Tw93
3周前
深度对比了一天 ChatGPT 的 Codex 和 Claude Code,早上刚开始继续包月 ChatGPT Plus 的的时候,安装完 VSCode 的 Codex 体验下来,第一感觉是,Codex 的产品交互、模块展示丰富上完全强于 Claude Code,每个步骤展示也清晰的,代码改动对比也舒服的,而且甚至用了很久都没有之前的 Claude Code 的防沉迷设计,一时都不适应,甚至认为 OpenAI 真良心。 但是发现碰到难解的疑难杂症,Claude Code 的逻辑清晰度思路完胜 Codex,虽然 Claude Code 非常毛坯的效果,但是完全不影响能力的展示以及问题的解决,Anthropic 虽然政治上不咋地,对用户也有点不客气,但真有两把刷子,不影响继续付费,打算等合适价格买点儿 Amazon 的股票。 这也和当前很多大模型产品一样,其实单纯的把产品工具做好的阶段感觉也快过去了,「模型即产品」的概念再一次被突出重点,产品交互在好,在用户对于他的需求面前,最重要的还是模型本身的能力,交互变成了锦上添花,模型能解决问题变成了取胜关键。 回到大模型公司而言,的确变成了谁掌握模型训练,谁就掌握未来,当前的 AI 竞争也不是像上一代那种应用创新的竞争了,卷不出啥来了,而是技术创新的竞争,如果下游依赖的模型能力不完善,直接去卷应用本身意义不大,单纯没有模型能力的公司去套壳弄 AICoding 编辑器的意义也不大。
我就好奇了,到底是谁抱着学好C++啥语言都能轻松的心态去推荐初学者学习的?我怎么就没有感受到有多么可迁移?😅 核心无非是两个:编程范式和生态。 那显然不是所有人一上来做模板就是 policy-driven 的,必然有一个腌入味的过程。那问题是入味了以后如果遇到其他语言,要怎么设计组件?那显然整个设计思路是不太一样的。 还有比如每个语言的内存模型、对象模型、并发模型,以及运行时环境都各有千秋,线程、协程、异步化每家的支持都不一样,同步原语也有很多细微的差别,是直接跑在物理机上还是虚拟机或者解释器上都非常讲究。 更进一步的还有性能观,大家优化目标和技巧基本上像在平行世界一样,底层硬件到高层架构关注点都截然不同,而且又根植在语言的哲学和特性上,很头疼。 关键的问题还有生态,趁手的调试工具和构建体系,以及编译器、库的不同实现,加上那些社区、商业公司驱动的千奇百怪的环境,面对新语言建立不起那种整体图景就非常卡手。 所以那有人宣扬C++学好了啥都不怕甚至捧上鄙视链神坛的,是伪科学;我曾听闻有人向本科生推荐:精通一门语言,最好是C++。精通C++,这个话起码我是从来不敢说的;当然,也有可能是我水平有限,没办法一人击穿整个计算机的体系结构。 总的来说,还是“没有银弹”的思想:种瓜得瓜、种豆得豆,没有什么足以称得王道的路径,只是有些战术层面上的方法比其他方法更高效。 前辈们还是不要祸害新手啦!