude 不一样。
在过去两年无数次的使用、Review、验证和磨合中,我已经逐渐建立起了一种近乎本能的信任。我知道 Claude 是严谨的,知道它能做什么、不能做什么,什么情况下需要我介入,什么情况下可以放心放手。
这种信任不是因为它从不犯错,而是因为我足够了解它会在哪里犯错。
而当我切换到 GPT 或 Gemini 时,一切又要从头开始。
我需要重新摸索与模型之间的协作边界,重新了解它的能力、习惯和局限,再通过一次次实际任务去验证,直到某一天,我也能像对 Claude 一样,放心地说出那句话:
“可以,做吧。”
可这个过程也许需要很长时间。更重要的是,我甚至不知道,经历了漫长的磨合之后,自己究竟能不能真正放心地把事情交给它。
所以,对我而言,更换一个模型,从来不只是更换一个工具那么简单。
真正难以替代的,不仅仅是 Claude 的能力,还有那些在无数次协作中,一点点积累起来的信任。
哪怕有一天,真的出现一款模型,在绝大多数领域都能与 Claude 持平,甚至超越它,只要这种差距还没有大到无法忽视,只要它还没能让我感受到 Claude 那样的严谨,我恐怕依然会选择留在 Claude 身边很久。
因为能力上的差距,可以通过一次次测试来衡量;但信任这件事,没有排行榜,也没有跑分。
它需要时间,而时间恰恰是最难重新投入的成本。
我想,那些无论如何都想继续用 Claude 的人,大概也有着和我相似的感受。
1
8
462
缓存命中确实是个大问题。不过话说回来,如果 Context 隔离能显著减少输入 Token,同时提高长程任务的执行质量,即使牺牲一部分缓存命中率,也未必比传统 95%+ 缓存命中的方案更贵。
问题是,Antigravity 本身就存在大量文件读取,再叠加多 Agent 的重复读取、上下文构建和协作开销,我对这套架构的成本效率并不乐观。性能可能好一些,但大概率不是一个省钱的方案。但...我为什么要考虑省钱呢?
别再迷信什么“百万 Context Window”能解决一切长周期任务了。
Google 刚刚用 Gemini-4 搞出了 5000 万行 零人工干预的 Lean 4 代码,彻底证完了悬而未决 13 年的 Courtade–Kumar 猜想。
但最讽刺的是:它的核心秘诀不是把上下文塞满,而是彻底拆碎 Context 🧵👇
4
3
498
Gemini 4 is genuinely impressive, but it's ridiculously slow. The quality is great, yet it's nearly 10x slower than Claude in my experience.
At this speed, it's really hard to use for actual work. The whole point of using AI is to boost productivity, not slow us down. Really hope Google can improve this...
Google Antigravity now has an orchestrator mode for multi-model coordination.
Use Gemini 4 Carbon with Hydrogen and dynamically switch between models for long-running agentic tasks.
2
101
Gemini 4 is unreasonably slow, to the point of being almost unusable. It took 40 minutes just to read files, and nearly 50 minutes to complete a simple task. That's honestly ridiculous.
The results are impressive, but being nearly 10 times slower than Claude is simply unacceptable. No matter how good the model is, this level of slowness makes it extremely frustrating and impractical for real-world development. Performance desperately needs improvement.
@tulseedoshi
4
270
紧急插播一条消息,被封的 2 个 Claude 账号,尝试申诉后,1 成功 1 失败,所以建议大家不要气馁,尝试申诉一波
目前成功的账号是我使用 200$ 订阅几个月后弹门户验证,后使用本人护照验证时还没验证成功就被封禁的账号,如图 1。失败账号是新开的订阅过了订阅 KYC 后又弹门户验证然后被封的账号,如图 2,申诉成功的邮件内容如图 3、图 4。
目前成功账号刚收到邮件,登录后显示正常并未继续要求门户验证,但订阅状态是 free,应该不久后订阅就会恢复或退款,这个样子大概率走退款了,已发咨询邮件,如退款我会继续订阅一波看看被解封的账号是否权重高一些,等我后续。
天才程序员貌似要回来了,对不起 Gemini,不是你不好用,而是反重力太拉跨又太慢,但我想后续我还是会将一部分前端以及设计工作交给 Gemini...
2
4
1,134
昨天被 Claude 封号、KYC 风波折腾了一整天,兜兜转转损失了 4K 大洋。
我太难了,只是想好好编个程而已啊……
今天只能退而求其次用 GPT,结果偶然看到了 Gemini 4 Hydrogen。虽然早就对 Gemini 不抱什么期望了,但新模型该测还是得测,索性把 Gemini 4 全家桶都体验了一遍。
结果就是:我现在已经在用 Gemini 4 Carbon + Gemini 4 Hydrogen 开发了……
简单介绍下 Gemini 三个模型:
Gemini 4 Carbon:深度推理旗舰,擅长复杂推理、架构设计和长程 Agent。
Gemini 4 Argon:通用旗舰,能力均衡,适合综合性任务。
Gemini 4 Hydrogen:速度与效率优先,适合日常编码和 Agent 执行。
这三个里面,最让我意外的还是 Gemini 4 Carbon。
长上下文、复杂推理、3D 与视觉理解、架构分析,以及一些 Agent 编程任务,表现确实不错。尤其是面对复杂问题时,能明显感觉到它有自己的思考和规划能力,而不只是机械地执行指令。
当然,缺点也不少,不,是很多。
最大的问题就是慢,很慢,极慢,非常慢。
有时候看着它在那里疯狂思考,真的很想问一句:哥们你到底还要想多久?
除此之外,Token 消耗大、缓存命中不稳定、容易过度分析,偶尔规划得头头是道,实际交付却不尽如人意,然后就是迎合用户和幻觉的问题也依然存在。
但综合体验下来,我觉得 Carbon 绝对算得上目前第一梯队里能打的模型。
甚至在某些任务上,我个人感觉它比 GPT-6 Astra、GPT-6.1 Sol 还要出色。当然,这不代表全面领先,尤其是速度和执行效率,差距还是挺明显的。
如果你能接受它慢得让人抓狂的速度,Carbon 确实有机会给你带来一些惊喜。
目前我打算短期内用 Carbon 负责复杂任务的分析和规划,Hydrogen 负责日常编码和执行,看看这套组合能不能替代一部分 Claude 的工作流。
多说无益,模型能力到底怎么样,还是看实际效果。
最后放几张分别用 Gemini 4 Carbon、Claude Opus 5.5、GPT-6.1 Sol 和 GPT-6 Astra 画的鹈鹕。
虽然鹈鹕测试说明不了太多问题,但看个乐子还是挺有意思的。
先不公布对应模型,大家来猜猜哪张是谁画的,顺便看看谁家的鹈鹕更正常 🦤
Opus5.5在短短几天内已经被连续超越了n次...
Anthropic:大哥们太强了!
GPT-6.2 Sol will be the biggest and best upgrade Plus users have ever received.
The model outperforms Opus 5.5 without burning through usage limits too quickly, even within the 5-hour window.
OpenAI's $20 plan is finally starting to make sense again, and it's about to become a much better deal.
44
Agent 为什么要以 Session 为中心?
现实中的协作围绕任务持续推进,而不是孤立的对话。
最近上线了 Lomo Agent,尝试弱化 Session,以任务为中心组织 Agent 的执行、上下文和记忆,探索长期、异步的持续协作。
整理了架构思考与工程实践,欢迎交流。





















