时至今日，仍没有哪个模型敢放话全面超越 Opus 4.7。绝大部分国产模型还在对标 Opus 4.6，而 Claude Opus 4.8 已悄然降临。

本文快速梳理出本次发布的三大亮点，一起来先睹为快。

基准表现：编程智能体碾压对手

6 小时前，Claude 官方账号放出了一张基准测试对比图：

各家公司的基准数据难免存在一定水分，但 Anthropic 的成绩单历来最为克制——凭真实力没必要注水。从图中可以清楚看到，Opus 4.8 在多数关键项上处于领先，唯一失利的是 Terminal-Bench 2.1，这一项仍不敌 GPT‑5.5。GPT‑5.5 操作电脑的稳定性确实出色，很多安装配置流程我都习惯交给它处理，非常踏实。

但在编程智能体维度，Opus 是真正的遥遥领先。

Agentic coding（智能体编程）直接比第二名高出 5 个百分点——第二名恰恰是它自己的前代 Opus 4.7。相较于 GPT‑5.5，领先幅度更是达到 10 个百分点；对比 Gemini 3.1 Pro，足足领先 15 个百分点。多学科推理、电脑操作、知识工作、金融分析也都小幅领先对手。

值得留意的是，官方这次特意纳入了“金融分析”指标。金融不是别的，就是离“钱”最近的事情。各位不妨试试看让 Opus 做些财务分析……很明显，这个方向将成为 Opus 未来的发力重点之一。

Opus 4.8 现已全面上线，价格和 4.7 一模一样。

极速模式：速度拉满，价格骤降

官方释放的第二个信息点：Opus 4.8 已全面支持极速模式。

所谓极速模式，就是相同模型下响应速度提升约 2.5 倍。**核心在于：质量不缩水，速度翻倍涨，整体效率大幅飞跃。**更令人振奋的是：**Fast 模式直接降价 66%！**也就是说，从 Opus 4.7 到 4.8，性能免费升级，极速模式的使用成本还断崖式下降。

Claude Code：动态工作流与全新思考强度

第三条进展与 Claude Code 密切相关——目前业界最强的编程智能体 CLI 工具。

近期，一篇关于 Codex Skills 的整理帖引起了不少关注，我觉得很值得单独拿出来聊聊。

现在很多人用 Codex，仍然停留在比较基础的层面：让它写代码，让它修 bug，让它解释报错，顺便生成一些文档。

单次任务看起来都还行，可真放进连续工作里，马上就会发现它缺少一套“做事的方法”。

比如一个需求直接丢过去，它可能拿起来就写；项目里有什么约定和规范，它多半靠猜；CI 出了问题，得一段一段把日志塞给它；写完以后，它也未必会主动自检，更不会知道怎么把这一次踩过的坑沉淀下来，下次少走弯路。

这正是 Skills 越来越受重视的原因。

我们可以把 Skill 理解成一份提前写好的工作流程说明书。一个 Skill 目录里，通常会有一份 SKILL.md，再配上若干脚本、模板和参考资料。

它会告诉 Codex，面对某类任务应该先看什么、怎么拆解任务、要调用哪些工具、做到什么程度才算结束。

如果说 Prompt 像是临时交代，那 Skill 就更像一套可重复使用、可传承的做事流程。

新手不用全部安装，这几类 Skill 优先用起来就足够

如果你刚开始接触 Codex，别一上来就想把全网仓库都扒一遍，也不用急着把大神推荐的 Skill 统统装齐，其实完全没那个必要。

先盯着官方 openai/skills 仓库来看就够了。

官方仓库里有几类特别值得优先安装。

第一类，规划类。像 create-plan、define-goal 这类 Skill，它们专门解决 Agent 开工前先把头绪理清楚的问题。

真实工作流里，大量返工往往不是代码写得慢，而是一开始就把“做什么”理解偏了。规划类 Skill 的用处，就是先把目标、边界、步骤、验收方式讲清楚，再动手写代码或干活。

这种“先想后做”有时看起来很慢，其实非常节省时间，正所谓磨刀不误砍柴工。

第二类，GitHub 与 CI 类。这里我重点推荐 gh-fix-ci。

官方 gh-fix-ci 的说明很明确：当 GitHub PR 的 checks 挂了，它会用 gh 去查看检查项和日志，整理失败上下文，先给出修复计划，获得明确同意后再修改代码。

