高估了 GPT5.5 ehigh 的能力

[ryougifujino]

周末用 GPT5.5 ehigh （全程官方订阅+Codex ）写了一个 AI 小说 App 。

PRD 是和 AI 讨论后再 Review 实现的，然后 5.5 根据 PRD 生成实现计划。主要涉及到上下文管理和多 Agent 协作，还是有一点复杂。

用 goal 跑了接近 2 个小时，用的 TDD 的流程开发的，代码看起来像模像样的，测试也很全。结果最后的成品让我大吃一惊，不但点按钮没有任何反应，在把可见 Bug 通过把报错信息丢给 AI 修复后发现很多地方还是用不了，直接用的模拟数据。而且有很多地方设计也很不合理。

之前在修复某一个 Bug 或者解决某一个单一需求时 GPT 给我的感觉良好，结果这种长程任务没想到完成的这么糟糕，也不知道是模型降智了还是能力上限就在这了。

[musi]

可能是降智了
我让它拆分重构一个 8k+的 ts 文件
它先帮我 copy 了一份然后 rename
在原始文件中导入这个新的文件
然后和我说重构完成，现在只有一行代码

[JasonYip]

感觉现在 ai coding 长程任务还是避免 只能人工拆解需求一点点丰富实现到 后面上下文腐化太明显

[deepbytes]

配合 superpower 或者 ponytail 试试

[willm]

@musi 完美

[maolon]

不光削了 thinking effort ，还肯定量化了模型，现在 5.5 蠢的没法用，
我觉得单纯写代码还不如 composer2.5, 和两个月前比根本不是一个模型。

[Dream4U]

准备上 5.6 了

[lujiaosama]

@deepbytes 一样的。SUPERPOWER+GOAL+5.5 EXTRA HIGH 仍然不能避免最后端了陀大的出来。只能阶段性人工确认有没有问题才往下。

[wuyiccc]

是的，昨晚用 5.5 xhigh 写代码，我说让他直接抄我前面的代码就可以了，结果写出来的代码差点给我快气死，

[andrew2558]

@musi 这么离谱？

[jmliang]

Android APP 吗？可以这样，让它写完之后启动本机的安卓模拟器进行功能测试。这样就有闭环。

[qazwsxkevin]

@musi 100% 用了掺水中转，要么就是写 AGENTS.md 和任务表达上出问题了；

[deepbytes]

@lujiaosama ……属实难顶

[musi]

@qazwsxkevin #11 用的是官方订阅 200 刀的套餐，没有经过任何中转，直接登录的账号，另外也没有用任何 agents.md

[nc]

https://marginlab.ai/trackers/codex/

这个监测没有表明明显降智，我也没有感受到明显的降智。OpenAI 难不成对不同用户选择性降智，不过这永远是个黑箱

[ryougifujino]

@maolon 还真是，我后面还用 composer2.5 重搞了一次，虽然设计要简单一些，UI 要丑一些，但至少能跑起来。

[ryougifujino]

@nc 也有可能是我们高估了 5.5 的能力。

[honjow]

@musi #1 笑死了

[yu180]

一直压缩压缩压缩，多次压缩可能就忘了最开始要做什么了，可能就是中间某一步分支的流程接着往下走了

[lizhenda]

还有 ehigh 模式？

[wangbawangba]

是因为现在史诗级大降智。

不知道 openai 在搞啥。 如图