这一整套流程就非常贴近真实工程协作的样子。CI 失败最让人烦躁的，正是要在多个 job 之间来回跳、翻日志、定位到底是测试问题、依赖问题、lint 问题还是环境问题。这类脏活特别适合交给 Agent 做第一轮排查，我们只需要判断方案能不能接受就好。

不久前，我在 Cloudflare 上注册了域名 JarvisUni.com，本只想让 Codex 随意搭个首页、完成基础配置，结果其表现远超预期。除了设计在线，最让人眼前一亮的是：它自动帮我生成了一个配图——准确地说，是一枚与主题高度契合的头像！ 这种体验实在丝滑，以后网站图片再也不用四处寻找，直接由 AI 根据上下文实时产出。接下来，我将完整记录这次使用过程，并横向对比其他主流工具与模型的效果。

1. Codex：自动生成头像，一站式开发部署

先来拆解 Codex 的整个操作流程。我首先新建文件夹，命名为 JarvisUni_vercel（因后续要部署到 Vercel，故加此后缀），随后将其拖入左侧项目区域，点击加号创建对话，即可开工。首轮对话让它完成 GitHub 相关配置，紧接着就是截图中的关键一步。

我给出的提示大致如下：

然后帮我添加一个简单的网页，这是一个个人网站！  
  
主要是 AI 相关的，具体内容后续完善。  
现在先做一个首页，首页也是简单为主，黑白配色，中间上方一个头像区域，头像下方一句话描述，然后网页中间类似几个分类卡片，比如文档、教程、工具、测评，等等。  
  
页面简单，现代化，黑白配色，专业的 UI 和 UX 设计。

可能因为提到了头像，Codex 分析后表示要创建 index.html 页面、样式文件以及头像素材，接着便自然而然地调用内置的 ImageGen 技能，自动生成了一枚头像，并自己写出了提示词：“黑白专业风格、AI主题、无文字水印”。很快，assets 目录下就出现了一个头像：

效果相当不错，完全贴合主题。随后它自动将头像嵌入 HTML 页面。仅通过一轮对话，就得到了如下效果：

这个页面虽然简洁，但头像、配色、布局、背景、字体都处理得非常到位。以往我常嫌弃 Codex 布局混乱，没想到这次设计相当出彩。更重要的是，它主动调用内置图片生成能力补全了头像，这种自动化程度在同类工具中堪称维度碾压。随后我让它提交代码，打开网址就能直接看到效果——全程无需手动输入任何命令，开发、部署与 Git 管理一气呵成，丝滑至极。

之后我又进行了优化指令：添加了深色模式、语言切换和底部版权声明。

至此基本完工，稍后替换具体内容即可交付。整个过程轻松愉快，Codex 一次性输出质感优秀的页面，我甚至不知如何继续优化。我追求的就是这种简单却极具辨识度的效果——能同时做到这两点，并不容易。

2. Claude Opus4.8：稳定发挥，中规中矩

作为我最爱用的模型，Claude Opus4.8 这次的表现只能用中规中矩来形容，无功无过，未带来额外惊喜。

3. DeepSeek V4Flash：功能在线，Emoji 略显掉价

整体功能没有问题，但页面中使用的 Emoji 图标有些廉价，拉低了整体设计的档次。

4. Gemini 3.5 Flash：大师级设计，自动生成头像与惊艳交互

今天展示一套组合技！

我把 OpenAI 的官方文档完整抓取下来，同时完成了中文翻译，总共涉及三百多个页面。

本地完美复刻了官网的页面组织结构和视觉样式，几乎达到 1:1 的还原度，并已发布上线，国内也能流畅访问。

国内用户或英文不佳的朋友可以直接使用，也可以把这些内容喂给 AI，快速定位知识点。

学习 AI 和做开发，先把 OpenAI 与 Claude 两家的文档吃透，基本就打通了关键环节。

这次动用了 Codex、Claude Code、Claude 桌面版、MiMo、GLM5.1 等多个工具和模型。

这确实是个大工程，300 多个英文页面加上 300 多个中文页面，前后持续 24 小时，总共消耗了 120 亿 Credits 和大量 Tokens。

原本是想分享成功经验，可 MiMo 这一环差点变成吐槽现场。

今天算是看了一场“真人秀”，在那些只靠宣传和软文撑场面的渠道里可看不到这种真实过程。

那些动辄宣称排名第一、测评无敌的模型，一旦真刀真枪地干活，谁用谁知道。

1. Codex 负责镜像克隆

我以为最难的部分是抓取页面并复原展示效果，因为需要摸透网站的全部规则，避免触发反爬机制，同时还要恢复 JavaScript、CSS、界面结构等。

但整体进展出奇顺利。

Codex 对自家文档的网页结构了如指掌，轻轻松松就完成了克隆。

最终成果：

本地可访问的 HTML 文件共 321 个，其中 API Docs 156 个、Codex Docs 与 use-cases 152 个、Apps SDK 3 个、其他导航首页 9 个，以及 OpenAI Developers 首页 1 个。

并向 321 个镜像页面注入了本地搜索所需的 CSS 和 JS。

页面顶部的官方搜索按钮被本地脚本接管，支持点击搜索或按 Ctrl/Cmd+K，搜索结果来自本地静态索引，不再依赖官方的 Algolia 服务。

我还把这一整套流程固化下来，后续只需执行相应命令，就能进行整体更新或局部更新：

这条看似来自深海的大鲸鱼，其实更像一条搅动池水的大鲶鱼——DeepSeek 以出人意料的姿态，把折扣变成了永远。

就在 V4 版本刚刚发布、2.5 折优惠即将结束之际，DeepSeek 官方半夜放出了一条爆炸性消息：

其官方推特转发并补充道：

We are making our discount permanent! 🎉

我们将永久提供折扣！🎉

Enjoy building with DeepSeek-V4-Pro and bring your innovative ideas to life! 🚀

尽情使用 DeepSeek-V4-Pro 进行开发，将您的创新想法变为现实！🚀

如此大胆的决策让众多国外开发者直呼难以置信，点赞量疯狂飙升。

随后再查官网，虽然信息更新略有延迟，但 Pro 版当前的价格体系已经非常清晰：输入 3 元/百万 tokens，输出 6 元/百万 tokens，缓存命中更是仅需 0.025 元/百万 tokens。

眼下行业太需要像 DeepSeek 这样敢于打破定价惯性的公司了。不少国产模型要么抢不到配额，要么套餐贵得离谱，又或者额度缩水到几乎不能用，个别方案的收费甚至超过了国外的 Claude 和 GPT 5.5。

与其为各种月卡费心，倒不如直接按量购买 DeepSeek 的 API——用多少花多少，既不贵，也不浪费。这里不妨仔细算一笔账：和国外竞品对比优势自不必说，即使与国内同行摆在一起来看，DeepSeek 也便宜到了不可思议的程度。

智谱 GLM

作为国内综合实力最强的模型系列，智谱 GLM 的 Coding Plan 一度供不应求，抢购起来颇有几分“耍猴”的即视感。

目前其入门套餐定价 49 元/月，Pro 档为 149 元/月。

只要敢想，AI 就能帮你实现！

之前我仅用几张截图便复刻了 Claude 桌面版，随后又通过简单对话实现了聊天与代码功能。今天，我将基于那个克隆版 Claude 桌面版，深度改造出一个 DeepSeek 桌面版！下面先展示最终成果，再详细拆解整个制作过程。

一、成果展示

这是桌面快捷方式的模样：

左边的是 DeepSeek 桌面版（为了区分，名称前加了个字母 J），第二个是 Claude 克隆版，第三个与本文无关——那是我用来控制孩子玩游戏时间的工具，一旦到达设定时长，强制自动关掉游戏。

开始菜单中的图标：

系统托盘区显示：

打开后的主界面：

深色主题效果：

聊天功能界面：

智能体（Agent）功能区：

这一部分集成了 Claude Code！如果尚未安装，软件会弹出提示，按照命令安装即可。

系统设置面板：

大部分菜单仅为装饰，第三方应用自然无法接入官方系统。不过，主题和语言切换功能是真实可用的。

直接内嵌官网：

这里直接将 DeepSeek 官网嵌入到软件界面中，省去了打开浏览器的步骤。

当前，Windows 系统的首个版本 0.6.0 已经制作完成！主要实现了三大核心功能：通过 API 驱动的对话功能、基于 cc 构建的智能体功能，以及将官网直接嵌入桌面版，允许用户使用官方账号免费使用所有能力。

二、使用方法

最简单的用法：点击右上角的“鲸鱼”图标，直接打开官网页面，登录后即可对话。

另一种更灵活的方法是获取 API 并进行配置，这也是我要着重介绍的。目前 API 费用非常低廉，而且自由度远超网页版，不会被限流、限额，还能与本地文件系统交互，读写本地文件。

直接访问官方开发者平台：

https://platform.deepseek.com/api_keys

如果没有账号，注册登录即可。充值 10 块钱就能用上好一阵子。

创建 API key 并复制。

然后打开 JDeepSeek：

依次点击头像 → 系统设置 → 更多 → 模型设置：

Final Mowing 是一款基于 WebGL 的俯视角僵尸生存游戏，你需要在不断涌来的尸潮中尽可能存活更久，并将分数提交到服务器排行榜。游戏直接在浏览器中运行，无需安装客户端，支持 Docker 一键部署，让你在 NAS 上也能轻松开玩。

核心特色：

• 浏览器即开即玩，零客户端依赖
• WASD 移动 + 鼠标瞄准射击的直觉操作
• 多波次敌人、连杀反馈与沉浸式音效
• 服务器统一排行榜，防止本地数据丢失
• 完善的 Docker 部署支持

操作说明：

移动   【WASD】  
瞄准   【鼠标】  
射击   【左键】  
换弹   【R】  
暂停   【ESC】

部署步骤

通过 Docker Compose 即可快速启动服务：

services:  
  mowing:  
    image: superneed/mowing:latest  
    container_name: mowing  
    ports:  
      - 8008:8000  
    volumes:  
      - ./data:/data  
    restart: always

开始游戏

部署完成后，在浏览器地址栏输入 http://NAS_IP:8008 即可访问游戏界面。

在首页输入昵称，点击开始就能立刻投入战斗。

玩法相当直观：WASD 控制角色移动，鼠标瞄准并左键射击，简单易上手。

屏幕上方的击杀数和当前波次会实时显示，帮助判断战况。

右侧的小地图则能让你快速掌握僵尸的分布位置。

初期难度不高，但随波次增加，挑战会逐步攀升。

当游戏结束时，你的成绩会自动记录在启动页的排行榜中。

综合评价

Final Mowing 是一款轻量级的浏览器僵尸生存游戏，通过 Docker 部署后即可极速开玩，操作逻辑清晰，只需 WASD 与鼠标配合。游戏内容虽不复杂，却很适合摸鱼时随手来上一局。内置的排行榜系统让本地记录不再丢失，还可以和朋友比比生存时长。

使用 AI 编码助手时最令人烦躁的，莫过于它明明很擅长写代码，却总是在项目上下文里“迷路”。

你问它“认证链路最后是在哪里写数据库的”，它立刻开始读取十几个文件；你再问它“这个函数影响哪些模块”，它又去全仓库 grep 一通。上下文越塞越满，答案却未必准确。

近日，一个名为 Graphify 的开源项目恰好适合接到这类编码助手当中。它做的事情非常直接：把一个目录里的代码、文档、SQL schema、脚本、图片、视频等材料，抽取成一张可查询的知识图谱，让 Claude Code、Codex、Cursor、Gemini CLI 等助手在动手之前，先从这个已有的图谱中寻找线索，而不是一上来就盲目 grep 整个仓库。

项目地址：https://github.com/safishamsi/graphify

截至撰稿时，该仓库已获得 约 6.2 万 Star、6.4k Fork。

安装与基本使用

官方包名容易踩坑，PyPI 上叫 graphifyy（两个 y），但命令行工具仍然使用 graphify。

uv tool install graphifyy  
graphify install

安装完成后，在支持的 AI 编码助手中运行：

/graphify .

需要注意的是，如果是在 Codex 的 assistant 命令里，README 特别提醒要使用 $graphify 而非 /graphify。Windows PowerShell 用户也不能写成 /graphify .，应直接用 graphify .，因为前面的斜杠会被 PowerShell 视作路径。

执行完毕后，项目根目录下会多出一个 graphify-out/ 文件夹，里面主要包含三件东西：

• graph.html：在浏览器中打开的交互式关系图。
• GRAPH_REPORT.md：列出项目关键概念、意外关联以及推荐的问题。
• graph.json：完整的图谱数据，为后续的查询、MCP 调用和团队共享提供基础。

这一产物思路相当直接。以往 AI 助手回答与项目相关的问题时，常常临时读取文件、临时做总结、临时猜测依赖关系。Graphify 则先将项目中的实体与关系沉淀下来，后续再有新问题时，就不需要每次从零开始翻仓库。

最近 AI 圈非常热闹。自从 GPT Image 2 发布后，越来越多创作者把 Image 2 与 Seedance 2.0 组合起来，让视频画质跨越了一个台阶。

就在几天前，藏师傅直接上手，做了一款拳拳到肉的 ARPG 游戏演示。

下面这段就是他用 Image 2 + Seedance 2.0 生成的视频展示（by 藏师傅）：

如果不提前说明，恐怕很多人会以为这是某款“水浒传”游戏的实机录屏。

虽然它本质上是一个视频演示，但藏师傅这次尝试，实实在在拉高了人们对 AI 生成 3D ARPG 互动游戏的想象空间。

有意思的是，在评论区我看到了这样一段对话：

显然，大家现在对 AI 生成图片和视频的水准已经有了共识，但依旧习惯性地觉得——要直接用 AI 生成一款游戏，还为时尚早。

然而，如果我说我真的做出来了一款呢？下面就是我今天实跑的案例：

你没有看错，这不再是一位个人创作者随手做的 Demo，而是我自己的录屏。它来自一个名为 Yoroll 的 AI 互动影游平台，是一份可以完整游玩的互动游戏。

而整个游戏，我只用了一句话生成。

为什么这次值得认真聊聊

如果说此前所有 AI 游戏的尝试大多停留在视频片段或者 Demo 层级，那么 Yoroll 这次算是真正把这类内容做成了能够引爆千万次播放的产品。

Claude Code 依然是当前世上最强大、最好用的编程智能体，但它接入第三方模型或调用自家 API 的流程总是略显麻烦，所以我自己动手打造了 JCode。对我来说，它就是一个 CC 辅助神器。

JCode 是我之前手搓的一款 CC 多平台启动器，定位与 cc-switch 有些相似，但又有本质区别。之前用 CCS 时，我经常遇到 Claude Code 配置冲突、设置被覆盖的问题，于是干脆自己搞了一个。

核心功能很简单：快速把第三方模型接入 Claude Code，一键启动！启动过程中会自动注入第三方模型、自动创建隔离的配置文件、自动切换到项目目录。同时，密钥会进行加密存储，还可以批量导出到另一台电脑。

此外还有一些子功能，比如模型映射、Token 用量统计，以及批量运行多个平台等。

最近，JCode 已迭代至 0.9.7 版本。

今天主要为大家简单梳理一下新增的功能与使用方式。

智能授权模式

这一更新其实早就完成了，原本打算发的文章一直拖到现在才和大家见面。

该模式可以让你自动管理授权，也可以完全跳过授权步骤。

Claude Code 支持的六种授权模式均已整合进来，我个人推荐选择“自动”或“跳过”。不同模式的具体细节在此不展开，可以查阅先前的说明。

过去我一直使用 accept 模式，每次开启新项目都要不停地点击确认，稍不留神就会卡住半天。现在基本上全自动了，流程顺滑了许多。这里完成配置后，对所有平台都会生效，包括 Claude Code 官方与第三方平台。

网络 Agent 辅助

我们天天谈论各种智能体，其实当前最需要的还是“网络智能体”。当然 Agent 还有另一种译法，这个功能我就不在这里展示了。

大致的使用场景是：当你使用 Claude Code 官方服务时，有些工具可以辅助桌面版，却无法辅助终端版。这个功能正是用来填补这种场景的缺口。

平台管理全面优化

为了方便平台管理，新增了一个平台列表视图。

通过这个列表，可以随时启用或停用平台。为什么要停用呢？ 因为当配置了大量平台之后，首页就会显得臃肿不堪，这时可以把不常用的先隐藏起来。

同时，还加入了一个复制配置信息的功能：只要将鼠标悬停在对应平台图标上约 1.5 秒，就会出现复制图标。

点击这个图标就能一键复制整个平台的配置信息。为什么会需要这个功能？ 因为我的 API 信息非常多，经常要在不同平台、系统和软件之间来回拷贝。更烦人的是，各家平台的 API Key 往往在首次查看后就再也找不到了。有了这个功能，只需配置一次，即可一键复制。